Подключите бота уведомлений Telega.in и первыми узнавайте о скидках и апдейтах сервиса прямо в Telegram.
Как выглядит пост?
Сразу после публикации вы должны ОБЯЗАТЕЛЬНО предоставить ссылку на проверку.

Астролог предсказывает: Несвоевременная сдача ссылки на проверку может повлиять на получение средств за выполненный заказ.
Всё понятно!
close
💡 Охваты дешевле, лиды — по вашей цене
Запускайте рекламу с оплатой за результат!
Подробнее
3.3K
КаталогСервисы
Каталог каналов
Горящие предложения
Каталог ботов
Готовые предложения
Аналитика Telegram
Аналитика MAX каналов
New
Каталог смарт-кампаний
New
ЗаказчикамВладельцу канала
РегистрацияВойтиВойти
TG
12.4
Размещение интеграции в Telegram. Логотип Телеграм канала @neurohive

Neurohive - Нейроcети, Data Science, Machine Learning, AI

5.0
Наука и технологии

Статьи про нейросети, машинное обучение (machine learning), data science, анализ данных, big data, стартапы, искусственный интеллект, AI, NLP.

Канал для data science энтузиастов про свежие исследования, методы, приложения и новости в области нейросетей. Авторский канал, контент уникальный.

Статистика канала

group
Подписчики:
4.6K
visibility
Просмотры на пост:
lock_outline
monitoring
ERR
11.3
thumb_up
ER
0.59
payments
CPV:
lock_outline
update
Публикаций в день:
0.0

Статистика

Количество постов
1 016
Среднее количество просмотров на пост
1 150
Средний охват (24ч)
0
Упоминаний
55
Получить детальную аналитику
Последние посты канала
play_circleВидео недоступно для предпросмотра
🎬 Helios: открытая 14B-модель генерирует видео длиной больше 60 секунд со скоростью 19,5 FPS на одной H100

Исследователи из Пекинского университета и ByteDance выпустили Helios — открытую 14B-модель, которая генерирует видео в реальном времени - 19,5 кадров в секунду, длительностью больше минуты. Для сравнения, базовая модель Wan-2.1 14B тратит около 17 минут на 5-секундный клип. Helios делает то же самое в 128 раз быстрее — и при этом генерирует видео длиной в минуту без деградации качества. Helios работает в трех режимах: text-to-video, image-to-video, video-to-video.

Исследователям это удалось без KV-cache, квантования и sparse attention. Токены сжимаются в 8 раз: чем старше кадр, тем ниже его разрешение. Диффузионное сэмплирование идёт от низкого разрешения к высокому, сокращая токены ещё в 2,3 раза. Дистилляция урезает шаги сэмплирования с 50 до 3. Накопление ошибок при длинных видео решается тремя приёмами: относительное позиционное кодирование, первый кадр как визуальный якорь на всё видео, и намеренное зашумление предыдущих кадров во время обучения.

На коротких видео (81 кадр) Helios-Distilled обходит все дистиллированные модели и не уступает базовым того же размера — при скорости 19,53 FPS на одной H100. FastVideo и TurboDiffusion работают в 2–3 раза медленнее, Wan 2.1 14B — в 52 раза.

На длинных (1440 кадров, ~74 секунды при 19,5 FPS) Helios-Distilled показывает лучший суммарный результат с учётом скорости, при этом накопление ошибок ниже по большинству метрик — сцена не плывёт, цвета не уходят на протяжении тысяч кадров. Пользовательское тестирование на 200 человек подтверждает: Helios побеждает в 70–92,5% попарных сравнений на длинных видео и в 56–99,2% — на коротких.

Исследователи опубликовали код на GitHub, а также демо и веса трёх версий модели на Hugging Face.

#Stateoftheart
2250
13:24
11.03.2026
imageИзображение недоступно для предпросмотра
📘 На Stepik вышел курс — «AI Agents PRO: LangGraph, AutoGen и LLMOps в продакшне»

Хотите собирать AI-агентов и RAG-сервисы так, чтобы это стабильно работало в эксплуатации: с метриками, оценкой качества, контролем стоимости и нормальным деплоем? Этот курс — полный путь от прототипа к прод-сервису.

