Machinelearning

🤖 AI-агенты уже способны обрабатывать заявки, собирать отчёты и делать другие задачи без участия человека. Но многие компании не решаются их внедрять — опасаются, что нужно самим закупать серверы и нанимать разработчиков редкой специализации. На вебинаре MTC Web Services вы узнаете, как самостоятельно создавать AI-агентов — с помощью кода или без. Эксперты расскажут, как доработали Langflow под реальные задачи. А также покажут несколько кейсов, как AI-агенты уже помогают компаниям в работе. На вебинаре вы узнаете: ▪️ Как создать AI-агента с помощью кода: плюсы и минусы ▪️ Как создать AI-агента без кода: плюсы и минусы ▪️ Какие no-code инструменты есть на рынке ▪️ Почему мы выбрали Langflow и что изменили ▪️ Кейсы AI-агентов в MWS GPT Руководители и владельцы бизнеса ⏩️ Узнаете, как запустить AI-агентов без большого бюджета ИТ-специалисты ⏩️ Разберётесь, как быстро интегрировать агентов в ваши системы Менеджеры ⏩️ Поймёте, какие рутинные задачи можно делегировать и как собрать агента без разработчика ℹ️ Кроме того, всем зарегистрировавшимся участникам разошлют памятку по no-code решениям для создания AI-агентов после вебинара. Регистрируйтесь по ссылке и до встречи онлайн!

✔️ Google представил обновлённый Chrome с искусственным интеллектом, и теперь браузер перестаёт быть просто окном в интернет. Главное новшество - Gemini внутри Chrome. Ассистент понимает, что у вас открыто, и помогает быстро найти нужное среди вкладок, упростить работу с большим количеством информации и не потеряться в хаосе открытых страниц. Вторая фишка - AI прямо в адресной строке. Больше не нужно открывать отдельный поиск: теперь можно задать вопрос прямо в omnibox и сразу получить осмысленный ответ, а не просто список ссылок. Еще ИИ анализирует сайты и предупреждает о подозрительных страницах, защищает пароли и блокирует спам-уведомления, делая интернет-серфинг заметно безопаснее. Пока обновление доступно только в США на Windows и Mac, и работает на английском языке. Но уже очевидно, что Google планирует расширить географию и языковую поддержку. Google ✔️ DeepMind открыла новый путь в изучении загадок гидродинамики Учёные из Google DeepMind применили искусственный интеллект, чтобы разобраться с задачами, над которыми математики спорят уже больше века. Речь идёт о «сингулярностях» - моментах, когда уравнения движения жидкости начинают давать бессмысленные ответы вроде «бесконечной скорости» или «бесконечного давления». Такие сбои возникают, например, в уравнениях Буссинеска (описывают движение тёплой или холодной жидкости, учитывая разницу в плотности) и IPM-уравнениях (движение жидкости в пористых материалах). Эти модели помогают объяснять процессы от океанских течений до фильтрации нефти, но давно оставались загадочными. С помощью нейросетей PINNs (Physics-Informed Neural Networks) исследователи нашли новые типы этих «сбоев» и закономерности в том, как они развиваются. Точность вычислений оказалась почти идеальной - сравнимой с машинными расчетами. Главный вывод: ИИ может стать инструментом для решения фундаментальных проблем физики и математики, включая знаменитые уравнения Навье-Стокса, за разгадывание которых назначена премия в миллион долларов. Deepmind ✔️ Compute as Teacher: новый способ обучать модели без «правильных ответов» Исследователи представили метод Compute as Teacher (CaT), который позволяет улучшать языковые модели, даже если у задачи нет готового эталонного ответа. Идея проста - вместо того чтобы искать «истину», модель сама становится своим учителем. Для этого она многократно решает одну и ту же задачу, создавая разные варианты ответа. Затем специальный механизм выбирает из этих вариантов наиболее обоснованный - и использует его как новую цель для обучения. Метод работает в двух сценариях. Для задач, где результат можно проверить программно (например, в математике), CaT автоматически оценивает правильность. Для более сложных случаев используется другая LLM-судья, которая задаёт правила оценки (rubrics). Результаты впечатляют: точность на математическом бенчмарке MATH-500 выросла на +27%, а на HealthBench - на +12%. В дообученной версии CaT-RL улучшения достигли +30–33%. Главное - CaT снижает зависимость от больших размеченных датасетов и открывает путь к более универсальному и доступному обучению моделей. Это шаг к тому, чтобы ИИ сам помогал себе становиться умнее. alphaxiv ✔️Команда Magistral представила обновлённые версии своих моделей — Magistral Small 1.2 и Magistral Medium 1.2. Это эволюция прошлой линейки 1.1 с акцентом на мультимодальность и практическую производительность. Теперь модели умеют работать не только с текстом, но и с изображениями благодаря встроенному vision-энкодеру. Рост точности прирост +15% на бенчмарке по математике и коде (AIME 24/25 и LiveCodeBench v5/v6). Улучшена работа с веб-поиском, интерпретатором кода и генерацией изображений. Стиль ответов - более естественный тон, ясность изложения и улучшенное форматирование. Magistral продолжает развивать свои открытые модели, предлагая всё более удобные и универсальные инструменты для работы с текстом, кодом и картинками. Обновление 1.2 делает их ещё ближе к «швейцарскому ножу» в мире ИИ. HF @ai_machinelearning_big_data #news #ai #ml

