MLLog.dev to dziennik uczenia maszynowego: dogłębne opracowania najnowszych publikacji z ML i AI, praktyczne tutoriale, eksperymenty i projekty.https://mllog.dev/pl-PLMaciej Myszkiewiczhttps://mllog.dev/pl/posts/orca-world-foundation-model-next-state-prediction/https://mllog.dev/pl/posts/orca-world-foundation-model-next-state-prediction/Orca (BAAI) zastępuje next-token, next-frame i next-action prediction jednym celem: Next-State-Prediction. Zamrożony backbone 4B, pre-trenowany na 12.5K godzin wideo bez ani jednej etykiety akcji, karmi trzy lekkie dekodery — a readout akcji, uczony na ledwie 200 trajektoriach na zadanie, wygrywa z π0.5 w manipulacji OOD (32.4 vs 29.4).Sun, 05 Jul 2026 07:00:00 GMTworld-modelsnext-state-predictionrepresentation-learningroboticsmultimodalhttps://mllog.dev/pl/posts/swe-explore-benchmarking-coding-agents-repository-exploration/https://mllog.dev/pl/posts/swe-explore-benchmarking-coding-agents-repository-exploration/SWE-Explore izoluje eksplorację repozytorium od generowania patchy - 848 issue'ów, 10 języków, 203 repozytoria. Benchmark ujawnia, że agenci świetnie znajdują właściwe pliki, ale fatalnie celują na poziomie linii kodu, a efektywność kontekstu koreluje z resolve rate na poziomie r = 0.950.Tue, 09 Jun 2026 07:00:00 GMTcoding-agentsbenchmarkscode-localizationsoftware-engineeringrepository-explorationhttps://mllog.dev/pl/posts/skillopt-text-space-optimizer-agent-skills/https://mllog.dev/pl/posts/skillopt-text-space-optimizer-agent-skills/SkillOpt stosuje pełną dyscyplinę deep learningu - ograniczone budżety edycji, bramkę walidacyjną, pamięć odrzuconych zmian - do dokumentów skill w języku naturalnym, poprawiając zamrożone LLM-y o nawet +39 punktów w 52/52 ewaluowanych komórkach.Fri, 29 May 2026 07:00:00 GMTagentsprompt-optimizationllmskill-learningtext-space-traininghttps://mllog.dev/pl/posts/molmoact2-action-reasoning-real-world-deployment/https://mllog.dev/pl/posts/molmoact2-action-reasoning-real-world-deployment/MolmoAct2 to w pełni otwarty model Vision-Language-Action, który przewyższa π0.5 i Gemini Robotics ER, osiągając 97.2% na LIBERO i 87.1% w rzeczywistym świecie - dzięki kondycjonowaniu akcji na KV-cache co warstwę i adaptacyjnemu rozumowaniu głębokościowemu.Sun, 10 May 2026 11:00:00 GMTroboticsVLAembodied-reasoningflow-matchingopen-sourcehttps://mllog.dev/pl/posts/recursive-multi-agent-systems/https://mllog.dev/pl/posts/recursive-multi-agent-systems/RecursiveMAS rozszerza rekurencyjne obliczenia z pojedynczych LLM-ów na systemy wieloagentowe - agenty komunikują się w przestrzeni ukrytej przez lekkie moduły RecursiveLink, osiągając +8.3% dokładności przy 2.4x przyspieszeniu.Sat, 02 May 2026 00:00:00 GMTAImulti-agent-systemsrecursive-computationlatent-spacellm-collaborationhttps://mllog.dev/pl/posts/2026-04-26-tstars-tryon-virtual-try-on-mmdit/https://mllog.dev/pl/posts/2026-04-26-tstars-tryon-virtual-try-on-mmdit/Jak zunifikowany 5B MMDiT z wielowymiarowym RL i destylacją kroków przeformułowuje virtual try-on jako edycję wieloobrazową - i działa poniżej 4 sekund na produkcji.Sun, 26 Apr 2026 00:00:00 GMTAIdiffusionvirtual-try-onMMDiTimage-editingdeploymenthttps://mllog.dev/pl/posts/2026-04-15-clawgui-unified-framework-gui-agents/https://mllog.dev/pl/posts/2026-04-15-clawgui-unified-framework-gui-agents/ClawGUI łączy online RL, odtwarzalną ewaluację i deploy agentów GUI na realnych urządzeniach w jeden otwarty pipeline — i pokazuje, że trenowany w nim model 2B bije nietrenowane modele 72B na MobileWorld.Wed, 15 Apr 2026 09:00:00 GMTgui-agentsreinforcement-learningbenchmarkingdeploymentprocess-reward-modelhttps://mllog.dev/pl/posts/2026-04-12-skillclaw-collective-skill-evolution-llm-agents/https://mllog.dev/pl/posts/2026-04-12-skillclaw-collective-skill-evolution-llm-agents/SkillClaw to framework umożliwiający kolektywną ewolucję umiejętności agentów LLM w ekosystemie wieloużytkownikowym. Zamiast statycznych bibliotek