Агенты: LangGraph/AutoGen, роли/состояния, FSM/DAG, параллелизм
RAG: hybrid retrieval + rerank (Qdrant/FAISS/Weaviate)
Надёжность: таймауты, ретраи, идемпотентность, DLQ
Eval/качество: golden-сеты, LLM-judge, pass@k, quality-гейты
Observability: логи/трейсы, OpenTelemetry, Prometheus/Grafana
Security: строгий JSON (Pydantic), guardrails, PII, RBAC/ABAC

🎓 Сертификат Stepik — добавьте в резюме или LinkedIn

🚀 Скидка 25% по ссылке — действует 48ч

👉 Забрать курс на Stepik
562
11:02
10.03.2026
Бизнес-реал[ИИ]: конференция Navicon и Yandex Cloud об ИИ в бизнесе19 марта | Москва | Только офлайнИскусственный интеллект остаётся самым хайповым трендом. Но может ли бизнес получить от него реальную выгоду? Выясним на мероприятии 'https://t.me/+Xy0X92VQrt4wYzcy?erid=2W5zFK3AXqb' rel='nofollow'>Navicon & Yandex Cloud. В списке спикеров и участников — ведущие компании, которые уже внедрили нейросети в бизнес. Со сторонниками и скептиками обсудим самые острые темы:✅ Приносит ли ИИ позитивный результат или только сжигает бюджет✅ Как подготовиться к внедрению✅ Как рассчитать TCO и ROI до старта проекта✅ Как не потеряться в море open-source и получить все инструменты в одном окнеПрограмма и регистрация доступны на сайте мероприятия.
422
10:30
06.03.2026
play_circleВидео недоступно для предпросмотра
VBVR-WAN2.2 — "самый умный" видеогенератор

Команда из 50+ исследователей из Berkeley, Stanford, CMU и Oxford опубликовала датасет Very Big Video Reasoning (VBVR) — и дообученная на нём модель Wan2.2 обогнала Sora 2 и Veo 3.1 в задачах на рассуждение.

Sora, Veo, Kling умеют делать красивое видео. Но они проваливаются в задачах, где требуется провести агента через лабиринт или предсказать, как упадёт мяч после броска. Проблема не в качестве картинки, а в том, что модели не умеют рассуждать. И данных для обучения этому навыку почти не было: все существующие датасеты для видеорассуждения вместе содержат около 12 800 размеченных задач с правильными ответами.

VBVR — это 2 015 000 примеров. В 157 раз больше.

Авторы взяли за основу когнитивную науку и выделили пять способностей: восприятие, трансформацию, пространственность, абстракцию и знание. Под каждую написали параметрические генераторы — программы, которые автоматически создают задачи и сразу считают правильный ответ. 990 серверов AWS Lambda генерируют миллион примеров за 2-4 часа. На вход принимается текст и изображение, на выходе - видео с решением и последний кадр видео.

Wan2.2, дообученная на VBVR, набрала 0,685 из 1,0 на бенчмарке VBVR-Bench, который оценивает способность видеомоделей решать логические задачи. Для сравнения: Sora 2 — 0,546, Veo 3.1 — 0,480, человек — 0,974.

Разница между открытой дообученной моделью и лучшими закрытыми коммерческими заметная. При этом Wan2.2 научилась делать ровно то, что просят: удалить символ — только его, повернуть объект — только его, не трогая рамку. Sora 2 на тех же задачах добавляла лишние действия или теряла контроль над сценой.

Проект полностью открытый — датасет, веса и код на Github и Hugging Face под лицензией Apache 2.0.

#Stateoftheart #Benchmark #Dataset
1760
11:23
02.03.2026
imageИзображение недоступно для предпросмотра
👩‍⚕️💊 Baichuan-M3: открытая медицинская модель ведет диалог как настоящий врач, обходя GPT-5.2-High и людей в точности диагностики

Baichuan-M3 ведет себя как опытный терапевт — методично выясняет детали: когда именно началась боль, какого она характера, есть ли сопутствующие симптомы, какие лекарства принимались, были ли подобные эпизоды раньше. Только собрав достаточно клинической информации, поставит диагноз и пропишет лечение. Baichuan-M3 — первая модель такого класса, которую можно скачать, развернуть и независимо проверить.

Модель использует многоэтапное рассуждение, связывая разрозненные симптомы в логичную диагностическую картину точно так же, как это делают врачи. На вход принимается только текст.