🎥 Ray3 — новая модель генерации видел от Luma AI Это первая reasoning-модель для видео: она не только генерирует контент, но и «понимает» задачи, анализирует, исправляет себя и создаёт генерации студийного уровня. Можно попробовать бесплатно Dream Machine. 🔥 Что умеет Ray3: - Черновой режим (Draft Mode) - позволяет быстро создавай креативы и генерирвать сцены, а потом выводить их в 4K HDR качества. - Reasoning — модель понимает язык и визуальные команды, строит логику движения и компоновки, умеет «думать» о том, что генерирует. - Визуальные пометки - можно нарисовать стрелку или кружок на кадре, и Ray3 поймёт, куда двигать камеру или объект. - Физика и реализм — симуляции движения, толпы, анатомия, свет, отражения, размытость в движении. - HDR-видео — вывод в 10, 12 и 16-бит HDR с яркими цветами, деталями в тенях и бликах, экспорт в EXR для пост-продакшна. ⚡️ Что интереснее - Генерация видео стала в 5 раз быстрее и дешевле. - Можно работать как художнику или режиссёру: пробовать идеи на лету, потом доводить до продакшн-уровня. - Выдает очень высокое качество 🟠 Подробнее: http://lumalabs.ai/ray3 @ai_machinelearning_big_data #Ray3 #LumaAI #AIVideo #GenerativeAI #ReasoningAI

🤖 Demis Hassabis (Google DeepMind) о будущем робототехники ⦿ Гуманойдные формы могут оказаться ключевыми для повседневного и персонального использования — там, где среда создана под людей. А вот специализированные роботы будут незаменимы на производстве и в лабораториях. ⦿ В ближайшие пару лет нас ждёт «вау-момент» в робототехнике. Но фундаментальные модели пока требуют доработки: надёжности и более глубокого понимания реального мира. ⦿ DeepMind работает сразу в двух направлениях: - как с Android для роботов — универсальный слой ОС, совместимый с любым роботом; - и с вертикальной интеграцией - разработка конкретных роботов «под ключ». Идея проста: скоро роботы будут не только на заводах, но и рядом с нами — а управлять ими станет так же привычно, как смартфоном. 🟢Полное интервью: https://www.youtube.com/watch?v=Kr3Sh2PKA8Y @ai_machinelearning_big_data #DeepMind #Google #DemisHassabis #Robotics

