Новости

Новый алгоритм ускоряет федеративное обучение на 81%, позволяя безопасно запускать нейросети на умных часах и бюджетных телефонах.

Исследователи из Массачусетского технологического института создали алгоритм FTTE, который позволяет обучать мощные ИИ-модели прямо на носимых устройствах без утечки личных данных.

Исследователи из MIT разработали метод FTTE, позволяющий безопасно обучать нейросети прямо на пользовательских устройствах без утечек данных.

Технология FTTE от MIT ускоряет федеративное обучение на 81%, позволяя запускать сложные ИИ-модели на обычных смартфонах без ущерба для конфиденциальности.

Исследователи разработали алгоритм FTTE, позволяющий обучать мощные ИИ-модели на слабых устройствах без передачи личных данных в облако.

Исследователи из MIT разработали алгоритм RLCR, который учит языковые модели честно оценивать свою неуверенность и снижает количество галлюцинаций.

Исследователи из MIT разработали метод RLCR, который учит нейросети честно оценивать свою уверенность в ответах, снижая риск ошибок в критических сферах.

Исследователи разработали метод RLCR, который заставляет языковые модели честно оценивать свою уверенность в ответе, делая нейросети безопаснее для медицины и финансов.

Новый метод обучения RLCR снижает количество галлюцинаций ИИ на 90%, заставляя нейросети честно оценивать свои знания и признаваться в сомнениях.

OpenAI выпустила GPT-5.4 для сложных рабочих задач, а эксперименты Андрея Карпати доказали, что искусственный интеллект уже способен самостоятельно оптимизировать свой код.