https://ai-uchi.ru/tags/sample-efficiency/Recent content in Sample Efficiency on AI-Uchi — Всё об искусственном интеллектеHugoruWed, 02 Sep 2026 03:11:30 +0300https://ai-uchi.ru/news/transformer-44-arc-agi-67-cents/Wed, 02 Sep 2026 03:11:30 +0300https://ai-uchi.ru/news/transformer-44-arc-agi-67-cents/<h2 id="маленький-трансформер-большой-результат">Маленький трансформер, большой результат</h2> <p>Митхил Вакде обучил небольшой трансформер с нуля за 1.5 часа на видеокарте RTX 5090, и модель обошла многие крупные LLM, сравнявшись по результатам с TRM/HRM. Итоговый счёт — <strong>44% на публичном eval ARC-AGI-1</strong> при стоимости прогона около <strong>$0.67</strong>. Предыдущий результат того же автора многие считали невозможным — он привлёк внимание таких исследователей, как Lucas Beyer, Jeremy Howard и Rohan Anil, и разошёлся вирусно в X.</p> <div class="callout callout-info"> <div class="callout-title">&#8505; Что такое ARC-AGI?</div> <div class="callout-content"><strong>ARC-AGI</strong> (Abstraction and Reasoning Corpus) — бенчмарк для оценки абстрактного мышления ИИ. Каждое задание состоит из 2–5 демонстрационных пар «вход → выход», по которым нужно вывести правило и применить его к новым входным данным. Бенчмарк использует цветные сетки до 30×30 клеток с 10 цветами и спроектирован для измерения человекоподобного обобщённого интеллекта при минимуме готовых знаний.</div> </div> <h2 id="почему-это-важно">Почему это важно</h2> <p>Автор считает sample efficiency (эффективность обучения на малом числе примеров) важнейшей проблемой современного ИИ. Цель работы — найти пределы sample efficiency в рамках трансформеров и снизить стоимость итераций.</p>