Машинное обучение

🚀 Diving into Underwater: Segment Anything Model Guided Underwater Salient Instance Segmentation and A Large-scale Dataset 🖥 Github: https://github.com/liamlian0727/usis10k 📕Paper: https://arxiv.org/abs/2406.06039v1 @ArtificialIntelligencedl

Яндекс запустил Lite-версию генеративной текстовой модели YandexGPT 3 YandexGPT 3 Lite — это облегчённая версия генеративной модели Яндекса нового поколения. Особенность таких Lite-моделей заключается в более высокой скорости ответов, что позволяет решать простые задачи бизнеса буквально в режиме реального времени. Поэтому нейросеть хорошо показывает себя в сценариях, где важны время реакции и оптимизация затрат: например, бот-консультант на сайте, система подсказок для операторов колл-центров или суммаризатор результатов деловых встреч. ✈️ По данным замеров, YandexGPT 3 Lite стала ещё быстрее и точнее — и она уже доступна в режиме release candidate на облачной платформе Yandex Cloud. То есть клиенты могут протестировать её и плавно внедрить в свои продукты через API уже в ближайшее время. Одним из ключевых этапов обучения модели стало выравнивание (Alignment), включающее в том числе стадию обучения с подкреплением (RL). В статье на Хабре - детали реализации Alignment и RL.

🚀 AgentGym: Evolving Large Language Model-based Agents across Diverse Environments 🖥 Github: https://github.com/woooodyy/agentgym 📕 Paper: https://arxiv.org/abs/2406.04151v1 🔥Project: https://agentgym.github.io/ ⚡️Model (AgentEvol-7B): https://huggingface.co/AgentGym/AgentEvol-7B @ArtificialIntelligencedl

InterpreTabNet: Distilling Predictive Signals from Tabular Data by Salient Feature Interpretation 🖥 Github: https://github.com/jacobyhsi/InterpreTabNet 📕Paper: https://arxiv.org/abs/2406.00426v1 @ArtificialIntelligencedl