📘 На Stepik вышел курс — «MLOps с нуля: как довести модель до продакшна» Начинаете путь в MLOps и хотите понять, как перевести ML-модель из ноутбука в реальный продукт? Этот курс — именно то, что нужно. 🔍 Что вы получите: • Понимание полного жизненного цикла ML-модели: от обучения до мониторинга • Практику с современными инструментами: Docker, Kubernetes, CI/CD, MLflow • Опыт построения воспроизводимых пайплайнов и управления экспериментами • Навыки автоматизации и работы с инфраструктурой для реального продакшна 🎓 Сертификат по завершении — добавьте его в резюме или профиль LinkedIn 🚀 Сделайте шаг к профессии MLOps-инженера. Начните уже сегодня и получите скидку 30%, которая действительна в течение 24 часов 👉 Пройти курс на Stepik

🖥 Большая сделка $NVDA и $INTC NVIDIA и Intel объявили о стратегическом партнёрстве сразу на несколько поколений продуктов. NVIDIA инвестирует $5 млрд в акции Intel по $23.28 за штуку, а совместные решения будут объединять x86-CPU от Intel и RTX-GPU от NVIDIA через NVLink. 🔹 ПК - Intel выпустит x86 SoC с интегрированными GPU-чиплетами NVIDIA RTX. - Это даст более плотную связку CPU+GPU, чем PCIe (Peripheral Component Interconnect Express) — это высокоскоростная шина, которая используется для соединения различных компонентов компьютера) 🔹 Дата-центры - Intel создаст кастомные x86-CPU специально для NVIDIA. - NVIDIA будет предлагать клиентам выбор: ARM или x86 в своих AI-платформах. - Это усиливает позиции NVIDIA и даёт Intel шанс вернуться в топ. 💰 Финансовая часть - NVIDIA покупает пакет акций Intel на $5 млрд. - Сделка - про продуктовую коллаборацию, а не про производство GPU на Intel Foundry. ⚡️ Почему это интересно: - Windows-ПК могут превратиться в полноценные AI-машины. - Для дата-центров появится выбор CPU-архитектуры, что расширяет рынок NVIDIA. - Для Intel — шанс доказать, что её CPU могут конкурировать в ключевых сегментах на рынке. ❓ Что остаётся за кадром - Когда именно выйдут продукты и на каких процессах их будут делать. - Детали NVLink: пропускная способность, топология памяти (DRAM ↔ HBM). - Как будет выглядеть софт: CUDA/драйверы на Windows/x86, поддержка Linux. - Как посчитают выручку: RTX-чиплеты в Intel-SoC и CPU в NVIDIA-платформах. Это огромный плюс для Intel и стратегическое расширение для NVIDIA. Если сделка произойдет, рынок ПК и дата-центров ждёт новая волна AI-систем. А вот $AMD и $ARM теперь будет куда сложнее конкурировать. @ai_machinelearning_big_data #NVIDIA #Intel #NVDA #INTC #AI #GPU

🎓 ChatGPT для студентов В одном месте собрано всё самое нужное в разделе “for Students”. Это готовые промпты и чаты в ChatGPT, которые помогают учиться, готовиться к экзаменам и даже строить карьеру. ✨ Что внутри: - Более 100 готовых шаблонов для колледжа и университета. - Категории: Учёба, Карьера, Жизнь. - Практика: редактировать курсовые, делать конспекты, готовить планы к экзаменам. - Карьера: советы по резюме, подготовка к собеседованиям. - Организация: составление расписания и чек-листов. 🟠Попробовать можно здесь https://chatgpt.com/use-cases/students @ai_machinelearning_big_data #ChatGPT #Students #Учёба