skills, system automatycznie uczy się z interakcji wielu użytkowników i propaguje ulepszenia do wszystkich.Sun, 12 Apr 2026 00:00:00 GMTllm-agentsskill-evolutionmulti-userself-improvementagent-systemshttps://mllog.dev/pl/posts/taps-task-aware-speculative-decoding/https://mllog.dev/pl/posts/taps-task-aware-speculative-decoding/TAPS pokazuje, że dane treningowe modelu-draftu ważą więcej niż architektura: scalone drzewa dają średnią długość akceptacji 5,11, uśrednianie wag tylko 2,59.Sat, 28 Mar 2026 00:00:00 GMTAINLPLLMSpeculative DecodingOptymalizacja InferencjiEAGLEHASShttps://mllog.dev/pl/posts/demystifying-video-reasoning-chain-of-steps/https://mllog.dev/pl/posts/demystifying-video-reasoning-chain-of-steps/Chain-of-Steps: modele dyfuzyjne wideo rozumują wzdłuż kroków odszumiania, nie klatek. Ensemble różnych seedów poprawia wyniki bez żadnego dotrenowania.Tue, 17 Mar 2026 00:00:00 GMTAIComputer VisionGenerowanie WideoModele DyfuzyjneRozumowanieDiffusion Transformerhttps://mllog.dev/pl/posts/seoul-world-model-city-scale-video-generation/https://mllog.dev/pl/posts/seoul-world-model-city-scale-video-generation/Seoul World Model generuje fotorealistyczne wideo prawdziwych ulic ze zdjęć street view: FID 28,43 w Busan wobec 62,14 najlepszego baseline'u, zero-shot.Mon, 16 Mar 2026 00:00:00 GMTAIComputer VisionGenerowanie WideoWorld ModelsAutonomiczna JazdaDiffusion Transformerhttps://mllog.dev/pl/posts/constory-bledy-spojnosci-dlugie-historie-llm/https://mllog.dev/pl/posts/constory-bledy-spojnosci-dlugie-historie-llm/ConStory-Bench mierzy błędy spójności w długich opowiadaniach LLM: GPT-5-Reasoning ma 0,113 błędu na 10 000 słów, a ludzcy eksperci wyłapują tylko 17,1% z nich.Mon, 09 Mar 2026 00:00:00 GMTAILLMNLPBenchmarkGenerowanie TekstuSpójność NarracjiEwaluacjahttps://mllog.dev/pl/posts/utonia-jeden-enkoder-wszystkie-chmury-punktow/https://mllog.dev/pl/posts/utonia-jeden-enkoder-wszystkie-chmury-punktow/Utonia to jeden enkoder o 137M parametrów dla pięciu domen chmur punktów: 81,1% mIoU na ScanNet, 82,2% na NuScenes i emergentne dopasowanie międzydomenowe.Sat, 07 Mar 2026 00:00:00 GMTAI3DChmury PunktówSelf-Supervised LearningRobotykaAutonomiczne PojazdyVision Transformerhttps://mllog.dev/pl/posts/sage-model-rozumowania-wie-kiedy-przestac-myslec/https://mllog.dev/pl/posts/sage-model-rozumowania-wie-kiedy-przestac-myslec/SAGE zamienia prawdopodobieństwo następnego tokenu na skumulowane, dzięki czemu model sam kończy myślenie: 40-50% mniej tokenów bez straty dokładności.Mon, 23 Feb 2026 00:00:00 GMTAILLMRozumowanieUczenie ze WzmocnieniemOptymalizacjaChain-of-ThoughtEfektywnośćhttps://mllog.dev/pl/posts/gpt-odkrywa-prawa-fizyki-amplitudy-gluonowe/https://mllog.dev/pl/posts/gpt-odkrywa-prawa-fizyki-amplitudy-gluonowe/GPT-5.2 Pro zaproponował wzór na amplitudy single-minus gluonów: niezerowe w przestrzeni Kleina, o wartościach -1, 0 lub 1. Wzór przeszedł pięć testów spójności.Sun, 15 Feb 2026 00:00:00 GMTAIGPTFizykaOpenAIOdkrycia NaukoweGluonyTeoria Polahttps://mllog.dev/pl/posts/opus-efektywna-selekcja-danych-llm-pretraining/https://mllog.dev/pl/posts/opus-efektywna-selekcja-danych-llm-pretraining/OPUS wybiera dane w każdej iteracji pretreningu: Qwen3-8B na 0,5B tokenów bije pełny trening na 3B, a narzut to 4,7% dzięki ghost gradients i CountSketch.Fri, 13 Feb 2026 00:00:00 GMTAILLMUczenie MaszynoweGłębokie UczenieSelekcja DanychPretreningOptymalizacjahttps://mllog.dev/pl/posts/green-vla-etapowy-model-wizja-jezyk-akcja-roboty-uniwersalne/https://mllog.dev/pl/posts/green-vla-etapowy-model-wizja-jezyk-akcja-roboty-uniwersalne/Green-VLA trenuje jedną politykę w pięciu etapach na 3000 godzinach demonstracji z humanoidów, manipulatorów mobilnych i ramion; wyniki SOTA na CALVIN ABC-D.Sun, 08 Feb 2026 00:00:00 GMTAIRobotykaVLAUczenie MaszynoweGłębokie UczenieUczenie ze WzmocnieniemModele Wizyjno-Językowehttps://mllog.dev/pl/posts/grokking-dowodliwy-ridge-regression/https://mllog.dev/pl/posts/grokking-dowodliwy-ridge-regression/Grokking