📲 Diffusion Explainer - визуализация, которая поможет понять работу моделей, основанных на диффузии:

⭐️Визуал, который будет понятен каждому
⭐️Работает в браузере
⭐️Отличное наглядное объяснение того, как модели диффузии генерируют изображения.

https://poloclub.github.io/diffusion-explainer

▪Diffusion explainer
▪Github
▪Статья
▪Видео

@ai_machinelearning_big_data


#diffusion #tutorial #ml

Google DeepMind представила Gemini Diffusion

Google DeepMind выпустила экспериментальную диффузионную языковую модель 🚀

Вместо последовательной генерации слово-за-словом, Gemini Diffusion создаёт целые блоки токенов одновременно.

Ключевые фишки:
• Быстрее самой скоростной модели Google ( >1400 токенов в секунду )
• Связность текста выше за счёт параллельной генерации
• Итеративное исправление ошибок в процессе создания
• Особенно крута в редактировании кода и математики

Производительность на бенчмарках сравнима с крупными моделями, но работает заметно быстрее.

Теперь ИИ будет думать не линейно, а сразу блоками, смысловыми кластерами - как люди.

Читаю потихоньку The Coming Wave,- книгу написанную основателем DeepMind - Mustafa Suleyman
Очень рекомендую.
Книгу, которую Билл Гейтс назвал "Лучшей книгой про ИИ"!
Станет понятнее про сегодняшнее и будущее состояние ИИ разработок.
Есть, кстати, на Литрес в виде саммари в 19 страниц:
Грядущая волна
Но лучше, мне кажется, найти оригинал.

#Gemini #Diffusion #DeepMind
------
@tsingular

Apple выпустила необычную ИИ-модель для разработчиков

Apple тихо выложила на Hugging Face новую модель DiffuCoder-7B-cpGRPO с интересной особенностью.

Вместо классической генерации кода слева направо, она может писать код в любом порядке и улучшать несколько блоков одновременно, что делает генерацию быстрее.

Модель основана на диффузионном подходе (как в Stable Diffusion для картинок) и построена поверх Qwen2.5-7B от Alibaba. Показала прирост 4.4% на популярных бенчмарках моделей для программирования.

Особенность: регулируя температуру, можно менять порядок генерации токенов - от строгого последовательного до гибкого хаотичного.

#Apple #Coding #Diffusion
------
@tsingular

NeuralOS: операционная система на нейросетях

Исследователи создали NeuralOS — первую попытку симуляции операционной системы через нейросети. Система предсказывает кадры экрана в ответ на действия пользователя: движения мыши, клики, нажатия клавиш.

Архитектура объединяет рекуррентную нейросеть для отслеживания состояния компьютера и диффузионную модель для рендеринга интерфейса. Обучение прошло на записях Ubuntu XFCE с случайными и реалистичными взаимодействиями.

Попробовать можно на neural-os.com. Пока точно работают мышь и запуск приложений, с клавиатурой сложнее. Но это шаг к полностью адаптивным нейроинтерфейсам будущего.

Кстати, неплохо продолжает вот эту мою мысль

#NeuralOS #diffusion #RNN
------
@tsingular

Mercury 2: Диффузионный ИИ врывается в мир агентских рассуждений со скоростью 1000 токенов/сек

Stefano Ermon (Inception Labs) представил Mercury 2 — первый «рассуждающий» dLLM (Diffusion Large Language Model).
В основе,- диффузия вместо авторегрессии.
Результат — пятикратный рост производительности и скорость свыше 1000 токенов в секунду.

🏗 Диффузия вместо печатной машинки
Главное отличие: обычные LLM работают как печатная машинка (авторегрессионно, токен за токеном).

Mercury 2 работает как редактор — параллельно и итеративно уточняет весь контекст сразу.

Это позволяет модели ловить собственные ошибки прямо в процессе генерации и радикально снижать стоимость инференса.

📺 Аналогия: Эволюция форматов
Это как переход от записи звука на виниловую дорожку (где одна царапина губит всё) к цифровому мастерингу.

В авторегрессии ошибка в первом токене ведет к галлюцинации всей цепочки.

Mercury 2 «перерисовывает» ответ, пока он не станет верным, что делает её идеальной для сложных многошаговых агентов.

⚡️ Агентский дедлайн
Скорость в 1000 токенов/сек — это не просто цифра.
Это возможность для агентов думать в реальном времени, не заставляя пользователя ждать.

Интерактивный поиск и голосовые ассистенты теперь могут уместиться в жесткие тайминги, которые раньше были за гранью возможного для Reasoning-моделей.

🧠 Зачем это бизнесу:
Снижение задержек (Latency) и стоимости инференса. Итеративное уточнение — это путь к более надежным системам.

Если агент может исправлять себя на лету, количество «выброшенных» токенов и неудачных попыток сокращается.

Сайт проекта:
https://www.inceptionlabs.ai/models

Попробовать:
https://chat.inceptionlabs.ai/

Осталось впаять диффузионки в чип и получить 1млн токенов в секунду.
Уже не звучит как фантастика.
Думаю увидим через 3 года.

#Mercury2 #Diffusion #Inception
------
@tsingular