Do prdele... Hugging Face & Oxford vypustily "LeRobot", první skutečný základní model frameworku pro roboty. Ne simulace. Ne ukázky. Skuteční roboti učící se z dat jako LLM. Je open-source, je postavený v PyTorchu a trénuje obecné zásady, které mohou ovládat jakékoli robotické paže, humanoidy nebo mobilní roboty pomocí videa, senzorů a jazykových dat. Tím se vše změní: → Roboti se nyní mohou učit dovednosti z milionů ukázek → Jeden model může napájet více strojů → Vývojáři mohou jemně doladit pohyb, jako je jemné doladění GPT Měli jsme základní modely pro text, obrázky a řeč. Nyní máme jeden pro fyzický svět. 🌍 Zdroj: Papír:

R.I.P Google Scholar. Podělím se s vámi o 10 zmatených podnětů, které mění výzkum z povinnosti na superschopnost. Zkopírujte a vložte tyto do Perplexity právě teď:

Do prdele... NVIDIA prostě dokázala nemožné 🤯 Trénovali LLM s 12B-parametrem na 10 BILIONECH tokenů pouze s použitím 4-bitové přesnosti. Jmenuje se NVFP4 a odpovídá přesnosti FP8 a zároveň snižuje náklady na výpočetní výkon a paměť na POLOVINU. Nejedná se o postupné zlepšování. To je naprostá změna paradigmatu. Zde je návod, jak to rozlouskli: → Náhodné Hadamardovy transformace pro eliminaci odlehlých hodnot → 2D změnu velikosti, která zachovává natékání přechodu → Stochastické zaokrouhlování pro nestranné aktualizace → Selektivní vysoce přesné vrstvy tam, kde je to důležité Výsledky jsou absurdní: Stejná přesnost jako v 8. tréninku. Polovina zdrojů. Rekordní efektivita. Zatímco všichni závodili v rozšiřování, společnost NVIDIA právě dokázala, že můžete škálovat DOLŮ a stále vyhrát. To by mohlo předefinovat způsob, jakým se každý hraniční model trénuje. Čtyřbitová éra právě začala.