pojawia się już w regresji grzbietowej: dowód trzech faz treningu pokazuje, że opóźnienie generalizacji skaluje się jak 1/λ i steruje nim weight decay.Tue, 27 Jan 2026 00:00:00 GMTUczenie MaszynoweGeneralizacjaGrokkingRegresja GrzbietowaRegularyzacjaTeoriahttps://mllog.dev/pl/posts/sieci-tensorowe-neuro-symboliczne-ai/https://mllog.dev/pl/posts/sieci-tensorowe-neuro-symboliczne-ai/Sieci tensorowe jako most neuro-symboliczny: formuły logiczne dają tensory rzadkie, rozkłady prawdopodobieństwa nisko-rzędowe, a wnioskowanie to kontrakcja.Fri, 23 Jan 2026 00:00:00 GMTUczenie MaszynoweAI Neuro-SymboliczneSieci TensoroweLogikaModele ProbabilistyczneHybrydowe AIhttps://mllog.dev/pl/posts/m2fmoe-ekstremalne-szeregi-czasowe/https://mllog.dev/pl/posts/m2fmoe-ekstremalne-szeregi-czasowe/M²FMoE wykrywa ekstremalne zdarzenia po sygnaturach częstotliwościowych bez etykiet; na zbiornikach w Kalifornii ścina błąd prognozy 8-godzinnej nawet o 45,7%.Wed, 14 Jan 2026 00:00:00 GMTUczenie MaszynoweSzeregi CzasoweMixture of ExpertsPrognozowanieAnaliza CzęstotliwościowaAAAI 2026https://mllog.dev/pl/posts/ballast-bandyty-kontekstowe-raft-timeouty/https://mllog.dev/pl/posts/ballast-bandyty-kontekstowe-raft-timeouty/BALLAST zastępuje losowe timeouty wyborów w protokole Raft bandytą LinUCB z bezpieczną eksploracją; symulator w Rust pokazuje 84% mniej niedostępności klastra.Mon, 05 Jan 2026 00:00:00 GMTUczenie MaszynoweSystemy RozproszoneRaftBandyty KontekstoweLinUCBhttps://mllog.dev/pl/posts/ai-co-scientist-rubric-rewards/https://mllog.dev/pl/posts/ai-co-scientist-rubric-rewards/Rubryki wyciągnięte z publikacji i zamrożony grader uczą Qwen3-30B pisać plany badawcze: eksperci wolą je w 70% od baseline i w 52% od planów z oryginalnych prac.Tue, 30 Dec 2025 00:00:00 GMTUczenie MaszynoweLLMReinforcement LearningAI w NauceResearchhttps://mllog.dev/pl/posts/hydra-dynamiczna-adaptacja-rangi-mobilne-vlm/https://mllog.dev/pl/posts/hydra-dynamiczna-adaptacja-rangi-mobilne-vlm/HyDRA przydziela rangę LoRA hierarchicznie między warstwami VLM i dynamicznie wewnątrz nich, dając 4,7% poprawy bez wzrostu liczby trenowalnych parametrów.Sat, 27 Dec 2025 00:00:00 GMTUczenie MaszynoweLoRAFine-tuningVLMMobile AIOptymalizacjahttps://mllog.dev/pl/posts/comp-llm-kompozytowalne-ramy-wnioskowania-analiza-2025/https://mllog.dev/pl/posts/comp-llm-kompozytowalne-ramy-wnioskowania-analiza-2025/Comp-LLM rozbija zapytanie na DAG podzapytań dla wyspecjalizowanych ekspertów: kompozyt ~35B osiąga F1 0,83 wobec 0,85 dla monolitycznej Llamy-2 70B.Tue, 09 Dec 2025 00:00:00 GMTAILLMMachine LearningComp-LLMArchitectureResearchhttps://mllog.dev/pl/posts/nvidia-nemotron-parse-v1-1-analiza-vlm-ocr-deep-dive/https://mllog.dev/pl/posts/nvidia-nemotron-parse-v1-1-analiza-vlm-ocr-deep-dive/Nemotron Parse v1.1 ma ~885M parametrów: enkoder C-RADIO ViT-H, kompresja z 13 184 do 3 201 tokenów i dekoder mBART zwracający Markdown, LaTeX i bounding boxy.Wed, 26 Nov 2025 00:00:00 GMThttps://mllog.dev/pl/posts/llm-kaskady-oprogramowanie-c3po/https://mllog.dev/pl/posts/llm-kaskady-oprogramowanie-c3po/C3PO buduje kaskady LLM z probabilistycznym ograniczeniem kosztu zamiast sztywnego budżetu, osiągając jakość najcięższego modelu przy dużo niższym rachunku.Fri, 14 Nov 2025 00:00:00 GMTAILLMMachine LearningOptymalizacjaC3POhttps://mllog.dev/pl/posts/skuteczne-prognozowanie-opadow-satelitarnych/https://mllog.dev/pl/posts/skuteczne-prognozowanie-opadow-satelitarnych/TUPANN prognozuje opady na 10-180 minut wyłącznie z danych satelitarnych: wariacyjny encoder, MaxViT i różniczkowalna adwekcja działają tam, gdzie nie ma radarów.Mon, 10 Nov 2025 00:00:00 GMTAIpogodauczenie maszynowefizykasatelityhttps://mllog.dev/pl/posts/pinfm-foundation-model/https://mllog.dev/pl/posts/pinfm-foundation-model/HYSTL generuje parametry modelu hipersiecią zasilaną grafem wiedzy o przestępstwach, więc jeden