Baichuan-M3 обучалась по трёхэтапной схеме:
— Task-Specific RL создаёт отдельных «экспертов» по опросу, консультациям и клиническому рассуждению;
— Offline Policy Distillation объединяет экспертов без катастрофического забывания;
— Multi-Teacher Online Distillation донастраивает модель в реалистичных клинических сценариях.

Для обучения диалогу разработан алгоритм SPAR, который оценивает каждую реплику отдельно, а не консультацию целиком. Это позволяет устранять логические ошибки, повторы и некорректные медицинские формулировки точечно. Благодаря методу Fact-Aware Reinforcement Learning ошибки в диагнозах и лечении штрафуются сильнее, чем неточности в общих рекомендациях, что резко снижает риск опасных галлюцинаций.

На тестах Baichuan-M3 показывает результаты выше GPT-5-High и людей-врачей. На ScanBench (клинический опрос) 74.9 против 62.5 у GPT-5.2-High и 54.6 у людей. На HealthBench-Hard: 44.4 против 42.0 у GPT-5.2-High. Галлюцинации в ответах - 3.5%, что лучше всех конкурентов.

Модель 235B, W4-квантованная версия и веса доступны на Hugging Face и GitHub под лицензией Apache 2.0.

#Benchmark #Stateoftheart
👩‍⚕️💊 Baichuan-M3: открытая медицинская модель ведет диалог как настоящий врач, обходя GPT-5.2-High и людей в точности диагностики

Baichuan-M3 ведет себя как опытный терапевт — методично выясняет детали: когда именно началась боль, какого она характера, есть ли сопутствующие симптомы, какие лекарства принимались, были ли подобные эпизоды раньше. Только собрав достаточно клинической информации, поставит диагноз и пропишет лечение. Baichuan-M3 — первая модель такого класса, которую можно скачать, развернуть и независимо проверить.

Модель использует многоэтапное рассуждение, связывая разрозненные симптомы в логичную диагностическую картину точно так же, как это делают врачи. На вход принимается только текст.

Baichuan-M3 обучалась по трёхэтапной схеме:
— Task-Specific RL создаёт отдельных «экспертов» по опросу, консультациям и клиническому рассуждению;
— Offline Policy Distillation объединяет экспертов без катастрофического забывания;
— Multi-Teacher Online Distillation донастраивает модель в реалистичных клинических сценариях.

Для обучения диалогу разработан алгоритм SPAR, который оценивает каждую реплику отдельно, а не консультацию целиком. Это позволяет устранять логические ошибки, повторы и некорректные медицинские формулировки точечно. Благодаря методу Fact-Aware Reinforcement Learning ошибки в диагнозах и лечении штрафуются сильнее, чем неточности в общих рекомендациях, что резко снижает риск опасных галлюцинаций.

На тестах Baichuan-M3 показывает результаты выше GPT-5-High и людей-врачей. На ScanBench (клинический опрос) 74.9 против 62.5 у GPT-5.2-High и 54.6 у людей. На HealthBench-Hard: 44.4 против 42.0 у GPT-5.2-High. Галлюцинации в ответах - 3.5%, что лучше всех конкурентов.

Модель 235B, W4-квантованная версия и веса доступны на Hugging Face и GitHub под лицензией Apache 2.0.

#Benchmark #Stateoftheart
1900
15:20
10.02.2026
imageИзображение недоступно для предпросмотра
👨‍💻 Claude Sonnet 4.5 побеждает на backend-бенчмарке ABC-Bench, лучше всех справившись с кодом и настройкой окружения

ABC-Bench — первый бенчмарк, который проверяет способность ИИ-агентов решать полноценные задачи backend-разработки: от изучения кода в репозитории до настройки окружения и запуска сервиса в контейнере. Исследователи опубликовали код платформы оценки на Github, а датасет доступен на Hugging Face.

ABC-Bench проверяет полный цикл: агент должен изучить структуру репозитория, понять, что нужно исправить, написать код, настроить зависимости, создать Dockerfile, и в конце система запускает сервис в Docker-контейнере и проверяет его работу через HTTP-запросы к API.

