12936
life = curiosity + irreducible noise Whois: https://t.me/boris_again/1652 Лс: @btseytlin
https://futurism.com/the-byte/study-consumers-turned-off-products-ai
🥲
Кстати на платформе https://fal.ai/models/fal-ai/flux-pro у создателей вообще никакой цензуры, модель генерит что угодно. Кого-то ждет PR disaster
Читать полностью…
Но это достойно поста в канале.
Приходите в наш массажный салон.
В большой модели вроде бы всё нормально, но у меня кончились кредиты и не потестить особо.
UPD: нет, в большой тоже самое
https://srcd.onlinelibrary.wiley.com/doi/10.1111/cdev.14129
Зефирный тест в который раз не показал никакого эффекта
Уже завтра я буду на AMA стриме в Вастрик.Клубе.
1 августа в 19:00 по Москве
Тема: "Нейросети для Троечников"
Трансляция будет доступна для членов клуба, а для всех остальных позже будет запись.
Моя цель пояснить за нейросети и машинное обучение так, чтобы поняли даже люди, которые вообще ничего не понимают.
Будем рассуждать через призму идей, а не душной математики. Какие задачи решают нейросетки? Как они учатся? Что умеют, а чего не умеют? Что у них в голове?
Для этого я сейчас судорожно готовлюсь: нужно сжать весь свой опыт в короткое выступление, но не потерять ничего важного.
Описание из поста в клубе:
Поговорим с @btseytlin о том, как работают модели искусственного интеллекта, которые менее модно называются машинным обучением.
❌ Здесь не будет ничего о том как заработать на нейросетях без вложений, как составить промпт для лечения рака и какие топ 10 нейросетей нужно использовать в маркетинге. Не будет и спекуляций на тему того, как ИИ уже завтра изменит всю планету.
👌 Вместо этого постараемся найти баланс между верхнеуровневым пониманием и деталями, чтобы действительно разобраться что и почему происходит. Разберемся где магия, где предсказание следующего слова и что о нашем мире знает SORA.
Хочу отметить ещё одну работу с ICML: PV-Tuning: Beyond Straight-Through Estimation for Extreme LLM Compression
Malinovskii et. al.
Здесь целый пакет: статья на ICML, статья на хабре, код библиотеки, сжатые модели (Llama, mistral, gemma) и туториал по дообучению сжатого Mixtral через LoRA.
Это улучшение для предыдущей итерации AQLM:
Extreme Compression of Large Language Models via Additive Quantization (Egiazarian et.al., Yandex Research, IST Austria, KAUST, Neural Magic).
Оригинальная статья про метод 2-bit сжатия (квантизации) нейросетей AQLM, позволяющий сжимать модели до 8 раз с сохранением в среднем 95% качества.
AQLM это метод post-training quantization (PTQ), когда веса сжимаются после обучения. PTQ методы основаны на том, что большая часть весов в больших нейросетях ведут себя очень похожим образом, то есть избыточны.
Последним этапом идет файнтюнинг на калибровочном датасете, который устраняет часть потерь качества.
В PV-Tuning добавили новый подход к файнтюнингу, который позволил получить качество выше предыдущей соты. Причем метод заявлен как универсальный, так что возможно он применим не только для PTQ. Может быть сделаю подробный обзор. Но там аппендикс на 36 страниц 👀
Здесь можно посмотреть презентацию авторов с объяснением деталей метода.
В общем у нас появились хорошие маленькие версии любимых моделей. Должно быть очень полезно всем GPU-poor
👁 VILA: On Pre-training for Visual Language Models 👁
📃 Paper
Очередная SotA, в этот раз от NVIDIA 🖥. Бьёт LLaVA и QWEN-VL, показывает сильные способности к ризонингу, в том числе при анализе нескольких изображений. Понимает мемасы.
Идеи:
- авторы показывают важность разморозки LLM на претрейне
- чередование данных на претрейне крайне важно, а обучение на парах text-image не оптимально
- смешивание инструкций и text-image данных на SFT снижает деградацию LLM и повышает точность VLM.
Стандартная схема: VE + Adapter + LLM = VLM. Линейный адаптер - лучший выбор (авторы рассуждают, что простой линейный адаптер позволяет LLM лучше обобщаться на изображениях).
Обучение:
Ресурсы – 16x8 A100, вход энкодера 336х336. Три стадии:
1) Предварительное обучение адаптера
2) Претрейн LLM и адаптера на 25M семплах MMC4 (interleaved сет) и 25M сэмлированных версиях LAION, COYO (text-image сеты) по CLIP similarity
3) Инструктивный тюнинг. Для SFT собственный блендинг данных в стиле FLAN на базе 18 датасетов, преимущественно для VQA.