GNN prognozuje w miastach o zupełnie różnych katalogach zdarzeń.Thu, 06 Nov 2025 00:00:00 GMThttps://mllog.dev/pl/posts/chord-sprytne-rekomendacje-na-telefonie/https://mllog.dev/pl/posts/chord-sprytne-rekomendacje-na-telefonie/CHORD kwantuje model rekomendacji osobno dla każdego telefonu: hypernetwork generuje mapę bitów z profilu użytkownika, więc nie trzeba trenować lokalnie.Mon, 06 Oct 2025 00:00:00 GMTAIrekomendacjeedge computingMLquantizationhttps://mllog.dev/pl/posts/dialtree-rpo-red-teaming-ataki-wieloturne-modeli-llm/https://mllog.dev/pl/posts/dialtree-rpo-red-teaming-ataki-wieloturne-modeli-llm/DIALTREE-RPO prowadzi wieloturne ataki red-teamingowe na LLM: drzewo dialogów z przycinaniem, RL z karą KL i adaptacyjne maskowanie gradientów formatu.Sat, 04 Oct 2025 00:00:00 GMTAIred-teamingLLMreinforcement-learningbezpieczeństwohttps://mllog.dev/pl/posts/jak-uczyc-modele-rozumowania-madrzej/https://mllog.dev/pl/posts/jak-uczyc-modele-rozumowania-madrzej/AttnRL wykorzystuje macierze uwagi jako kompas wskazujący punkty rozgałęzienia w process-supervised RL: +1,8 pp nad GRPO i TreeRL przy 8% krótszym treningu.Wed, 01 Oct 2025 00:00:00 GMTAIuczenie ze wzmocnieniemLLMrozumowanieAttnRLhttps://mllog.dev/pl/posts/jak-wykrywac-oszustwa-karta-kredytowa/https://mllog.dev/pl/posts/jak-wykrywac-oszustwa-karta-kredytowa/Wykrywanie fraudów na zbiorze 284 807 transakcji z zaledwie 492 oszustwami: hybryda undersamplingu i SMOTE daje najlepszy balans dla modeli MLP oraz KNN.Sun, 21 Sep 2025 00:00:00 GMTAIfraudyuczenie maszynowebalans klasMLPSMOTEhttps://mllog.dev/pl/posts/komputery-kwantowe-ai-w-inwestowaniu/https://mllog.dev/pl/posts/komputery-kwantowe-ai-w-inwestowaniu/QLSTM przewiduje trend USD/TWD, a agent QA3C handluje: 11,87% zysku w latach 2020-2025 przy obsunięciu 0,92% i 244 parametrach wobec 3332 w klasycznym A3C.Mon, 15 Sep 2025 00:00:00 GMTAIQuantum ComputingReinforcement LearningTradinghttps://mllog.dev/pl/posts/uczenie-ze-wzmocnieniem-w-reklamach-na-pinterest/https://mllog.dev/pl/posts/uczenie-ze-wzmocnieniem-w-reklamach-na-pinterest/DRL-PUT z Pinteresta zastępuje ręczne strojenie wag funkcji utility polityką RL uczoną z logów: testy A/B dały wzrost CTR o 9,7% i LC-CTR o 7,7%.Thu, 11 Sep 2025 00:00:00 GMTreinforcement learningrekomendacjePinterestmachine learningadshttps://mllog.dev/pl/posts/uczene_pinterest/https://mllog.dev/pl/posts/uczene_pinterest/DRL-PUT z Pinteresta zastępuje ręczne strojenie wag funkcji utility spersonalizowaną polityką RL: w testach A/B CTR wzrósł o 9,7%, a LC-CTR o 7,7%.Mon, 08 Sep 2025 00:00:00 GMTreinforcement learningrekomendacjePinterestmachine learningadshttps://mllog.dev/pl/posts/anatomia-klamstwa-ai-jak-modele-jezykowe-moga-nas-oszukiwac/https://mllog.dev/pl/posts/anatomia-klamstwa-ai-jak-modele-jezykowe-moga-nas-oszukiwac/Can LLMs Lie pokazuje, że modele kłamią strategicznie: logit lens łapie próby kłamstwa, zerowanie warstw 10-15 przywraca prawdę, a wektor sterujący ją reguluje.Fri, 05 Sep 2025 00:00:00 GMTAISztuczna InteligencjaLLMBezpieczeństwo AIEtyka AIBadania NaukoweInterpretabilnośćDeep Learninghttps://mllog.dev/pl/posts/accelerate_neural_network/https://mllog.dev/pl/posts/accelerate_neural_network/SLAC łączy bibliotekę SNL, Auto-SNL i system Rogue, by wdrażać sieci neuronowe na FPGA w MPSoC: opóźnienia jak w hls4ml lub niższe, przy mniejszym zużyciu zasobów.Mon, 01 Sep 2025 00:00:00 GMTAIFPGAHardware AccelerationUczenie MaszynoweFizykaMPSoChttps://mllog.dev/pl/posts/globalne-gwarancje-odpornosci-probablistyczne-podejscie/https://mllog.dev/pl/posts/globalne-gwarancje-odpornosci-probablistyczne-podejscie/Mu i Lim zamieniają certyfikację punkt po punkcie na estymację statystyczną: kilkaset próbek i przedział Cloppera-Pearsona dają globalną gwarancję odporności.Wed, 27 Aug 2025 00:00:00 GMTSztuczna InteligencjaUczenie MaszynoweOdporność na AtakiGwarancje GlobalneBezpieczeństwo