Новости за последний час
DPG — любопытный RL-приём для синтетических датасетов: награду считают не на уровне «модели вообще», а по отдельным примерам через многошаговые метаградиенты. Идея простая и сильная: можно подбирать такие данные, чтобы после обучения модель целенаправленно улучшала нужную дифференцируемую метрику.
Но у метода есть и тёмная сторона. Тот же механизм годится для скрытого отравления датасетов с чистыми метками и более точного управления весами целевой модели. На фоне разговоров про безопасность данных это не теоретическая оговорка, а вполне практичный риск.
Локальный AI-стек тоже становится заметно приземлённее: на ноутбуке уже реально собрать связку из небольших LLM, эмбеддингов, RAG, Jupyter и IDE. Это не замена облаку, но для рабочих задач и прототипов выглядит всё более убедительно — особенно если не хочется платить за каждый токен.
В OT- и промышленной кибербезопасности AI/ML всё активнее используют для поиска аномалий. Сигнатуры тут часто опаздывают, а модели способны ловить странные паттерны в шумных и неполных данных быстрее, хотя качество сильно упирается в доменную подготовку данных и фильтрацию.
Источники: gonzo-обзоры ML статей, Machine Learning with Python, Habr AI
Все новости: ai.popovs.tech
В этом посте были ссылки, но мы их удалили по правилам Сетки
