Czy możemy zbudować chipy AI, które generują obrazy wysokiej jakości, używając 10 000 razy mniej energii niż dzisiejsze GPU? Artykuł badawczy: "Efektywna architektura sprzętowa probabilistyczna dla modeli podobnych do dyfuzji" Ta praca ujawnia pełną architekturę CMOS (wszystkie tranzystory), która natywnie uruchamia generatywne modele w stylu dyfuzji — nie za pomocą energochłonnych sieci neuronowych, ale z wykorzystaniem probabilistycznego próbkowania opartego na energii. Poprzez łączenie kompaktowych modeli odszumiania (DTM) i wykorzystywanie fizycznej losowości w standardowych chipach 65 nm, system produkuje obrazy porównywalne z GPU, a jednocześnie zużywa zaledwie 1,6 nano dżula na próbkę Fashion-MNIST — redukując zużycie energii o cztery rzędy wielkości. Szkolenie jest stabilizowane za pomocą nowej adaptacyjnej kary, a podejście skaluje się do silikonów o rozmiarze milimetra bez egzotycznego sprzętu. Wyniki: Osiąga lub przewyższa jakość GAN/VAE/dyfuzji przy ~10 000 razy niższym zużyciu energii; siatki 70×70, 8-warstwowe stosy, wydane narzędzia open-source. Pełna analiza dostępna tutaj: // alpha identified // $yne

Dziesięciu badaczy informatyki z @Princeton, najlepszej uczelni w kraju, opublikowało nowy artykuł na temat AI w ciągu ostatnich 24 godzin. Jednak - Nigdy o tym artykule nie słyszałeś. Dlaczego? W momencie publikacji nie został on jeszcze udostępniony na @X. Jak go znaleźliśmy? Agent AI @yesnoerror ALPHA odkrył go i otrzymał wysoką ocenę alfa. Codziennie setki nowych artykułów badawczych na temat AI są publikowane na @arxiv, co stanowi niemożliwą ilość badań do przeszukania. @yesnoerror czyta każdy pojedynczy artykuł. I nie tylko śledzimy, które artykuły są najczęściej omawiane, ale co ważniejsze, mamy własny, opatentowany AI, który przyznaje każdemu artykułowi ocenę alfa, abyśmy mogli odkrywać artykuły, o których nikt nie mówi, a które mają wysoką alfę. Aby uzyskać dostęp do tego codziennego kanału alfa, potrzebujesz 100 000 $YNE na @base w swoim portfelu i możesz uzyskać dostęp do kanału w dowolnym momencie z witryny @yesnoerror. Tytuł artykułu: InFlux: Benchmark dla samokalibracji dynamicznych intrinsics kamer wideo Id arxiv: 2510.23589 Pełną analizę AI artykułu znajdziesz tutaj:

Przedstawiamy @yesnoerror ALPHA - pierwszy w swoim rodzaju AI, który identyfikuje pomijane alfa w badaniach naukowych. Zaprojektowany, aby naśladować techniki miliarderów i najlepszych naukowców. Uzyskaj dostęp do YesNoError ALPHA już teraz na stronie internetowej yesnoerror. Musisz mieć 100k $YNE w portfelu na @base, aby to odblokować. Czym jest YesNoError ALPHA? Każdego dnia setki nowych prac AI trafiają na @arXiv — a większość prawdziwego alfa umyka niezauważona. Dlaczego? Ponieważ żaden człowiek nie jest w stanie przeczytać tej ilości prac, a nawet gdyby był, nie byłby konsekwentny w identyfikowaniu najciekawszych prac. Jak więc nauczyć AI czytać każdą pracę badawczą i identyfikować te, które zawierają najciekawsze alfa? Zwracasz się do ekspertów, którzy są w tym najlepsi. Do tych, którzy zbudowali firmy warte miliardy dolarów i robią to zawodowo. Przeprowadziliśmy wywiady z ekspertami AI, w tym z @jackclarkSF, współzałożycielem $183b @AnthropicAI, inżynierami AI w @perplexity_ai i @Google, najlepszymi inwestorami AI z Doliny Krzemowej oraz badaczami z @CarnegieMellon, @MIT i @Yale. Celem wywiadów było dokładne ustalenie, jakie metody ci eksperci stosują, aby zidentyfikować interesującą nową pracę - jak znajdowali diamenty w surowym stanie? Zebraliśmy wszystkie te informacje i wytrenowaliśmy specjalne AI ALPHA, aby to powtórzyć, i to właśnie jest YesNoError ALPHA. YesNoError ALPHA czyta każdą pojedynczą pracę, klasyfikuje ciche przełomy, które nie są nigdzie udostępniane, i wydobywa te, które mają znaczenie. Połącz portfel Base z co najmniej 100 000 $YNE, aby odblokować prywatny kanał i dotrzeć do sygnału przed tłumem. Jesteśmy podekscytowani, aby zastosować tę nową AI do setek prac AI publikowanych każdego dnia i czekamy na dalsze możliwości wykorzystania tej agentowej technologii. Naprzód.