AIhttps://mllog.dev/pl/posts/ai-intern-s1-naukowiec/https://mllog.dev/pl/posts/ai-intern-s1-naukowiec/Intern-S1 z Shanghai AI Laboratory to otwarty model MoE z 28 mld aktywnych parametrów, trenowany na 5 bln tokenów, mocny w planowaniu syntezy molekularnej.Sat, 23 Aug 2025 00:00:00 GMTAIUczenie MaszynoweNaukaModele Multimodalnehttps://mllog.dev/pl/posts/seamless-flow-ai-fabric/https://mllog.dev/pl/posts/seamless-flow-ai-fabric/Seamless Flow izoluje trenera od agenta i przydziela GPU po tagach: do 100% wyższa przepustowość niż VERL, a Qwen3-32B skacze na SWE-Bench z 23,0% na 45,8%.Mon, 18 Aug 2025 00:00:00 GMTAIReinforcement LearningLLMTechnologia WyjaśnionaGPUSystemyhttps://mllog.dev/pl/posts/sok-data-minimization-in-machine-learning/https://mllog.dev/pl/posts/sok-data-minimization-in-machine-learning/SoK o minimalizacji danych w ML: ramy porządkujące selekcję cech, k-anonimowość i uczenie federacyjne z podziałem na minimalizację horyzontalną i wertykalną.Fri, 15 Aug 2025 00:00:00 GMTuczenie maszynoweminimalizacja danychAIprywatnośćGDPRRODOhttps://mllog.dev/pl/posts/learning_machines/https://mllog.dev/pl/posts/learning_machines/DyMoE walczy z katastroficznym zapominaniem w grafach: zamiast douczać stare modele, dodaje nowego eksperta na każdą porcję danych i łączy je przez bramkę.Thu, 14 Aug 2025 00:00:00 GMTSztuczna InteligencjaUczenie MaszynoweGrafyNaukahttps://mllog.dev/pl/posts/glebokie-spojrzenie-na-rewolucje-w-text-to-sql/https://mllog.dev/pl/posts/glebokie-spojrzenie-na-rewolucje-w-text-to-sql/End-to-End Text-to-SQL z selekcją zbioru: Selektor wyszukuje koncepcyjnie podobne przykłady, a Generator pisze zapytanie in-context, bez fine-tuningu domeny.Tue, 12 Aug 2025 00:00:00 GMTSztuczna InteligencjaPrzetwarzanie Języka NaturalnegoSQLLLMText-to-SQLAnaliza DanychUczenie Maszynowehttps://mllog.dev/pl/posts/dynamiczne-dostrajanie-dft/https://mllog.dev/pl/posts/dynamiczne-dostrajanie-dft/Dynamic Fine-Tuning skaluje stratę odwrotnie do prawdopodobieństwa tokenu i prostuje ukrytą nagrodę SFT: jedna linijka kodu, wyniki na poziomie offline RL.Mon, 11 Aug 2025 00:00:00 GMTAILLMMachine LearningSFTDFTReinforcement Learninghttps://mllog.dev/pl/posts/askdagger-jak-sztuczna-inteligencja-uczy-sie-efektywniej/https://mllog.dev/pl/posts/askdagger-jak-sztuczna-inteligencja-uczy-sie-efektywniej/ASkDAgger odwraca DAgger: robot pyta o ocenę planu, zanim wykona ruch. Mechanizmy SAG, FIER i PIER tną liczbę zapytań, podnosząc wskaźnik sukcesu w CLIPort.Fri, 08 Aug 2025 00:00:00 GMTAIMachine LearningRoboticsImitation LearningNLPhttps://mllog.dev/pl/posts/capulse-jak-nauczyc-maszyny-slyszec-rytm-danych/https://mllog.dev/pl/posts/capulse-jak-nauczyc-maszyny-slyszec-rytm-danych/CaPulse wykrywa anomalie w szeregach czasowych, ucząc się przyczynowego rytmu danych: alarm rusza po złamaniu kolejności przyczyn, a nie po przekroczeniu progu.Thu, 07 Aug 2025 00:00:00 GMTAIUczenie MaszynoweNaukaTechnologiaSzeregi Czasowehttps://mllog.dev/pl/posts/goedel-prover-v2-rewolucja-w-automatycznym-dowodzeniu-twierdzen/https://mllog.dev/pl/posts/goedel-prover-v2-rewolucja-w-automatycznym-dowodzeniu-twierdzen/Goedel-Prover-V2 łączy syntezę danych opartą na rusztowaniach z autokorektą w asystencie Lean. Na miniF2F i PutnamBench bije AlphaProof oraz DeepSeek-Prover.Wed, 06 Aug 2025 00:00:00 GMTAISztuczna InteligencjaMatematykaFormalne DowodzenieLLMhttps://mllog.dev/pl/posts/jak-nauczyc-ai-radzic-sobie-z-bledami-esoftmax/https://mllog.dev/pl/posts/jak-nauczyc-ai-radzic-sobie-z-bledami-esoftmax/ε-Softmax zmiękcza wektory one-hot, by błędna etykieta nie karała modelu za trafną intuicję. Praca z NeurIPS 2024 o odporności na szum w etykietach danych.Tue, 05 Aug 2025 00:00:00 GMTAIUczenie MaszynoweBadaniaTechnologiahttps://mllog.dev/pl/posts/quantitive_effective/https://mllog.dev/pl/posts/quantitive_effective/Estymacja gęstości jądrowej w przestrzeni cech jednego deterministycznego modelu to tania alternatywa dla BNN i deep ensembles w detekcji OOD: CIFAR-10 