# Сопутствующие статьи по теме Сжатие

Новостной центр HTX предлагает последние статьи и углубленный анализ по "Сжатие", охватывающие рыночные тренды, новости проектов, развитие технологий и политику регулирования в криптоиндустрии.

Apple заново изобретает сжатие изображений с помощью ИИ: такое же качество, но файл в три раза меньше

В феврале 2025 года группа JPEG утвердила новый международный стандарт JPEG AI — первый полностью обучаемый кодек для сжатия изображений. Однако даже он не решает ключевую проблему — оптимизацию под человеческое восприятие (перцептивное сжатие), а фокусируется на математических метриках, таких как PSNR. Компания Apple представила ответ на этот вызов — кодек PICO (Perceptual Image Codec). Его цель — не улучшение численных показателей, а прямое улучшение визуального качества для человеческого глаза. Команда решила три основные проблемы: 1. **Скорость энтропийного кодирования:** Вместо медленного авторегрессивного подхода PICO использует «одношаговую контекстную модель» для параллельных вычислений, сохраняя точность без потери скорости. 2. **Артефакты и «галлюцинации» ИИ:** При перцептивном обучении с использованием GAN часто искажаются критически важные детали, например, текст. PICO вводит специальную функцию потерь TextFidelityLoss, которая строго сохраняет точность в текстовых областях, снижая ошибки наполовину. 3. **Границы между фрагментами изображения (тайлами):** Для работы на мобильных чипах изображение обрабатывается частями. PICO применяет TilingArtifactLoss, чтобы устранить видимые цветовые различия на стыках этих фрагментов. Результаты масштабного слепого тестирования (74 925 сравнений) показали, что при одинаковом визуальном качестве PICO создаёт файлы в 2–3 раза меньше (на 30–43%), чем современные стандарты (AV1, VVC, JPEG AI). На iPhone 17 Pro Max кодирование 12-мегапиксельного фото занимает 230 мс, декодирование — 150 мс. При этом PICO намеренно жертвует высокими баллами в PSNR, что подтверждает его ориентацию на восприятие, а не на математику. Хотя для синтетических изображений (мультфильмы, схемы) традиционные кодеки остаются эффективнее, PICO знаменует поворотный момент — первое системное решение для перцептивного сжатия, реализуемое на мобильном устройстве в реальном времени.

marsbit05/30 02:48

Apple заново изобретает сжатие изображений с помощью ИИ: такое же качество, но файл в три раза меньше

marsbit05/30 02:48

a16z: «Амнезия» ИИ, может ли непрерывное обучение ее вылечить?

В статье a16z рассматривается проблема «амнезии» больших языковых моделей (LLM), которые после обучения не могут обновлять свои параметры новыми знаниями, подобно герою фильма «Помни» с антероградной амнезией. Для компенсации используются внешние методы, такие как контекстное обучение (ICL) и системы поиска, но они не позволяют моделям по-настоящему усваивать информацию. Авторы утверждают, что контекстное обучение, хотя и эффективно, имеет ограничения: оно не подходит для решения truly новых задач (например, математических доказательств),对抗ных сценариев или работы с неявными знаниями. Настоящее обучение требует сжатия (compression) опыта в параметры модели. Предлагается подход непрерывного обучения (continual learning), который позволяет моделям обновлять свои веса после развертывания. Рассматриваются три основных пути: работа с контекстом (внешняя память), модульные подходы (адаптеры) и прямое обновление параметров (весов). Последний метод — самый сложный, но именно он позволяет моделям полностью усваивать новые знания и навыки. Статья также затрагивает проблемы катастрофического забывания, безопасности и аудируемости, которые возникают при обновлении весов, и рассматривает текущий ландшафт стартапов, работающих над этими решениями. Ключевой вывод: будущее — за гибридными системами, сочетающими контекстное обучение, модульность и параметрическое обновление для создания моделей, способных к непрерывному совершенствованию.

marsbit04/25 04:31

a16z: «Амнезия» ИИ, может ли непрерывное обучение ее вылечить?

marsbit04/25 04:31

Правильное управление контекстом в Claude Code: как избежать снижения качества модели при длинных сессиях