🦠 AI нацчился создавать вирусы, убивающие бактерии Учёные из Stanford и Arc Institute показали, что генеративные модели способны проектировать полноценные геномы вирусов. И не просто на бумаге - синтезированные последовательности успешно заразили бактерии. 🧬 Впервые ИИ доказал, что может предлагать не только отдельные мутации или белки, а целые геномные архитектуры с рабочими генами и правильным порядком их расположения. Как это получилось: - Обучили Evo-модель на 2 млн геномов фагов. - Модель научилась распознавать закономерности, при которых генетический набор остаётся жизнеспособным. - Вместо копирования известных решений ИИ предлагал новые комбинации: добавленные или усечённые гены, перемешанный порядок. - Синтезированные цепочки внедрили в E. coli, и те показали классический результат заражения - «пятна» на бактериальной культуре. Проектирование целых геномов - крайне сложная задача. Большинство случайных вариантов нежизнеспособны, ведь нужно учесть промоторы, кодирующие области, рамки считывания и правила упаковки. 🟠Что дальше: - В краткосрочной перспективе такой подход может ускорить разработку фаготерапии и векторов для генной терапии. - Но масштабирование до клеточных организмов будет намного сложнее - ДНК E. coli в 1000 раз больше, а запуск клетки с «голой ДНК» невозможен. Один из авторов, студент Samuel King, предупреждает: >

«У этой технологии огромный потенциал. Но любые эксперименты с опасными вирусами вроде оспы или сибирской язвы вызывают серьёзные опасения».

🟢 Подробнее: https://www.technologyreview.com/2025/09/17/1123801/ai-virus-bacteriophage-life/ @ai_machinelearning_big_data #ai #ml #biotech

Применять навыки ML и анализа больших данных всегда интереснее в реальном деле. Overnight Finance Challenge — твой шанс проверить силу собственной модели на реальных данных и превратить алгоритмы в $2500. Это соревнование по прогнозированию курса ETH/USDC, организованное DeFi-протоколом Overnight.fi, разрабатывающим дельта-нейтральные стратегии, – отличная возможность попробовать себя в мире криптофинансов! Призовой фонд – $2,500, $1,500, $1,000 за три лучшие модели. Участвовать можно индивидуально или в команде. 👉 Все подробности тут: https://linkly.link/2F5s1 👉 Ссылка на регистрацию там же