kontra SVHN.Mon, 04 Aug 2025 00:00:00 GMTUczenie MaszynoweKwantyfikacja NiepewnościDetekcja OODarXivAIhttps://mllog.dev/pl/posts/prognoza-rekrutacji-badan-klinicznych/https://mllog.dev/pl/posts/prognoza-rekrutacji-badan-klinicznych/Multimodalny model z Clinical Longformerem prognozuje rekrutację do badań klinicznych: MAE 7,52 wobec 10,55 miesiąca i przedziały ufności z rozkładu Gamma.Sat, 02 Aug 2025 00:00:00 GMTbadania kliniczneuczenie maszynowegłębokie uczenieniepewnośćhttps://mllog.dev/pl/posts/aktywna-selekcja-modeli-oparta-na-konsensusie-coda/https://mllog.dev/pl/posts/aktywna-selekcja-modeli-oparta-na-konsensusie-coda/CODA wybiera najlepszy model z puli kandydatów na podstawie konsensusu predykcji: wygrywa 18 z 26 benchmarków przy nawet 70% mniejszej liczbie etykiet.Fri, 01 Aug 2025 00:00:00 GMTuczenie maszynoweaktywny wybór modeliBayesmodelowanie probabilistycznehttps://mllog.dev/pl/posts/rlvmr-wzmocnione-uczenie-z-weryfikowalnymi-nagradzajacymi-meta-rozumowaniem/https://mllog.dev/pl/posts/rlvmr-wzmocnione-uczenie-z-weryfikowalnymi-nagradzajacymi-meta-rozumowaniem/RLVMR dokłada do nagrody środowiskowej weryfikowalny składnik za meta-rozumowanie: agent unika błędnych skrótów w zadaniach o długim horyzoncie czasowym.Thu, 31 Jul 2025 00:00:00 GMTAIadaptacyjna sensorykarlehttps://mllog.dev/pl/posts/jak-sztuczna-inteligencja-moze-ujawnic-pochodzenie-miodu/https://mllog.dev/pl/posts/jak-sztuczna-inteligencja-moze-ujawnic-pochodzenie-miodu/Random Forest na 12 pierwiastkach śladowych z 429 próbek miodu rozpoznaje pochodzenie botaniczne z dokładnością 99,50% i region geograficzny z 98,01%.Wed, 30 Jul 2025 00:00:00 GMTmiódmachine-learningrozpoznawanie-jedzeniaminerałyhttps://mllog.dev/pl/posts/call-center-ppo-vs-vi/https://mllog.dev/pl/posts/call-center-ppo-vs-vi/PPO kontra Value Iteration w symulacji call center ze skills-based routingiem: PPO daje krótsze kolejki, mniej bezczynności agentów i najwyższe nagrody RL.Sat, 26 Jul 2025 00:00:00 GMTReinforcement LearningPPOValue IterationCall CenterSztuczna Inteligencjahttps://mllog.dev/pl/posts/efektywna-i-geometrycznie-inteligentna/https://mllog.dev/pl/posts/efektywna-i-geometrycznie-inteligentna/Uwaga inwariantna względem SE(2) mieści się w pamięci O(n) zamiast O(n^2): kodowanie pozycji szeregiem Fouriera z błędem pod 0,001, Best Paper warsztatu RSS 2025.Fri, 25 Jul 2025 00:00:00 GMTUczenie maszynoweTransformatoryGeometria AIPopularnonaukowyhttps://mllog.dev/pl/posts/silnik-ai-rak-skory/https://mllog.dev/pl/posts/silnik-ai-rak-skory/MobileNetV2 skompresowany przez TensorRT do INT8 na Jetson Orin Nano wykrywa raka skóry z F1 87,2%, zajmując 41% rozmiaru i zużywając nawet o 93% mniej energii.Thu, 24 Jul 2025 00:00:00 GMTAIMobileNetV2rak skóryurządzenia ubieralnehttps://mllog.dev/pl/posts/sophia-wzmacnianie-wolnomyslenia/https://mllog.dev/pl/posts/sophia-wzmacnianie-wolnomyslenia/SOPHIA łączy on-policy percepcję wizualną z off-policy wolnomyśleniem: InternVL3.0 zyskuje 8,5 p.p. dokładności i przewyższa GPT-4.1 na MathVision.Wed, 23 Jul 2025 00:00:00 GMTAILVLMreinforcement learningSOPHIAhttps://mllog.dev/pl/posts/rola-ai-w-zarzadzaniu-konstelacjami-satelitarnymi/https://mllog.dev/pl/posts/rola-ai-w-zarzadzaniu-konstelacjami-satelitarnymi/ConstellAI, projekt ESA, uczy agentów RL trasowania i przydziału pasma w mega-konstelacjach; w symulatorze bije Dijkstrę niższymi opóźnieniami.Tue, 22 Jul 2025 00:00:00 GMTConstellAIUczenie ze WzmocnieniemSatelityhttps://mllog.dev/pl/posts/fundamentalne-ograniczenia-dwuetapowych-dekompozycji-cvar/https://mllog.dev/pl/posts/fundamentalne-ograniczenia-dwuetapowych-dekompozycji-cvar/Dualne dekompozycje CVaR w MDP mają fundamentalne ograniczenia: dwie formuły dualne dają różne wyniki, a jedna polityka nie musi być optymalna dla każdego alfa.Mon, 21 Jul 2025 00:00:00 GMTprocesy decyzyjne MarkowaCVaRdekompozycja