Трансформеры on AI-Uchi — Всё об искусственном интеллекте

Kronos — первая open-source модель для прогнозирования финансовых рынков принята на AAAI 2026

Sun, 12 Apr 2026 17:28:21 +0300

Модель Kronos принята на конференцию AAAI 2026 — это первая открытая foundation-модель, специально разработанная для анализа финансовых свечных графиков (K-line). Модель обучена на данных с более чем 45 мировых бирж и демонстрирует обучение на массивном корпусе из более 12 миллиардов записей K-line с 45 мировых бирж.

Революционная архитектура

Kronos представляет семейство decoder-only foundation-моделей, предварительно обученных специально для «языка» финансовых рынков — последовательностей K-line. Основные особенности:

ℹ Двухэтапная архитектура

Специализированный токенизатор преобразует непрерывные многомерные данные K-line (OHLCV) в иерархические дискретные токены, а затем большой автoрегрессивный трансформер обучается на этих токенах


graph LR
 A[OHLCV данные] --> B[Специализированный токенизатор]
 B --> C[Дискретные токены]
 C --> D[Автoрегрессивный трансформер]
 D --> E[Прогноз рынка]

В отличие от общих моделей временных рядов (TSFM), Kronos разработана для работы с уникальными, высокошумными характеристиками финансовых данных. Модель использует новую двухэтапную архитектуру: специализированный токенизатор сначала квантует непрерывные многомерные данные K-line (OHLCV) в иерархические дискретные токены.

Как устроены системы рекомендаций на базе AI

Sun, 29 Mar 2026 09:00:00 +0300

Каждый раз, когда Netflix подсовывает идеальный фильм на вечер, а Spotify собирает плейлист «Открытия недели», за этим стоит не магия — а система рекомендаций на базе AI. Эти системы генерируют миллиарды долларов выручки: Amazon получает 35% дохода благодаря рекомендациям, а более 80% контента на Netflix находят именно через персонализированные подборки. Как устроены эти механизмы изнутри, какие алгоритмы лежат в их основе и куда движется технология — разбираем в этой статье.

Нейросети для NLP: от RNN к трансформерам

Wed, 25 Mar 2026 15:00:00 +0300

В 2017 году восемь исследователей из Google опубликовали статью с дерзким названием «Attention Is All You Need». К 2026-му она набрала свыше 150 000 цитирований и перевернула всю область обработки естественного языка. Но трансформер не появился из ниоткуда — ему предшествовали десятилетия экспериментов с рекуррентными сетями, которые учились читать текст слово за словом.

Эта статья — путь от первых RNN до современных архитектур, на которых построены GPT-4, Claude и Gemini. Без мифов, с техническими деталями и честным сравнением подходов.

Как работают трансформеры: архитектура, изменившая AI

Thu, 19 Mar 2026 09:00:00 +0300

В 2017 году восемь исследователей из Google опубликовали статью с провокационным названием «Attention Is All You Need» — отсылку к песне The Beatles «All You Need Is Love». Статья представила архитектуру трансформера — нейросеть на 100 миллионов параметров, которая обходилась без рекуррентных и свёрточных слоёв. Тогда это казалось смелым экспериментом. Сегодня каждая крупная языковая модель — GPT-5, Claude Opus, Gemini 3, Llama 4 — построена на этой архитектуре. Разберёмся, как она устроена и почему оказалась настолько мощной.