Reading Club #16: Scaling LLM Test-Time Compute Optimally can be More Effective than Scaling Model Parameters. Владимир Иванов, Иннополис

Раз в две недели магистранты AI Talent Hub и эксперты из индустрии и научного мира разбирают самые актуальные статьи из мира AI в формате Reading Club.

Погружение в AI-рисерч вместе с экспертами из индустрии и научного мира.

⚡️ 21 мая на Reading Club #16 обсудим одно из самых цитируемых исследований в области test-time scaling (TTS) — подхода, который предлагает масштабировать вычисления во время тестирования, а не только на этапе обучения. 

Scaling LLM Test-Time Compute Optimally can be More Effective than Scaling Model Parametersr — статья, в которой предложена адаптивная стратегия распределения вычислений в зависимости от сложности промпта. Такой подход позволяет моделям глубже обрабатывать сложные запросы, не расходуя ресурсы впустую.

Это — один из ключевых шагов в сторону reasoning-ориентированных LLM.

Эксперт: Владимир Иванов — PhD, профессор Университета Иннополис

Дата и время: 28 мая (среда) в 18:30 (мск)
Формат: онлайн

Расскажи о мероприятии другу, который увлекается наукой!
А чтобы ничего не пропустить, подписывайся на AI Talent Hub в Telegram и YouTube

Чтобы первым получать приглашения на полезные мероприятия AI Talent Hub— подпишись на нашу рассылку 

Reading Club #16: Scaling LLM Test-Time Compute Optimally can be More Effective than Scaling Model Parameters. Владимир Иванов, Иннополис
442 дня назад
28 мая 2025 18:30–20:15

Событие пройдет онлайн

Уже регистрировались?
Ссылка на онлайн-событие рассылается за час до его начала.
Получить ссылку

Поделиться:

Связь с организатором

На этот адрес придёт ответ от организатора.

По номеру с вами свяжется организатор

Подпишитесь на рассылку организатора

Возврат билета

О всех тонкостях возврата читайте в нашей подробной инструкции

Вернуть билет можно по ссылке из письма с билетами, или отправив запрос на возврат организатору события.
Не нашли письмо с билетами? Отправьте их ещё раз на почту, указанную при регистрации.