✔️ DeepSeek-R1: прорыв в обучении ИИ рассуждению без человеческих примеров В журнале Nature опубликована работа о новой модели DeepSeek-R1, которая показывает, что LLM можно научить рассуждать без заранее подготовленных человеческих подсказок. Обычно для обучения таким системам используют «цепочки мыслей» — примеры пошагового рассуждения, составленные людьми. В DeepSeek-R1 от этого отказались: модель получает единственную награду — правильный конечный ответ. Для обучения применили алгоритм Group Relative Policy Optimization (GRPO). С его помощью базовая версия, названная DeepSeek-R1-Zero, постепенно сама научилась стратегиям проверки своих решений, рефлексии и смены подхода в зависимости от задачи. Иными словами, система начала вырабатывать собственные приёмы мышления, а не копировать человеческие. Результаты впечатляют. На математическом бенчмарке AIME точность выросла с 15% на старте до 78% после обучения, а с использованием механизма самопроверки — до 87%. Это выше среднего результата реальных участников. В задачах программирования и тестах по STEM-дисциплинам DeepSeek-R1 также обогнал сопоставимые по размеру модели и даже приблизился к гораздо более крупным системам. Более компактные версии, созданные методом дистилляции, сохраняют большую часть этих возможностей. Есть и недостатки: модель иногда пишет менее читаемые ответы, смешивает языки и пока что хуже работает в областях за пределами логики и математики. Но сам подход доказывает: ИИ способен учиться рассуждать без дорогой и трудоёмкой разметки данных. Этот прорыв открывает новый этап развития искусственного интеллекта. В будущем такие модели смогут самостоятельно находить эффективные пути решения задач, что особенно важно для науки, инженерии и образования. DeepSeek-R1 показывает, что «чистое подкрепление» может стать реальной альтернативой традиционному обучению с человеческими примерами. nature ✔️ OpenAI и Google показали рекордные результаты на ICPC Programming Contest Сразу две компании — OpenAI и Google — сообщили о победах на престижном международном соревновании по программированию ICPC. По данным инсайдов, их модели впервые показали уровень, сопоставимый с лучшими командами из людей, и даже превзошли их. Команда OpenAI заявила, что их модель решила 12 из 12 задач. Из них GPT-5 с первой попытки справился с 11 заданиями, а самое сложное было закрыто с помощью ещё не представленной reasoning-модели, которая также направляла решения по другим задачам. Это фактически идеальный результат, который ранее был недостижим даже для лучших университетских команд. Google выступил с собственным достижением: продвинутая версия Gemini 2.5 Deep Think решила 10 из 12 задач и, по заявлениям компании, справилась хотя бы с одной задачей, которую не смогла решить ни одна из команд людей. Это указывает на то, что новые архитектуры начинают находить нестандартные ходы, которые выходят за пределы привычного человеческого опыта. Если данные подтвердятся, ICPC 2025 войдёт в историю как момент, когда модели искусственного интеллекта впервые официально обошли лучшие команды программистов-людей в соревновании мирового уровня. Это событие может стать переломным: теперь ИИ рассматривается не просто как ассистент, а как полноценный участник и даже лидер в задачах, требующих абстрактного мышления, алгоритмического анализа и математической строгости. Такие достижения поднимают новые вопросы: стоит ли ИИ допускать к соревнованиям наравне с людьми, как использовать его для обучения программистов и где пройдёт граница между «человеческой» и «машинной» интеллектуальной работой. Одно ясно — в мире алгоритмов начинается новая эра, и ICPC стал её яркой отправной точкой. ✔️ IBM выпустила Granite-Docling-258M — «швейцарский нож» для работы с документами IBM представила granite-docling-258M — компактную модель, которая совмещает несколько функций: это не только конвертер документов, но и система для вопросно-ответных задач по содержимому файлов. Модель поддерживает несколько языков и распространяется под лицензией Apache 2.0. HF @ai_machinelearning_big_data #news #ai #ml

⚡️ Ling-flash-2.0 теперь в открытом доступе! ⚡️ Модель на 100B параметров, но задействовано всего ≈6.1B активных, что делает модель очень экономной в вычислительной нагрузке. 🚀 Чем хороша Ling-flash-2.0 - Обучена на более чем 20 триллионах токенов с до-обучением и RL-этапами. - Демонстрирует state-of-the-art производительность среди плотных моделей до 40B параметров. - Особенно хороша в сложном рассуждении, генерации кода и задачах с фронтендом. ⚙️ Архитектура и эффективность - MoE-архитектура с активированием лишь части параметров (activation ratio 1/32). - Много технических фишек: продвинутое распределение экспертов, баланс внимания, схема маршрутизации без вспомогательных потерь и др. - На железе H20 модель генерирует 200+ токенов в секунду - в 3× быстрее по сравнению с плотной моделью 36B. - Поддерживает контексты до 128K токенов (с YaRN). https://huggingface.co/inclusionAI/Ling-flash-2.0 @ai_machinelearning_big_data #moe #llm #ml #ai #opensource

Qwen-ASR Toolkit — мощный Python CLI для быстрой транскрипции длинных аудио и видео Эта утилита снимает ограничение API Qwen-ASR (бывший Qwen3-ASR-Flash) в 3 минуты и позволяет расшифровывать часы контента. Достигается это за счёт умного разбиения записи и параллельной обработки. Основные возможности: - Снятие лимита в 3 минуты — транскрибируй файлы любой длины - Умное разбиение (VAD — это технология, которая определяет, где в аудио есть речь, а где — пауза или шум.) - деление по естественным паузам, без - Высокая скорость — многопоточность и параллельные запросы к API - Автоматический ресемплинг — конвертация в нужный формат 16kHz mono - Поддержка любых форматов — MP4, MOV, MKV, MP3, WAV, M4A и др. - Простота — запуск одной командой через CLI Как это работает: 1. Загрузка файла (аудио или видео) 2. Анализ звука с помощью VAD для поиска пауз 3. Разделение на части < 3 минут без обрывов предложений 4. Параллельные запросы к Qwen-ASR API 5. Сбор и сохранение итоговой транскрипции Установка:

pip install qwen3-asr-toolkit  

🔗 GitHub: https://github.com/QwenLM/Qwen3-ASR-Toolkit @ai_machinelearning_big_data #asr #speech2text #qwen #opensource #nlp #toolki