dualnahttps://mllog.dev/pl/posts/pinfm-foundation-model-user-activity/https://mllog.dev/pl/posts/pinfm-foundation-model-user-activity/PinFM, transformer ponad 20 mld parametrów na sekwencjach aktywności z Pinteresta: deduplikowana cross-uwaga i int4 dały +600% przepustowości i +20% zaangażowania.Sun, 20 Jul 2025 00:00:00 GMThttps://mllog.dev/pl/posts/gradnetot-method/https://mllog.dev/pl/posts/gradnetot-method/GradNetOT uczy map optymalnego transportu jako gradientu funkcji wypukłej: architektura mGradNet gwarantuje wypukłość, a strata minimalizuje resztę Monge-Ampère.Sat, 19 Jul 2025 00:00:00 GMTGradNetOTOptymalny transportSieci neuronowehttps://mllog.dev/pl/posts/uczenie-na-granicy-ntk/https://mllog.dev/pl/posts/uczenie-na-granicy-ntk/Ewolucja NTK na krawędzi stabilności: gdy ostrość maleje w fazie oscylacji wokół 2/η, Kernel Target Alignment rośnie skokowo i jądro wyrównuje się z etykietami.Fri, 18 Jul 2025 00:00:00 GMTpopularyzacjauczenie maszynoweNTKEdge of Stabilityhttps://mllog.dev/pl/posts/riemannlora-zunifikowane-ramy-riemanna/https://mllog.dev/pl/posts/riemannlora-zunifikowane-ramy-riemanna/RiemannLoRA traktuje przyrost wag LoRA jako punkt na rozmaitości niskiego rzędu i usuwa niejednoznaczność faktoryzacji: 50% mniej kroków treningu, +1,2 BLEU.Thu, 17 Jul 2025 00:00:00 GMTUczenie MaszynoweOptymalizacja RiemannaLoRAFine-tuninghttps://mllog.dev/pl/posts/nn-model-oparty-na-complementary-learning-systems/https://mllog.dev/pl/posts/nn-model-oparty-na-complementary-learning-systems/Architektura oparta na Complementary Learning Systems łączy VAE z nowoczesną siecią Hopfielda: separacja i uzupełnianie wzorców dają ~90% na Split-MNIST.Wed, 16 Jul 2025 00:00:00 GMThttps://mllog.dev/pl/posts/target-polish/https://mllog.dev/pl/posts/target-polish/Target Polish koryguje dane przed faktoryzacją NMF, przycinając wartości odstające do otoczenia rekonstrukcji WH — odporny rozkład macierzy i tensorów.Tue, 15 Jul 2025 00:00:00 GMTNMFsztuczna inteligencjauczenie maszynoweanaliza danychtarget polishhttps://mllog.dev/pl/posts/optimistic-exploration-risk-averse-crl/https://mllog.dev/pl/posts/optimistic-exploration-risk-averse-crl/ORAC łączy optymistyczną eksplorację po górnej granicy nagrody z ostrożnym dolnym oszacowaniem kosztu, poprawiając wyniki w Safety-Gymnasium i CityLearn.Mon, 14 Jul 2025 00:00:00 GMThttps://mllog.dev/pl/posts/adaptive-sensing/https://mllog.dev/pl/posts/adaptive-sensing/Zamiast skalować modele w nieskończoność, warto lepiej zbierać dane: EfficientNet-B0 z adaptacyjną sensoryką pokonuje znacznie większy OpenCLIP-H w percepcji.Sun, 13 Jul 2025 00:00:00 GMTAIadaptacyjna sensorykasztuczna inteligencjahttps://mllog.dev/pl/posts/hgmp-rewolucja-grafy-prompt-learning/https://mllog.dev/pl/posts/hgmp-rewolucja-grafy-prompt-learning/HGMP sprowadza zadania na grafach heterogenicznych do wspólnego promptu: kontrastowy pre-trening i prompty cech pozwalają uczyć wiele zadań jednym modelem.Sat, 12 Jul 2025 00:00:00 GMTgraph learningprompt learningmulti-taskAIresearchhttps://mllog.dev/pl/posts/apexoracle-predykcja-antybiotykow/https://mllog.dev/pl/posts/apexoracle-predykcja-antybiotykow/ApexOracle łączy embedding genomu z Evo2, opis fenotypu i dyfuzyjny model SELFIES: przewiduje MIC nowych szczepów (wzrost R² do 15%) i tworzy antybiotyki de novo.Fri, 11 Jul 2025 00:00:00 GMTMLAntybiotykiOdkrywanie LekówModele Dyfuzjihttps://mllog.dev/pl/posts/helo-rozpoznawanie-emocji-multimodalne/https://mllog.dev/pl/posts/helo-rozpoznawanie-emocji-multimodalne/HeLo przewiduje rozkład emocji zamiast jednej etykiety, łącząc mimikę i sygnały fizjologiczne przez cross-attention, transport optymalny i korelacje etykiet.Thu, 10 Jul 2025 00:00:00 GMTmultimodalemocjemachine learninghttps://mllog.dev/pl/posts/nowoczesne-metody-pamieci-asocjacyjnej/https://mllog.dev/pl/posts/nowoczesne-metody-pamieci-asocjacyjnej/Sieci Hopfielda od pojemności 0,14N do wykładniczej O(e^N): przegląd Krotova wyjaśnia formalizm Lagrangianów i pokrewieństwo z uwagą w Transformerach.Wed, 