Китайский академический ИИ выходит за рамки создания новых моделей — теперь он решает проблему их дорогого запуска. Метод GMC делает мощные мультимодальные модели (понимающие текст, ка
💡 Почему важно: Китайский академический ИИ выходит за рамки создания новых моделей — теперь он решает проблему их дорогого запуска. Метод GMC делает мощные мультимодальные модели (понимающие текст, картинки и документы одновременно) дешевле в эксплуатации без переобучения — это прямой вклад в масштабирование китайского ИИ на реальные отрасли. 📰 Что произошло: Команда модели Zidong Taichu (紫东太初) из Института автоматики Китайской академии наук представила метод GMC (Grounded Message Coreset Pruning — «отбор ключевого подмножества»). Суть проблемы: изображение в современных ИИ-моделях разбивается на сотни и тысячи визуальных токенов (маленьких фрагментов данных), каждый из которых нагружает память и замедляет работу. Традиционный подход — оставлять только «самые заметные» токены — приводил к потере мелких, но важных деталей: цифр, координат, пространственных связей. GMC работает иначе: сначала отбирает взаимодополняющие токены сразу по трём критериям — релевантность вопросу, визуальное разнообразие и пространственное положение. Затем механизм Population Transport («групповой перенос информации») передаёт данные удалённых токенов в сохранённые. На модели Qwen2.5-VL-7B-Instruct при сокращении токенов на 80,2% (с 1296 до 256) сохраняется 97,78% способностей полной модели, а при сокращении на 90,1% (до 128 токенов) — 99,11%. GMC не требует дообучения, внешних инструментов и уже совместим с Qwen и LLaVA. 🏢 Справка: Zidong Taichu (紫东太初) — мультимодальная большая модель Института автоматики Китайской академии наук.
Первоисточник: www.qbitai.com. Мы пересказали новость и проверили числа и имена; за фактами следует идти в первоисточник.
Лента отвечает на вопрос «что случилось». Как это устроено — в разборах и отчётах; значения терминов — в глоссарии.