Канал о серверной и облачной инфраструктуре для ИИ. Подписывайся на Telegram-канал HOSTKEY — здесь вы найдете: 🔹тесты производительности и бенчмарки GPU-карт и серверного «железа» 🔹новости рынка и технологий 🔹лайфхаки и инструкции по интеграции ИИ в проекты 🔹практические советы для разработчиков и бизнеса 🔥 Последние популярные публикации канала: 🔹 Сравнение NVIDIA RTX 6000 Blackwell 96 ГБ с RTX 5090, A5000 и H100 в задачах LLM и генерации видео — результаты удивляют! 🔹Тестирование NVIDIA GeForce RTX 5090 в задачах ИИ. 🔹10 советов по Open WebUI, которые помогут в работе с нейросетями. 🔹Как добавить генерацию изображений через ComfyUI в Open WebUI. 🎁 А еще мы каждый месяц разыгрываем Telegram Premium среди подписчиков! Если вы работаете с ИИ и нейросетями — вам точно будет интересно и полезно!  Подписывайтесь!  #реклама О рекламодателе

✔️ Google представила AP2 — протокол для безопасных платежей через AI-агентов Google объявила о запуске открытого протокола Agent Payments Protocol (AP2), созданного для того, чтобы AI-агенты могли безопасно совершать покупки от имени пользователей. Сегодня большинство платёжных систем рассчитаны на прямое участие человека, но с ростом автономных агентов возникает потребность в стандартах, которые обеспечат доверие, прозрачность и защиту от ошибок или мошенничества. AP2 решает эту задачу с помощью криптографически подписанных «мандатов» — цифровых разрешений, которые фиксируют права агента на выполнение конкретных действий. Протокол поддерживает как покупки в реальном времени (например, агент собирает корзину, а пользователь подтверждает), так и делегированные задания вроде «купить билеты при появлении» с заданным бюджетом и сроками. В систему интегрированы разные способы оплаты: карты, банковские переводы в реальном времени и стабильные цифровые валюты. К разработке AP2 присоединились более 60 компаний, среди которых American Express, Mastercard, PayPal, Revolut и Coinbase. Инициатива строится на расширении стандартов Agent2Agent и Model Context Protocol. google ✔️ Лаборатория Tongyi Lab (Alibaba Group) представила Tongyi DeepResearch – новый открытый агент для работы в вебе. Агент использует всего 30 B параметров (3 B активны), он показывает результаты на уровне коммерческих моделей, таких как OpenAI o3. На бенчмарке Humanity’s Last Exam агент набрал 32.9 балла (против 24.9 у OpenAI o3). Также он набрал 45.3 в BrowseComp и 75.0 в xbench-DeepSearch. Это говорит о его способности эффективно искать и анализировать данные. Модель обучается с помощью подкрепления в реальных и симулированных условиях. Данные создаются автоматически, без дорогих ручных аннотаций. Есть режимы ReAct и Heavy Mode, где несколько агентов работают параллельно, а итоги синтезирует финальный модуль) https://tongyi-agent.github.io. ✔️ Unitree выпустила первый open-source world-model на Hugging Face Компания Unitree представила свою первую открытую архитектуру world-model–action под названием UnifoLM-WMA-0, доступную на платформе Hugging Face. Это универсальная система для обучения роботов, охватывающая разные типы робототехнических тел и ориентированная на задачи общего назначения. В основе проекта — world-model, способный понимать физические взаимодействия роботов с окружающей средой. Он выполняет две ключевые функции: - Simulation Engine — работает как интерактивный симулятор и генерирует синтетические данные для обучения. - Policy Enhancement — соединяется с модулем действий и, предсказывая будущие процессы взаимодействия, повышает качество принятия решений. HF ✔️ OpenAI возвращается в робототехнику OpenAI тихо формирует новое подразделение, сосредоточенное на «универсальной робототехнике». Компания нанимает специалистов по управлению гуманоидными роботами, телеприсутствию и быстрому прототипированию оборудования. Вакансии упоминают симуляцию Nvidia Isaac, разработку тактильных сенсоров и опыт массового производства — это может означать, что OpenAI планирует создавать или глубоко дорабатывать собственных роботов. После сворачивания проектов в 2021 году ради фокуса на языковых моделях, OpenAI снова поворачивается к физическому миру. Теперь цель компании — обучать ИИ не только понимать текст, но и действовать в реальности, что рассматривается как необходимый шаг к созданию AGI. Новость @ai_machinelearning_big_data #news #ai #ml

