чет забыл добавить hi=1 при 10 статьях

друзья у нас инновации на wwdc

скоро?

tldr: Full-Stack Engineer, $70k–$90k + options, relocation to Paris

Мы ⚪️ whitecircle.ai. Делаем так, чтобы образовательные чатботы для школьников не говорили про 🍑ПоRn0🍑, банковские приложения не советовали вложить все деньги в биткоин, а сервисы по генерации картинок создавали поменьше цп. Но другие называют это скучным AI Safety

Подняли 💸1.6m$ pre-seed💸 в феврале и планируем поднимать seed в ближайшее время. В команде топовые ребята из Вышки, ИТМО и зарубежных вузов. Среди инвесторов топы из OpenAI, Deepmind, Anthropic, HuggingFace и других компаний

Ищем в команду второго фулстека, который поможет нам реализовывать все то, что с дикой скоростью успевает делать рисерч команда.

Frontend: TypeScript, Next.js, React
Backend: Prisma, GraphQL, Node.js, Docker, Kubernetes

Скидывайте резюме www.group-telegram.com/mixedenn с тегом #CV_LDT

А еще заглядывайте на лендос, у нас там можно подзалипнуть

А вот и опенсурс ризонер от Мистраля

https://huggingface.co/mistralai/Magistral-Small-2506
https://huggingface.co/mistralai/Magistral-Small-2506_gguf

Макс контекст 128к, но пишут что после вархаммер 40к может начать тупить

Бро какой в пизду фундаментальный ресерч ты yaml конфиг написать не можешь

Биологические на месте?
Там ребята выложили опенсурсную биомодельку Boltz-2

Т.к. я не шарю, то спросил у чатгпт по статейке что же делает:

Boltz-2 — это «универсальный движок» именно для задач структурной биологии и дизайна лекарств

Что делает?

- Строит форму белка, РНК/ДНК и лигандов в одном комплексе.
- Сразу оценивает силу связывания (Ki/Kd/IC50-подобную) — т.е. подсказывает, какая молекула будет держаться крепче.
- Всё это за ~20 с на одной видеокарте, тогда как классический FEP тратит часы-дни. 

Чем полезен на практике?
- Быстрый фильтр миллионов соединений в виртуальном скрининге.
- Точная ранжировка близких аналогов на стадии hit-to-lead.
- Генерация новых молекул вместе с GFlowNet — модель сама предлагает, что синтезировать.

Boltz-2 — мощный, быстрый и открытый инструмент именно для 3-D структур и связывания

В целом Boltz-2 это альтернатива AlphaFold 3.
но веса у AF3 закрыты и надо просить по запросу к Гуглу-Дипмаинду.
А у Больтза все открытое.

Можно хорошо почитать тут
https://rowansci.com/blog/boltz2-faq

И к ней уже GUI прикрутили с инструкцией по запуску тут: https://proteinlanguagemodel.com/blog/how_to_run_boltz2_locally


Boltz-2: Towards Accurate and Efficient Binding Affinity Prediction
https://cdn.prod.website-files.com/68404fd075dba49e58331ad9/6842ee1285b9af247ac5a122_boltz2.pdf

пост
https://boltz.bio/boltz2

код для запуска
https://github.com/jwohlwend/boltz

моделька
https://huggingface.co/boltz-community/boltz-2

PS собираем ИИнформацию и проекты делаем в https://www.group-telegram.com/researchim

Надеюсь они выложат промпт который сделал это

Почему Айпад такая хуйня почему планшет за 1000 евро не заменяет ноутбук даже имея клаву экран и тд!!

Цукерберг купил кусок scale.ai и дал Александру вангу лабу которая будет строить ASI

Интересная новость от Huggingface. Компания не осилила multi-backend и прекращает поддержку всего кроме PyTorch (то есть JAX и TF) в своей либе transformers начиная с версии 5. 4-я LTS версия будет жива до лета 2026. Компания беспокоится, что библиотека разрослась, и обещает убрать 50% кода и разросшиеся абстракции. Новость тут: https://x.com/LysandreJik/status/1933201171130593530, PR тут: https://github.com/huggingface/transformers/pull/38758

Это любопытно. JAX при этом вполне жив и активно используется (из больших игроков как минимум модели Гугла и xAI обучаются на нём), статей тоже достаточно, а TF и правда не выглядит сильно живым, но наверняка он сидит в разных продакшн и мобильных деплойментах. Судя по paperswithcode (https://paperswithcode.com/trends) доля JAX наконец превысила долю TF. У обоих правда она невысока, у JAX 3%, у TF 2%. Интересно, что у MindSpore от Huawei уже 6%. Не совсем понятно, что там в other languages and frameworks с 31%.

Не знаю, как относиться, будем посмотреть. Я сам понял, что тоже не то чтобы активно использую transformers, все мои последние эксперименты с LLM шли мимо него. Но жаль всё-таки, что не получилось тру мультибэкенда.

HF kernels hub

кернел это такой кусок кода встраивыаемый в вычислительный граф и описыващий какие то спецефичные по памяти/последовательности вычислений операции которые за счет последовательности прям сильно быстрее работают(flash attn как хороший пример)

HF выпускают библеотеку кернелов, чтобы не таскать из vllm в sglang и обратно кернелы, а просто делать

import torch
import torch.nn.functional as F
from kernels import get_kernel

DEVICE = "cuda"


activation_kernels = get_kernel("kernels-community/activation")
x = torch.randn((4, 4), dtype=torch.float16, device=DEVICE)

# Prepare an output tensor
y = torch.empty_like(x)

# Run the fast GELU kernel
activation_kernels.gelu_fast(y, x)

# Get expected output using PyTorch's built-in GELU
expected = F.gelu(x)

ВСЕ, ускоряем почти любой кусок графа в несколько раз бесплатно!

link