Бенчмарк содержит 224 задачи, покрывающие 8 языков программирования (C#, JavaScript, Python, Java, Ruby, PHP, Go, Rust) и 19 фреймворков (ASP.NET Core, Express, FastAPI, Spring Boot, Ruby on Rails и другие), включающие домены от аналитики и e-commerce до DevTools и систем аутентификации. Задачи собраны на основе данных из открытых репозиториев Github.

На бенчмарке проверили 11 моделей с помощью фреймворка OpenHands, каждую задачу модель могла пробовать решить три раза. Лучший результат показал Claude Sonnet 4.5 с 63.2% решенных задач. DeepSeek-V3.2 набрал около 50%, GPT-5 — 49.4%. Маленькие модели вроде Qwen3-8B не дотянули даже до 10%. GPT-5 и DeepSeek-V3.2 демонстрируют дисбаланс: они отлично справляются с написанием кода (>80%), но проваливаются на этапе настройки окружения (<50%).

#Benchmark
2150
16:22
22.01.2026
play_circleВидео недоступно для предпросмотра
🌍 Yume1.5: открытая модель для генерации интерактивных миров с управлением с клавиатуры

Команда Shanghai AI Laboratory и Fudan University представила Yume1.5 — открытую модель для генерации бесконечных интерактивных видео-миров с управлением WASD и стрелками, как в играх от первого лица. Модель превосходит конкурентов в скорости в 70 раз: 6-секундное видео генерируется за 8 секунд против 572-971 у конкурентов.

Yume1.5 на базе Wan2.2-5B генерирует видео 544×960 с 12 fps на одной A100, используя всего 4 шага диффузии вместо стандартных 50. Модель поддерживает три режима: генерацию мира из текста, из изображения и внесение изменений в мир текстом.

Метод использует TSCM (Temporal-Spatial-Channel Modeling) — двойное параллельное сжатие исторических кадров. Для временно-пространственного сжатия недавние кадры сжимаются меньше (1,2,2), старые сильнее (1,8,8). Одновременно канальное сжатие до 96 каналов обрабатывается через линейное внимание. Self-Forcing с дистилляцией уменьшает накопление ошибок, используя собственные сгенерированные кадры как контекст.

На тестах в следовании инструкциям модель показала 0.836, значительно превзойдя Matrix-Game (0.271) и Wan-2.1 (0.057).

Исследователи опубликовали код и датасет на Github. Веса модели обещают выложить в ближайшее время.

#Stateoftheart
2280
09:29
06.01.2026
imageИзображение недоступно для предпросмотраplay_circleВидео недоступно для предпросмотра
🫥 Лучшая AI-модель на 13% хуже людей распознает сгенерированные ASMR-видео

Исследователи из Oxford, NUS и CUHK представили Video Reality Test — первый бенчмарк для тестирования способности VLM отличать настоящие ASMR-видео от сгенерированных. Одновременно проверялась способность моделей генерировать фейки.

До реального понимания достоверности и создания неотличимого от реальности контента моделям еще далеко. 11 моделей анализировали 149 популярных ASMR-видео с Youtube и их вариации, которые создали 7 видео-генераторов.

Video Reality Test выявил три критические проблемы современных VLM: они излишне полагаются на водяные знаки, систематически склонны классифицировать большинство видео как настоящие, и плохо используют несоответствия между звуком и изображением для детекции фейков.

Люди показали лучший результат, правильно распознав как фейки 89.11% видео.

Топ-3 детекторов (VLM)
- Gemini-3-Pro — 76.27% точности;
- GPT-5 — 67.14% точности, но зависим от водяных знаков;
- Gemini-2.5-Pro — 67.34% точности, с аудио 68.44%.

Топ-3 генераторов (VGM) по реалистичности
- Veo3.1-Fast — только 12.54% видео от этой модели другие модели распознали как фейки;
- HunyuanVideo-I2V — 14.77%;
- Wan2.2-A14B — 16.10% (лучшая опенсорс-модель).

Qwen3-VL-30B на 12 месте с точностью 54.87% — на уровне случайного угадывания (50%).

GPT-5 показал 95.43% точности на видео Sora2 с водяным знаком, но после его удаления рухнул до 53.4%. Gemini-2.5-Pro аналогично: с 84.5% до 56.0%. Модели используют водяные знаки как прямое указание вместо анализа качества видео.

Код и примеры доступны на Github проекта.

