<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Compute on AI-Uchi — Всё об искусственном интеллекте</title><link>/tags/compute/</link><description>Recent content in Compute on AI-Uchi — Всё об искусственном интеллекте</description><generator>Hugo</generator><language>ru</language><lastBuildDate>Sun, 28 Jun 2026 15:30:00 +0300</lastBuildDate><atom:link href="/tags/compute/index.xml" rel="self" type="application/rss+xml"/><item><title>Scaling Laws, Carefully: как масштаб управляет ИИ</title><link>/articles/scaling-laws-carefully-kak-masshtab-upravlyaet-ii/</link><pubDate>Sun, 28 Jun 2026 15:30:00 +0300</pubDate><guid>/articles/scaling-laws-carefully-kak-masshtab-upravlyaet-ii/</guid><description>&lt;h1 id="scaling-laws-carefully-как-масштаб-управляет-искусственным-интеллектом"&gt;Scaling Laws, Carefully: как масштаб управляет искусственным интеллектом&lt;/h1&gt;
&lt;p&gt;Представьте, что вы тратите &lt;strong&gt;сотни миллионов долларов&lt;/strong&gt; на обучение языковой модели — и только после запуска понимаете, что распределили вычислительный бюджет неоптимально. Именно поэтому законы масштабирования (scaling laws) стали одним из самых ценных инструментов в арсенале AI-исследователей. 24 июня 2026 года Лилиан Вэн (Lilian Weng) опубликовала на Lil&amp;rsquo;Log долгожданный — по её собственным словам, «просроченный на 3+ года» — разбор этой темы. В статье мы пройдём по ключевым идеям, разберём исторический спор Kaplan vs. Chinchilla и поймём, почему слепо доверять этим законам опасно.&lt;/p&gt;</description></item></channel></rss>