Сегодня мы представляем обновление команды /usage, которое помогает пользователям лучше управлять контекстом в Claude Code. Недавние обсуждения с пользователями выявили различные привычки управления сессиями, особенно после увеличения контекстного окна до 1 миллиона токенов. Ключевые концепции: - **Контекстное окно** — это вся информация, которую модель "видит" при генерации ответа (системные промты, история чата, результаты инструментов). - **Контекстное загнивание** — ухудшение работы модели из-за перегрузки контекста. - **Сжатие контекста** (/compact) — автоматическое суммирование диалога для освобождения места. - **Новая сессия** (/clear) — полный сброс с ручным описанием ключевых моментов. Стратегии управления: 1. **Возврат (/rewind)** — откат к предыдущему сообщению для исправления ошибок без накопления шума. 2. **Сжатие vs. Новая сессия** — /compact сохраняет важные детали автоматически, /clear дает полный контроль но требует ручного ввода. 3. **Дочерние агенты** — делегирование задач с изолированным контекстом для обработки промежуточных результатов. Рекомендации: - Начинайте новую сессию при смене задачи. - Используйте возврат вместо исправлений в длинных диалогах. - Избегайте сжатия когда модель не может предугадать следующие шаги. - Применяйте дочерних агентов для задач с временными данными. Правильное управление контекстом — ключ к эффективной работе с Claude Code несмотря на увеличенное окно контекста.

marsbit04/16 10:37

Правильное управление контекстом в Claude Code: как избежать снижения качества модели при длинных сессиях

marsbit04/16 10:37

L1 стоимость захвата значительно сокращается: ETH, SOL, HYPE вряд ли вернутся к ценовым пикам

Согласно исследованию Pine Analytics, основные блокчейны первого уровня (L1), такие как Bitcoin, Ethereum и Solana, демонстрируют устойчивую тенденцию к снижению доходов от комиссий за транзакции. Каждый раз, когда спрос приводит к всплеску сборов, инновации в экосистеме — например, масштабируемые решения (L2 для Ethereum), частные AMM и инструменты MEV для Solana, или пакетные транзакции и Lightning Network для Bitcoin — систематически сокращают эту прибыль. Это не циклическое явление, а структурный результат открытых сетей. Доходы Ethereum от комиссий упали на ~95% с пиков 2021 года из-за перехода активности на L2 и снижения стоимости данных после апгрейда Dencun. Solana, чья модель доходов сильно зависит от MEV в memecoin-трейдинге, сталкивается с давлением со стороны частных AMM и таких платформ, как Hyperliquid, которые выводят наиболее прибыльные транзакции за пределы цепи. Bitcoin, чья безопасность почти полностью зависит от цены монеты, а не от комиссий, сталкивается с долгосрочными рисками из-за сокращения вдвое вознаграждения за блок. Вывод: оценка токенов L1 смещается с модели «захвата стоимости через комиссии» на нарративы, потоки капитала (например, ETF) и макроэкономические факторы. Эта новая логика может быть столь же хрупкой, когда нарративы иссякнут.

marsbit02/26 08:49

L1 стоимость захвата значительно сокращается: ETH, SOL, HYPE вряд ли вернутся к ценовым пикам

marsbit02/26 08:49

Arbitrum лидирует по притоку средств в 2025 году, но ARB колеблется – Что будет дальше в 2026?

Арбитрум (Arbitrum) продемонстрировал значительный приток капитала в 2025 году, став лидером среди крупных блокчейн-сетей. Это отражает смещение интереса инвесторов в сторону масштабируемой инфраструктуры с высокой ликвидностью и надежностью. Несмотря на устойчивый рост основных показателей — включая в $20 млрд, объем торгов токенизированными акциями через Robinhood ($50+ млн) и октябрьскую выручку в $4,5 млн — цена ARB оставалась под давлением, торгуясь в районе $0,19. Активность в сети сохранялась на высоком уровне без стимулирующих кампаний, что указывает на органический рост. Однако ценовое движение ARB оставалось в рамках нисходящего клина, с нейтральными показателями RSI и MACD, сигнализирующими о консолидации. Вопрос на 2026 год: станет ли это основой для будущего расширения или сохранит напряженность между фундаментальными успехами и краткосрочной неопределенностью.

ambcrypto12/29 03:03

Arbitrum лидирует по притоку средств в 2025 году, но ARB колеблется – Что будет дальше в 2026?

ambcrypto12/29 03:03

活动图片