Дайджест новостей о Causal-JEPA и World Models

Обзор ключевых событий в области обучения моделей мира и их применения.

- Продолжается развитие концепции Джепизации (C-JEPA) в области машинного обучения.

- На сабстеке создана новая секция, посвящённая моделям мира (World Models).

- Исследование "Causal-JEPA" фокусируется на обучении моделей мира через объектные латентные интервенции.

- Авторы работы: Хиджон Нам, Квентин Ле Лидек и другие.

- Исследование подчеркивает важность интервенций для улучшения обучения моделей.

Узнайте больше о Causal-JEPA и World Models на нашем сайте: https://arxiviq.substack.com/s/world-models/archive?sort=new

Read more

AI: дайджест за 7 июля 2026

AI: дайджест за 7 июля 2026

1. Китай обсуждает ограничения доступа иностранцев к передовым китайским ИИ-моделям По данным Reuters, власти Китая в течение последнего месяца обсуждали с крупными техкомпаниями (в т.ч. Alibaba, ByteDance и разработчиками GLM-5.2) возможные ограничения зарубежного доступа к передовым китайским моделям, включая еще не выпущенные. Меры и сроки не определены, но

By Kirill Brusenskiy
AI: дайджест за 6 июля 2026

AI: дайджест за 6 июля 2026

1. ICML 2026 объявила лауреатов премий (Outstanding Paper, Position Paper, Test of Time) Оргкомитет ICML опубликовал список награждённых работ 2026 года, включая Outstanding Paper/Position Paper и Test of Time. Это быстрый ориентир по темам и направлениям, которые сообщество считает наиболее значимыми в ML в этом году. Источники: t.me/

By Kirill Brusenskiy
AI: дайджест за 5 июля 2026

AI: дайджест за 5 июля 2026

1. HOLA: «гиппокамп» для линейного внимания с точной эпизодической памятью В работе «A Hippocampus for Linear Attention» предложена архитектура Hippocampal Linear Attention (HOLA): к рекуррентной state-space основе добавляется небольшой точный KV-кэш, который сохраняет наиболее «удивительные» токены по метрике из остатка дельта-правила. Это снижает перплексию на Wikitext-103 на 16,1% и

By Kirill Brusenskiy
AI: дайджест за 4 июля 2026

AI: дайджест за 4 июля 2026

1. DeepSeek представила DSpark для ускорения спекулятивного декодирования Команда DeepSeek-AI описала фреймворк DSpark: полуавторегрессионный параллельный «драфтер» и шедулер префиксов на основе уверенности, чтобы ускорять инференс LLM под высокой конкурентной нагрузкой. Заявлено ускорение генерации на 60–85% для DeepSeek-V4 при сохранении пропускной способности и без деградации качества в «хвосте» последовательности; код

By Kirill Brusenskiy