#Benchmark
2630
12:11
22.12.2025
play_circleВидео недоступно для предпросмотра
🕹 Wan-Move: открытая альтернатива Kling 1.5 Pro для контролируемой генерации движений на видео

Команда Tongyi Lab из Alibaba, Университета Цинхуа и Гонконгского университета представила Wan-Move — открытую модель для точного управления движением в генеративных видео. В пользовательских тестах модель превзошла коммерческий Kling 1.5 Pro по качеству движения и может применяться для создания маркетингового контента, анимации и обучающих материалов, где критичен контроль траекторий объектов.

Wan-Move генерирует 5-секундные видео 480p без дополнительных энкодеров, не требуя изменений архитектуры базовой модели Wan-I2V-14B.

Метод использует траектории точек: для каждой траектории модель копирует признаки из стартовой позиции первого кадра во все соответствующие позиции последующих кадров в латентном пространстве. Скопированные признаки сохраняют визуальный контекст (объекты, текстуры, цвета) и одновременно задают направление движения.

В тесте, где пользотелям предлагали выбрать лучший вариант из двух генераций, Wan-I2V-14B превзошла Kling 1.5 Pro по качеству движения в 53.4% случаев, а другие открытые методы в 96% случаев.

Модель Wan-Move-14B-480P доступна на GitHub, веса на Hugging Face под лицензией Apache 2.0.

#Stateoftheart
2370
17:20
13.12.2025
close
4.6K
Подписчиков*
+4
вчера
-10
за неделю
-5
за месяц
lock
Просмотров на пост*
lock
в первые 24 часа
11.3%
ERR*
11.26
ERR за 24 часа
12.7
ERR за 48 часов
15.36
ERR за 72 часа
0.59%
ER*
0.0
ER за 24 часа
318
Всего публикаций*
61
Выполненных заказов на Telega.in
34
Повторных заказов на Telega.in
3 года и 9 месяцев
Возраст канала

Отзывы канала

5.0
2 отзыва за 6 мес.
всего 12 отзывов
keyboard_arrow_down
  • Добавлен: Сначала новые
  • Добавлен: Сначала старые
  • Оценка: По убыванию
  • Оценка: По возрастанию
n
06.10.202513:07
Формат заказа: 1/24
Сегмент: Образование
Целевая страница: Сайт
5
Отличная цена
Показать еще
Новинки в тематике
0.0
Размещение интеграции в Telegram. Логотип Телеграм канала @pc_construct
CONSTRUCT PC
Наука и технологии

0

ERR:

--

lock_outline
lock_outline
CPV
local_activity
13 986.00₽
13 986.00₽local_mall
0.0%
Осталось по этой цене:0
Хочешь больше рекомендаций?
Запускай кампании
Создавай подборки каналов
Добавляй каналы в избранное
  • 8 391.60₽
  • 9 790.20₽
  • 10 489.50₽
  • 11 888.10₽
  • 12 587.40₽
  • 7 692.30₽
8 391.60₽
handshakeРаботаем с ЭДО

Каталог Телеграм-каналов для нативных размещений

Neurohive - Нейроcети, Data Science, Machine Learning, AI — это Telegam канал в категории «Наука и технологии», который предлагает эффективные форматы для размещения рекламных постов в Телеграмме. Количество подписчиков канала в 4.6K и качественный контент помогают брендам привлекать внимание аудитории и увеличивать охват. Рейтинг канала составляет 12.4, количество отзывов – 12, со средней оценкой 5.0.

Вы можете запустить рекламную кампанию через сервис Telega.in, выбрав удобный формат размещения. Платформа обеспечивает прозрачные условия сотрудничества и предоставляет детальную аналитику. Стоимость размещения составляет 8391.6 ₽, а за 61 выполненных заявок канал зарекомендовал себя как надежный партнер для рекламы в TG. Размещайте интеграции уже сегодня и привлекайте новых клиентов вместе с Telega.in!

keyboard_double_arrow_left
shopping_cart
Каналов:
0
Подписчиков:
0
Просмотров:
lock_outline
Итого:
0.00₽
delete_forever
Перейти в корзину
КаталогКорзинаВойти
autoplay loop
Восстановление пароля
Восстановить
Если существует учетная запись, привязанная к этому электронному адресу, то в ближайшее время на него будет отправлено сообщение с новым паролем