В abl. study также указано, что никаких оптимизаций не было, но можно сократить затраты на 30%, и дополнительно на 50% за счёт снижения размера входа до 224х224.
Авторы показывают, что использование только COYO сета на стадии претрейна сильнее всего просаживает MMLU и показывает низкие визуальные метрики, поскольку кепшены слишком короткие и простые. Оптимальный вариант это COYO + MMC4.
Image tokens:
Очевидно, что чем больше размер входа, тем лучше. Вход 336х336 кодируется в 576 токенов, и их можно свернуть до 144 (в 4 раза)! При этом качество на VQA сетах будет все ещё выше, чем для энкодера с размерностью 224х224.
MoE:
Авторы рассуждают на тему сохранения качества LLM путем её заморозки с добавлением визуального эксперта и ручным роутингом между типами входных токенов. В статье показано, что этот метод хуже по всем параметрам (размер модели в 2 раза больше, качество хуже), чем предлагаемый авторами подход.
Очень много примеров в Appendix!
#paperwatch
# In-Context Reinforcement Learning for Variable Action Spaces
Sinii et. al.
T-Bank AI Research и AIRI
Астрологи объявили неделю ICML, а значит выходит много интересных статей, в том числе от наших ребят из T-Bank AI Research и AIRI.
В этой статье авторы замахнулись на генерализацию в RL.
Проблема в следующем. Раньше уже были попытки сделать алгоритм способный обобщаться на новые среды и задачи. То есть обучаемся на спектре разных задач/сред/игр, а применяем на других задачах. Однако эти подходы был и ограничены пространствами действий схожей структуры и одинакового размера.
Авторы предлагают Headless-AD (Headless Algorithm Distillation) – модель, способную обобщаться на разные пространства действий, которые она никогда не встречала при обучении.
Algorithm Distillation это модель-трансформер, которая предсказывает следующее действие в режиме авторегрессии, прямо как LLM предсказывает следующий токен. То есть в трансформер подается последовательность из наблюдений, предыдущих действий и наград за эти действия. Грубо говоря такой трансформер учится понимать правила игры из промпта в виде последовательности прошлых событий.
В конце такой модели, как и в LLM, стоит классификатор, который предсказывает следующее действие как класс. Однако классификатор имеет заранее заданную размерность, так что модель не способна предсказывать действия помимо тех, которые встречались при обучении.
Ключевое изменение в Headless-AD в том, что у действий больше нет обучаемых эмбеддингов как, скажем, эмбеддинги токенов в LLM. Вместо обучаемых эмбеддингов действий для всех действий делаются случайные эмбеддинги на каждом шаге обучения. Таким образом модель не запоминает никакой информации о самих действиях. Ей нужно получать всю информацию о возможных действиях из контекста.
Чтобы модель представляла, какие действия вообще возможны в данной среде, в промпт подаются эмбеллинги всех возможных действий.
Условно, бродя по лабиринту модель не знает, что есть действие “пойти налево.” Она видит, что есть какое-то действие и должна понять по контексту когда его нужно использовать.
Классификатор в конце убирается и модель предсказывает эмбеддинг следующего действия напрямую. Далее для предсказанного эмбеддинга находится ближайший эмбеддинг из доступных в задаче действий и именно это действите используется на выходе.
В общем подход позволяет тренировать трансформер на понимание как научиться решать заданную в промпте задачу, а не напрямую на решение конкретной задачи. Соответственно его позже можно применять на новых задачах которые модель не видела. Может быть так и получим reasoning.
Применение, которое приходит мне на ум: рекомендовать пользователю товары, которые только что были добавлены и модель не видела их в процессе обучения.
Исходный код выложили на github.
Прыжок выше датасета ⬆️
Классный пример того, как модель может превзойти качество данных, на которых она обучалась.
Статья с пафосным названием Transcendence: Generative Models Can Outperform The Experts That Train Them.
В чем суть?
Взяли LLM и дообучили на шахматных партиях в формате 1.e4 e5 2.Nf3 Nc6 3.Bb5 ... 1/2-1/2. Было 3 датасета: партии игроков до 1000 рейтинга, до 1300, и до 1500.
И оказалось, что с температурой ближе к нулю (ближе к жадной генерации), LLM играет на рейтинг выше, чем в обучающем датасете (рисунок 1 - графики для 3 датасетов).