🧠 Илья Суцкевер: ИИ со временем заменит весь человеческий труд Сооснователь OpenAI Илья Суцкевер заявил, что в ближайшие годы искусственный интеллект сможет выполнять не только отдельные задачи, но буквально всё, что способен человек. По его словам, ключ к пониманию прост: наш мозг — это биологический компьютер. Если биологический компьютер справляется с обучением и решением задач, то нет причин, по которым цифровой компьютер не сможет достичь того же. Суцкевер уверен: день, когда ИИ будет способен делать 100% человеческой работы, неизбежно наступит — вопрос лишь в скорости этого процесса. 🟠 Полное интервью: https://www.youtube.com/watch?v=zuZ2zaotrJs @ai_machinelearning_big_data #AI #ArtificialIntelligence #IlyaSutskever #OpenAI

Яндекс открыл прием заявок на международный чемпионат по программированию Yandex Cup. Призовой фонд — 12 млн рублей! Чемпионат проходит уже в 8 раз. В этом году к международным трекам добавили направление ML-разработки. Задачи ML-трека, как и «Алгоритма», будут доступны на английском и русском языках. Всего участникам доступны шесть направлений: аналитика, фронтенд-, бэкенд- и мобильная разработка, машинное обучение и алгоритм. 20— 29 октября пройдет пробный тур, а уже 2 ноября состоится квалификация, по итогу которой лучшие участники каждого направления пройдут в финал. Отборочный тур по машинному обучению пройдет с 15 октября по 5 ноября. Финал и церемония награждения пройдут 5-7 декабря в Стамбуле. Призовой фонд будет разыгран среди участников основного трека и юниоров. Лучшие разработчики каждого направления получат возможность пройти собеседование в Яндекс по упрощенной схеме. Зарегистрироваться на Yandex Cup можно до 29 октября на сайте чемпионата.

