Кабинет

Посты канала epsilon correct

сначала новые

#365Фотоизменён
Просмотры2 278−65%к среднему
Пересылки30
Реакции59
Комментарии31
Динамика просмотровСкрыть динамику

Рост просмотров

Часов после публикации

Показать таблицей
Часов после публикацииПросмотры
0 ч0
58 ч2 227
72 ч2 278
  1. Всего сейчас2 278
#362Фото
Просмотры6 5390%к среднему
Пересылки149
Реакции41
Комментарии7
#361Фото
Просмотры5 641−14%к среднему
Пересылки117
Реакции33
Комментарии4
#360Фото
Просмотры5 727−12%к среднему
Пересылки96
Реакции49
Комментарии4
#354Фотоальбом
Просмотры5 720−12%к среднему
Пересылки47
Реакции44
Комментарии9
#352Фотоизменён
Просмотры7 763+19%к среднему
Пересылки58
Реакции105
Комментарии33
#351Текст
Просмотры7 679+18%к среднему
Пересылки23
Реакции36
Комментарии7
#347Фотоизменён
Просмотры10 474+60%к среднему
Пересылки44
Реакции62
Комментарии5
#346Фото

Пока я откисаю в Корее от очередного сезона исхода дорогих коллег [1, 2, 3, и др.] перед ICML, наша с читателями любимая Лилиан Вэн – авторка топ-1 блога по диплёрнингу – написала первый за почти два года пост про историю и развитие науки об оценке правил масштабирования (scaling laws) языковых моделей. Почему "правил", а не "законов" – чтобы не создавать ощущения универсальности самих законов: всех необходимых факторов для по-настоящему точных предсказательных правил для конкретных архитектур, моделей, данных, оптимизаторов и других факторов, на них влияющих. Особого почтения заслуживает упоминание статьи Lovelace et al., где в первый раз в академическом мире разбираются, как влияют повторения данных на scaling laws. Так что у кого знания остановились на шиншилле – бежим освежать знания, чтобы фронтир толкался предсказуемо и безопасно.

Открыть в Telegram
Просмотры8 358+28%к среднему
Пересылки136
Реакции55
Комментарии4