Но есть нюанс, что такой скачок происходит только на датасетах до 1000 и до 1300.
Можете подумать, почему такое происходит. Ниже их объяснение.
Разнообразие в датасете. Игрок на 1500 + случайные ошибки ~= игрок на 1300. Поэтому, дообучаясь на победных ходах + разнообразных ошибках, LLM научилась больший вес давать правильному ответу. И при жадной генерации мы всегда выбираем именно этот ход.
Пример. Если мы усредним игрока, который выбирает в 40% верный ход А и в 60% неверные ходы B, и игрока, который выбирает в 40% верный ход А и в 60% неверные ходы C, то получим 40% на верный ход и по 30% на неверные. Что при 0-ой температуре даст строго верный ход.
Блогпост с картинками, формулами, кодом, датасетом, моделями.
@building_singularity
1. Kali Novskaya присоединяется к команде Llama.
2. Спустя всего 14 дней выходит новая Llama 3.1 405B.
По моим подсчетам ещё через пару недель будет сингулярность
Добрался поиграться с LUMA. Надеюсь нейронную крипоту никогда не пофиксят
Вижу огромный потенциал для киноделов если не пытаться бороться с крипотой, а намеренно использовать её. Например могу представить себе фильм, где главному герою снятся кошмары в виде компиляции таких видео
Ранее я спрашивал подписчиков интересно ли сделать на базе канала мини-сообщество в виде живого чата. Заинтересовались почти двести человек. Давайте делать!
Создаем уютный чат про любопытство. Ограничений по темам нет, но в основном обсуждаем машинное обучение, науку, карьеру, жизнь и мемы. Фокус на качественные дискуссии и обмен личным опытом. Лично я планирую отправлять в чат то, что мне интересно, но по каким-то причинам не пойдет в канал.
В качестве приманки: я недавно менял работу и опишу свой опыт в нескольких постах в чате.
Ссылка на чат:
/channel/+Q8wZrzGl4ZY3MjZi
Это НЕ чат привязанный к каналу для комментариев, не ошибитесь кнопкой.
Правила:
1. Не будь мудаком.
2. Чат это не фронт войны за продвижение своих идей в какой-либо плоскости, особенно политической.
3. Недопустимы оскорбления и отсутствие уважения к собеседникам, систематически низкокачественный контент, переборы с самопиаром и спам.
Нормы:
- В дискуссии в первую очередь исходи из вазимного уважения. Предполагай, что собеседник искренен и уважает тебя, пока он не доказал обратного.
- Не будь слишком серьезен. Особенно по отношению к себе.
- Выражать своё мнение нормально, если вы готовы услышать мнение собеседника, но постоянное насаждаение совего мнения приведет к быстрому бану.
- Исповедуем гумманизм.
Модерация будет на основе моей диктатуры и votekick.
В процессе посмотрим, что из этого получится!
Массаж может быть новым тестом для генераторов изображений, так кау с руками вроде бы разобрались в больших моделях
Читать полностью…
Играюсь тут с новой моделью для генерации изображений Flux
Забавное: модели мира у неё ломаются при добавлении в промпт "upside down."
Больше интересных находок буду скидывать в комментарии.
Но в целом прогресс супер, эта модель гораздо лучше умеет в композицию и хорошо понимает промпт. К тому же модели ОЧЕНЬ быстрые. Маленькая генерирует изображение за чуть больше секунды.
Поиграть можно тут: https://replicate.com/black-forest-labs/flux-schnell
Или с полноценной моделью тут:
https://fal.ai/models/fal-ai/flux-pro
Но там ограниченные деньги, много не попробуешь
ПЕРВЫЙ МУЛЬТИМОДАЛЬНЫЙ ДАТАСЕТ ЗАДАЧ ПО ФИЗИКЕ?
Контрибьютеры в вихре варят очень сложные датасеты - рецепт простой: краулим 10 гб html-pdf_ок, прогоняем через кучу ocr, latex конверторов, парсим текстовый слой и картинки. Потом обмазываем все это регулярками для вязкости и получаем вероятно один из самых сложных для LLM датасетов - physics_big.
Почему он сложный? Потому что это мультимодальная физика с олимпиад. В отилчие от геометрии или алгебры для физики все сильно хуже с солверами, авто решаторами и индукцией ее тоже не решишь
Заливать в test в train можно здесь hf
Над релизом работали:
@suro4ekgg - вообще почти сделал
@mlunderground
@lovedeathtransformers
поддержать в X
https://ai.meta.com/blog/segment-anything-2/
Оказывается вчера вышел Segment Anything 2!