🔥 Как реально выбирают LLM в 2025 — исследование LLM Arena Интересный опрос практиков (инженеров, ML-учёных, AI-продуктов) - как сегодня на самом деле выбирают языковые модели (LLM), что важнее: бенчмарки или собственные тесты, цена/скорость/качество, и чего не хватает в информации по моделям. 📊 Ключевые выводы - 82,2% респондентов проводят собственные тесты; бенчмарки — лишь ориентир, не решение. - 26,7% вообще не пользуются бенчмарками. - В центре внимания: баланс качество / цена / скорость, устойчивость (без галлюцинаций), соответствие инфраструктуре. 👥 Участники опроса - 45 практиков с опытом работы с LLM-продуктами; все участники — профессионалы. - ML/AI Инженеры, Data Scientists, AI-строители, и менеджмент. 🔑 Что ищут и какие сигналы важны: - Часто оценивают обсуждаемость модели в статьях/сообществе; практическое применение в похожих продуктах. - Обращают внимание на число скачиваний и звёзд на Hugging Face / GitHub. - Хотят больше данных о требованиях к железу, лицензиях, локальной работе, графиках “цена vs качество”, “скорость vs качество”. ⚠️ Проблемы & доверие - Многие не доверяют существующим бенчмаркам из-за методологических проблем (train/test leakage, нерелевантность задач). - Лабораторные условия часто сильно отличаются от продакшн. - Нехватка отзывов по реальным сценариям и использованиям. При выборе LLM важнее собственные тесты и контекст задач, чем рейтинги. Специалисты хотят поточечных данных: про лицензии, требования к железу, latency, стоимость. Инициатор исследования Роман Куцев - фаундер и CEO LLM Arena, публикуют много интересного у себя в блоге. Для тех, кто строит LLM-продукты, полезно: - Не ориентироваться только на чужие бенчмарки. - Собирать метрики в собственных условиях — на реальных данных. - Открыто показывать, что работает, а что — нет, в документации и обсуждениях. 🟢 Полное исследование: https://research.llmarena.ru/ #LLM #AI #ИИ #LLMArena #исследование #нейросети #benchmarks

Оживи робота своим алгоритмом и поборись за призовой фонд в 10 250 000 рублей на True Tech Champ 2025. True Tech Champ 2025 — это третий всероссийский чемпионат по программированию от МТС с онлайн-этапами отбора и грандиозным шоу-финалом в Москве. Тебя ждут два трека — выбирай: I. Алгоритмический [призовой фонд 2 750 000 рублей]. Если классический олимпиадный формат — твоя стихия, этот трек для тебя. Блесни математическими навыками, покажи скилы в работе со структурами данных и написании алгоритмов — и окажись выше соперников в турнирной таблице. II. Программирование роботов [призовой фонд 7 500 000 рублей]. Запрограммируй робота на скоростное прохождение лабиринта в симуляторе и пройди в финал. На финале участники встретятся офлайн и сразятся на четырех уровнях с полосой препятствий, вспышками света, лазерами и другими препятствиями. Трек будет интересен начинающим и опытным разработчикам: С++, Go, Python, JS, Java, C# и не только. Подробности на сайте. Регистрация открыта до 20 октября.

⚡️ Релиз Hunyuan3D 3.0 Новая версия обеспечивает в 3 раза более высокую точность 3d-генерации , геометрическое разрешение 1536³ и 3.6 миллиарда вокселей для создания моделей с ультра-HD детализацией. Ключевые улучшения: ▪ Генерация лиц с реалистичными контурами и естественными позами, что делает модели максимально правдоподобными. ▪ Точная реконструкция сложных структур из изображений благодаря многоуровневой стратегии генерации, позволяющей улавливать скрытые детали. ▪ Повышенная чёткость и профессиональная детализация: улучшенное качество текстур и корректное выравнивание для визуализаций, близких к оригинальному дизайну. Доступен бесплатный доступ через Hunyuan 3D AI Engine (20 генераций). Решение интегрировано в Tencent Cloud API. Попробовать можно здесь: https://3d.hunyuan.tencent.com @ai_machinelearning_big_data #Hunyuan3D #Tencent #3Dmodeling #AI #UltraHD

Продуктивная пятница для тех кто в теме Java и ML – приходите на VK JT Meetup! 3 октября VK проводит VK JT Meetup в Нижнем — офлайн-встречу ML-инженеров и Java-разработчиков. Лиды VK расскажут про вызовы перед бэкендером, которые возникают в процессе создания B2B-продукта. А также поделятся пошаговым гайдом по выпуску RAG в прод и процессом создания единой инфраструктуры поисковой платформы. А после докладов вас ждут командные кейс-батлы и нетворкинг. Приходите посоревноваться за призы в кейс-батле и пообщаться с экспертами в нетворкинг-зоне. 📍 Нижний Новгород, только офлайн 📅 3 октября, сбор с 18:00 🎟 Вход по регистрации