github anon strikes again

https://github.com/NVIDIA/ngpt/issues/1

ахахахаххаха

Прошла тут статейка на ICLR 2025, настрадались с ней ужас 🫠

https://www.tgoop.com/airi_research_institute/755

если вы поддерживаете благотворительные организации или хотите начать, мы сейчас в институте участвуем в MeetForCharity — благотворительном аукционе встреч с успешными успехами из разных сфер, от бизнеса и технологий до театра и кино

тоже участвую в этом году и выбрал «Дом с маяком» — хоспис, который поддерживает около 800 детей

мне кажется история очень здравая, там много интересных людей, которых просто так не вытащишь, а это отличная возможность и познакомиться и людям помочь 🙂

Самое время подвести итоги сабмитов на ICLR 2025. Не все успели довести до фулл статей, но и воркшопы тоже хорошо!

Что-то уже есть на архиве (и еще будет обновлятся с новыми результатами), так что делюсь:
1. XLand-100B: A Large-Scale Multi-Task Dataset for In-Context Reinforcement Learning (Main, Poster), by @howuhh and @suessmann and @zzmtsvv
2. Latent Action Learning Requires Supervision in the Presence of Distractors (Workshop, World Models), by @howuhh
3. Object-Centric Latent Action Learning (Workshop, World Models), by @cinemere
4. N-Gram Induction Heads for In-Context RL: Improving Stability and Reducing Data Needs (Workshop, SCOPE), by @suessmann
5. Yes, Q-learning Helps Offline In-Context RL (Workshop, SSI-FM), by @adagrad

совсем забыл рассказать, в этом году успешно продолжили поддерживать студентов УИ через стипендию 1519

в этот раз получилось раздать 30 стипендий (в прошлом году было 17!)

маленькая победа, ура 🙂

в этом году буду курировать направления по Reinforcement Learning и World Models, залетайте, контент будет хороший 🙂

https://www.tgoop.com/airi_research_institute/825

чуть подробнее написали, что ожидается от рисерч пропозала

примером делился до этого в комментариях, но вдруг кто не видел, то вот

https://www.tgoop.com/airi_research_institute/870

Новый шаг в управлении роботами и оптимизации индустриальных процессов 🤖

Исследователи AIRI разработали Vintix — SOTA action-модель для роботов и индустриальных процессов, умеющую имитировать ход обучения с подкреплением. Благодаря этому Vintix самостоятельно корректирует и улучшает свои действия, получая минимальную обратную связь от пользователя.

Техническая реализация Vintix опирается на расширенный контекст трансформера. Благодаря сжатию данных — состояние-действие-награда в один токен — модель анализирует в 3 раза больше информации по сравнению с аналогами: JAT от HugginFace и GATO от Google DeepMind. При этом архитектура устойчива к шуму и частичной наблюдаемости среды — Vintix успешно справляется с задержками и неполными данными, что критически важно для промышленного применения.

Vintix может быть полезной в разных областях. Например, применяться для автоматизации задач на производственных линиях и оптимизации маршрутов складских роботов, а в сфере энергетики подобные системы способны управлять распределением нагрузки для более эффективного использования ресурсов. Научная статья будет представлена на конференции ICML в июле 2025 года.

Подробнее про исследование — в материале Forbes.

Научная статья | GitHub

lol

https://www.tgoop.com/complete_ai/684

хорошая коллаба получилась, затащили рль для реверс инжиниринга деталей, топ работа как обычно от @adagrad @suessmann и @Howuhh