09 Jul 2025 00:00:00 GMTPamięć AsocjacyjnaSieci HopfieldaTransformatoryModele Dyfuzyjnehttps://mllog.dev/pl/posts/quest-solidna-estymacja-kwantylowa/https://mllog.dev/pl/posts/quest-solidna-estymacja-kwantylowa/QuEst łączy małą próbkę pomiarów z tysiącami symulacji, odejmując estymatę modelu z tej samej próby: nieobciążone kwantyle i wariancja minimalizowana wagą lambda.Tue, 08 Jul 2025 00:00:00 GMTQuEstEstymacja kwantylowaStatystykiNauczanie maszynowehttps://mllog.dev/pl/posts/retrysql-samokorekta-w-generacji-sql/https://mllog.dev/pl/posts/retrysql-samokorekta-w-generacji-sql/RetrySQL wplata błędne kroki i token [BACK] w dane treningowe: OpenCoder 1.5B zyskuje ok. 4 pkt proc. EX na BIRD i dorównuje GPT-4o w pipeline end-to-end.Mon, 07 Jul 2025 00:00:00 GMTRetrySQLtext-to-SQLLLMsamokorektamachine-learninghttps://mllog.dev/pl/posts/mvho-ib-diagnozowanie-zaburzen-psychicznych/https://mllog.dev/pl/posts/mvho-ib-diagnozowanie-zaburzen-psychicznych/MvHo-IB łączy klasyczne połączenia funkcjonalne z tensorem interakcji trójek regionów (O-information) i zyskuje do 7% dokładności na ABIDE, ADHD-200 i COBRE.Sun, 06 Jul 2025 00:00:00 GMTfMRIAIdeep learningteoria informacjineuroobrazowaniehttps://mllog.dev/pl/posts/wielopoziomowe-wskazowki-krokowe/https://mllog.dev/pl/posts/wielopoziomowe-wskazowki-krokowe/StepHint dzieli łańcuch rozumowania w punktach spadku prawdopodobieństwa zakończenia kroku i podaje wskazówki różnej szczegółowości, redukując błędy near-miss.Sat, 05 Jul 2025 00:00:00 GMThttps://mllog.dev/pl/posts/xgboost-jak-przewidziec-popyt/https://mllog.dev/pl/posts/xgboost-jak-przewidziec-popyt/XGBoost na 341 cechach czasowych, przestrzennych i sieciowych przewiduje popyt na hulajnogi trafniej o 27-49% niż inne podejścia i do 90% lepiej niż Prophet.Fri, 04 Jul 2025 00:00:00 GMTXGBoostAInauczanie maszynowehttps://mllog.dev/pl/posts/ghost_nodes_duchy-ktore-przyspieszaja-sieci-neuronowe/https://mllog.dev/pl/posts/ghost_nodes_duchy-ktore-przyspieszaja-sieci-neuronowe/Ghost nodes to dodatkowe wyjścia klasyfikatora liczone w softmaxie, ale poza stratą: dają gradientom nowe kierunki, przyspieszają trening i same zanikają.Thu, 03 Jul 2025 00:00:00 GMTduchyAInauczanie maszynowedrzewahttps://mllog.dev/pl/posts/ochrona-prywatnosci-w-przewidywaniu-epidemii/https://mllog.dev/pl/posts/ochrona-prywatnosci-w-przewidywaniu-epidemii/Hybryda sieci neuronowej i mechanistycznego modelu SEIR trenowana pod różnicową prywatnością: nawet mocno zaszumione dane prywatne poprawiają prognozy epidemii.Tue, 01 Jul 2025 00:00:00 GMTprywatnośćAInauczanie maszynoweepidemiahttps://mllog.dev/pl/posts/armor-niepokonani-na-fali-zakloxen/https://mllog.dev/pl/posts/armor-niepokonani-na-fali-zakloxen/ARMOR uczy drona odpornej reprezentacji latentnej: enkoder teacher z VAE przekazuje wiedzę studentowi z LSTM, dając zero-shot odporność na nieznany jamming GPS.Mon, 30 Jun 2025 00:00:00 GMThttps://mllog.dev/pl/posts/mind2web-agentyczne-wyszukiwanie-w-sieci/https://mllog.dev/pl/posts/mind2web-agentyczne-wyszukiwanie-w-sieci/Mind2Web 2 ocenia agentów wyszukiwania na 130 realnych zadaniach przez Agent-as-a-Judge; najlepsze systemy sięgają 50-70% skuteczności człowieka, dwa razy szybciej.Sun, 29 Jun 2025 00:00:00 GMTAIwyszukiwaniemind2webhttps://mllog.dev/pl/posts/hfex-maszyna-ktora-odkrywa-prawa-fizyki/https://mllog.dev/pl/posts/hfex-maszyna-ktora-odkrywa-prawa-fizyki/H-FEX odzyskuje jawny wzór hamiltonianu z danych o pozycji i pędzie, dopasowując stałe 1.0003 i 1.1002, i bije SINDy niemal zerowym dryfem energii.Sat, 28 Jun 2025 00:00:00 GMTfizykaAInauczanie symboliczneH-FEXhttps://mllog.dev/pl/posts/bandit-learning-when-the-bandit-is-more-slimy/https://mllog.dev/pl/posts/bandit-learning-when-the-bandit-is-more-slimy/Uczenie bandytowe nie ma odpowiednika wymiaru VC: istnieją klasy, w których dwa zapytania wystarczą do znalezienia optimum, ale żaden szybki algorytm tego nie zrobi.Fri, 27 Jun 2025 00:00:00 GMT