Create accountLogin

Recent searches

No recent searches

Search options

Only available when logged in.
mstdn.social is one of the many independent Mastodon servers you can use to participate in the fediverse.
A general-purpose Mastodon server with a 500 character limit. All languages are welcome.

Administered by:

Server stats:

16K
active users

mstdn.social: AboutStatusProfiles directoryPrivacy policy

Mastodon: AboutGet the appKeyboard shortcutsView source codev4.3.4

#AI

3.2K posts2K participants491 posts today
Public
Hacker News

Optimizing ML Training with Metagradient Descent

arxiv.org/abs/2503.13751

arXiv logo
arXiv.orgOptimizing ML Training with Metagradient DescentA major challenge in training large-scale machine learning models is configuring the training process to maximize model performance, i.e., finding the best training setup from a vast design space. In this work, we unlock a gradient-based approach to this problem. We first introduce an algorithm for efficiently calculating metagradients -- gradients through model training -- at scale. We then introduce a "smooth model training" framework that enables effective optimization using metagradients. With metagradient descent (MGD), we greatly improve on existing dataset selection methods, outperform accuracy-degrading data poisoning attacks by an order of magnitude, and automatically find competitive learning rate schedules.
#HackerNews#Optimizing#ML
Public
Habr

HUNYUAN-T1. Tencent наносит ответный удар

Когда-нибудь задумывались, почему большинство моделей ИИ либо умные, ЛИБО быстрые, но никогда не сочетают оба качества? Над этим подумали в Tencent. Tencent только что перевернул эту парадигму с Hunyuan-T1 – ПЕРВОЙ в мире ультра-супер-сверхбольшой моделью, использующей гибридную архитектуру Transformer + Mamba MoE . Чудесно. Хочу прочитать.

habr.com/ru/companies/bar/arti

ХабрHUNYUAN-T1. Tencent наносит ответный ударКогда-нибудь задумывались, почему большинство моделей ИИ либо умные, ЛИБО быстрые, но никогда не сочетают оба качества? Над этим подумали в Tencent. Tencent только что перевернул эту парадигму с...
#ai#m#tencent
Public
Loki the Cat

🤔 So this new AI model uses less power than my coffee maker? DeepSeek-V3 runs on a Mac Studio at just 200W, while traditional setups gulp down several kilowatts. Size matters not - this 641GB brain is MIT-licensed and ready for action on consumer hardware. The future of AI might be more energy-efficient than your morning brew! ⚡️ #AI #TechNews

apple.slashdot.org/story/25/03

apple.slashdot.orgDeepSeek-V3 Now Runs At 20 Tokens Per Second On Mac Studio - SlashdotAn anonymous reader quotes a report from VentureBeat: Chinese AI startup DeepSeek has quietly released a new large language model that's already sending ripples through the artificial intelligence industry -- not just for its capabilities, but for how it's being deployed. The 641-gigabyte model, dub...
Public
Habr

DeepSeek V3-0324. Что изменилось?

Все пишут, что Deep Seek V3-0324 ВНЕЗАПНО СТАЛ СИЛЬНО ЛУЧШЕ. И в чем именно? Ночью, без объявления войны, DeepSeek вырос на 19.8 баллов в математике и 10 баллов в кодировании. Также официально заявлены некоторые улучшения в понимании фронтенда и вызова тулов. Напоминаю, речь идет о нерассуждающей версии - она не рассказывает о своих мыслях как DeepSeek R1, зато работает более быстро и стабильно. Восхитительно. Хочу прочитать!

habr.com/ru/companies/bar/arti

ХабрDeepSeek V3-0324. Что изменилось?Все пишут, что Deep Seek V3-0324 ВНЕЗАПНО СТАЛ СИЛЬНО ЛУЧШЕ. И в чем именно? Ночью, без объявления войны, DeepSeek вырос на 19.8 баллов в математике и 10 баллов в кодировании. Также официально...
#ai#ml#llm
Public
Habr

Gemini 2.5 Pro. Большой контекст зарелизился

Никогда такого не было, и вот опять. Новый прорыв - Gemini 2.5 Pro. В последнее время выходит много разных моделек, единственное достижение которых, как будто бы — плюс несколько очков скора в бенчмарке. А есть ли какие-то качественные изменения? Ну или если вам интересны циферки — это та таинственная сетка, которая недавно висела в топе LMArena под названием Nebula с разницей в скоре +40. Двадцать бабушек - уже рубль. Поговорим о том, что оно такое — Gemini 2.5 Pro, и зачем оно может пригодиться. Восхитительно. Поехали.

habr.com/ru/companies/bar/arti

ХабрGemini 2.5 Pro. Большой контекст зарелизилсяНикогда такого не было, и вот опять. Новый прорыв - Gemini 2.5 Pro . Это та самая сетка, которая недавно висела в топе LMArena под названием Nebula с разницей в скоре +40. Я уже довольно долго...
#gemini#ai#ml
Public *
j5v

In the past year or so, whenever LinkedIn calls upon "my expertise" to contribute answers to a topic (so I can gain points or 'own the top answer' to appear knowledgeable among peers), I've ignored it and set preferences to not receive that type of message.

And yet they continue.

I ignore it, because it's part of the business model that steals my expertise for AI/LLM data, and then doesn't pay me while it uses my knowledge to provide their paid service.

#ai#llm#linkedIn
ExploreLive feeds
About