タグ · #machine-learning

MuonGSはグラム・シュミット射影を用いてLLM事前学習の効率を向上

読む理由厳格なノルム制御による探索の限界を回避するMuonGSへ切り替えることで、開発者はより迅速な収束とより良い最終損失を達成できます。

新しいMuonGSオプティマイザはグラム・シュミット射影を用いて重みノルム制約を緩和し、大規模言語モデルにおける検証パープレキシティと学習速度を向上させます。

読む理由デスクトップエージェントを構築するAIエンジニアは、TMIを使用して生データから現実のワークフローを学習し、より堅牢で監査可能なタスク実行を可能にできます。

新手法TMIは、受動的なコンピュータ使用トレースから構造化されたタスクモデルを抽出し、既存のベースラインを上回るエージェント精度を実現します。

テスラは数十億マイルの監視走行データを持ち、Waymoは数千万マイルの完全無人運転データを持つ。AI訓練競争を制するのはどちらか？

Teslaは量を収集し、Waymoは質を追求する。2028年までにより優れた自動運転システムを構築するのはどちらのデータフライホイールか？AV投資家必読の構造的競争力比較。

モラベックのパラドックス、シミュレーション・トゥ・リアルのギャップ、LLMスケーリング則がロボットに適用できない理由を解説。

OTA更新頻度・シミュレーション深度・フィールドデータフライホイール――テスラ・Waymo・百度の実際の改善速度を決定する三要素。