Открыл для себя tldraw, отличная штука для диаграм.
https://www.tldraw.com/
В аппендиксе оригинальной статьи спрятали таблицу с самым интересным. Ускорение инференса в три раза как на GPU, так и на CPU.
С учетом PV-Tuning имеем ту же скорость, но с лучшим качеством.
AI не может заменить тебя, если ты и так не делаешь ничего полезного 🧠
Читать полностью…
1 августа я буду выступать с AMA "Нейросети для Троечников" в Вастрик.Клубе!
Поговорим с @btseytlin о том, как работают модели искусственного интеллекта, которые менее модно называются машинным обучением.
❌ Здесь не будет ничего о том как заработать на нейросетях без вложений, как составить промпт для лечения рака и какие топ 10 нейросетей нужно использовать в маркетинге. Не будет и спекуляций на тему того, как ИИ уже завтра изменит всю планету.
👌 Вместо этого постараемся найти баланс между верхнеуровневым пониманием и деталями, чтобы действительно разобраться что и почему происходит. Разберемся где магия, где предсказание следующего слова и что о нашем мире знает SORA.
# Чародеи-математики
В добавление к посту про сознание как информацию.
Информация это нечто параллельное материи, что задает структуру вещей. Есть атомы. Но информация определяет конфигурацию атомов: составляют они бесформенное облако или человеческий глаз.
Информация это буквально астральное измерение, с которым мы не способны взаимодействовать. Кроме как с помощью математики.
Множество чисел от минус бесконечности до плюс бесконечности нельзя представить или потрогать. Это вообще за гранью нашего восприятия. Как это: набор вещей которые нельзя посчитать, и чем больше ты делишь его на куски, тем больше возникает кусков?
Однако мы можем его описать. Мы не придумали числовой ряд, что отличает его, скажем, от закона в договоре. Мы обнаружили его и описали. Он существует и мы имеем этому явные доказательства: используя его как инструмент можно строить мосты, летать в космос и что там ещё нам важно в материальном мире, а значит он влияет на наш мир. И одновременно в нём не существует.
С этой точки зрения математик это волшебник, взаимодействующий с потусторонним на языке заклинаний. Он способен призвать немыслимые ранее вещи из того мира в наш.
Неудивительно, что архетипичный праобраз ученого это чародей, который общается с духами и превращает камни в золото, то есть нарушает законы мира материального согласно законам мира иного.
Вот так чего не ожидал: мне написали из благотворительного фонда "Карельский регистр доноров костного мозга", и попросили рассказать вам про IT-пикник в Москве 17 августа, потому что это поможет им собрать средства на оборудование для доноров.
IT-пикник это семейный IT фестиваль в "Коломенском" с кучей активностей от лекций про SRE до скалолазания для детей до киберспортивного турнира до концерта Найка Борзова. В спикерах можно найти топ-менеджеров технологических компаний и других интересных людей. Я даже не знал, что бывают такие фестивали с настолько разнообразными активностями.
Я не смог пройти мимо и бесплатно рекламирую этот фестиваль потому, что вход туда не по билетам, а по благотворительному пожертвованию от 1000 рублей, которые вы можете направить в "Карельский регистр доноров костного мозга" или один из других представленных благотворительных проектов.
Регистр доноров помогает пациентам с лейкемией найти совместимого донора костного мозга, что часто бывает последней надеждой. Средства пойдут на оплату обследования доноров, что поможет спасти жизни. Регистр, кстати, делает прозрачные отчеты о своей деятельности, что лично для меня является знаком качества для некоммерческих организаций.
Фестиваль выглядит действительно круто, плюс шанс помочь людям, надо ехать на фест получается.
https://ea.rna.nl/2024/05/27/when-chatgpt-summarises-it-actually-does-nothing-of-the-kind/
tldr: LLM могут сильно искажать факты при саммаризации сложных вещей вплоть до полностью противоположных выводов
У нас есть Artificial Intelligence, но где Artificial Wisdom?
Читать полностью…
Кейс успешной карьерной консультации.
Ко мне обратился человек с большим опытом анализа данных и машинного обучения, но в металлургической промышленности. Он спросил меня: насколько трудно будет с таким опытом найти работу в технологической компании? Мы разобрали его ситуацию и я помог ему придти к выводу, что у него нет никаких шансов, если он не купит мой курс за $5000.
#щитпостинг