Machine learning Interview

🤖 GaussGym: обучайте роботов ходить прямо из пикселей — быстро, фотореалистично и открыто Представлен GaussGym - open-source фреймворк для симуляции роботов, который впервые объединяет высокую скорость и фотореалистичное зрение. С помощью 3D Gaussian Splatting, встроенного как drop-in рендерер в векторизованные симуляторы (например, IsaacGym), GaussGym позволяет обучать визуомоторные политики на основе RGB-изображений со скоростью свыше 100 000 шагов в секунду — даже на одной RTX 4090. 🔹 Создавайте тренировочные миры из видео с iPhone, датасетов (GrandTour, ARKit) или генеративных видео (например, через Veo) 🔹 Автоматически стройте физически корректные сцены с помощью VGGT и NKSR — без ручного 3D-моделирования 🔹 Тренируйте политики навигации и локомоции прямо из пикселей, а затем переносите их в реальный мир без донастройки (zero-shot sim2real) — авторы уже продемонстрировали восхождение робота по 17-см ступенькам 🔹 Поддержка глубины, motion blur, рандомизации камеры и других реалистичных эффектов для лучшего переноса Всё это — полностью открыто: код, данные, модели и даже готовые датасеты на Hugging Face. GaussGym стирает компромисс между скоростью и реализмом в робототехнике — и делает обучение роботов изображениям действительно масштабируемым. 🔗 Демо: https://escontrela.me/gauss_gym/ 📄 Paper: https://arxiv.org/abs/2510.15352 💾 Data: https://huggingface.co/collections/escontra/gauss-gym-datasets 💻 Code: https://github.com/escontra/gauss_gym

🔥 Вот такое мы любим: практический интенсив под реальные задачи LLM. LLM Scaling Week от ШАДа и Яндекс Образования. Вам расскажут о том, как ещё сильнее ускорять обучение и инференс LLM, снижать затраты на GPU и максимально эффективно масштабировать проекты. — Разберетесь в коммуникации в распределенном обучении и инференсе — Познакомитесь и попрактикуетесь в современных подходах к увеличению эффективности обучения LLM: от FP8 и Triton до параллелизмов и Mixture of Experts — Погрузитесь в арифметику глубокого обучения — Изучите кейсы и поймете принципы, как не сжигая бюджет перейти с одной до десятка GPU В итоге научитесь масштабировать, ускорять модели и получите навыки, которые можно сразу применять в проектах. Участие в LLM Scaling Week в конце ноября бесплатное, но нужно зарегистрироваться. Сейчас самое время — ссылка

🤖 Многоагентная система кодинга Этот проект представляет собой многоагентную ИИ-систему, которая использует оркестратор для координации работы исследовательских и кодирующих агентов. Оркестратор разбивает задачи на подзадачи и управляет процессом, обеспечивая стратегический подход к решению задач. 🚀 Основные моменты: - Достижения: 12-е место в TerminalBench, превосходя Claude Code. - Оркестратор управляет делегированием и верификацией задач. - Агенты работают с уникальными контекстами и инструментами. - Инновационный подход к совместному использованию знаний через контекстный хранилище. 📌 GitHub: https://github.com/Danau5tin/multi-agent-coding-system #python

⚙️ Yandex Cloud удвоил выручку от ИИ-сервисов За девять месяцев 2025 года совокупная выручка облачных и on-premises ИИ-сервисов Yandex Cloud достигла 1,5 млрд ₽ — в два раза больше, чем за тот же период прошлого года. Рост обеспечен высоким спросом бизнеса на генеративные модели, ML-сервисы и инструменты для создания собственных AI-решений. Всё это объединено в единую платформу Yandex AI Studio, где компании могут за несколько часов собрать собственного AI-агента и встроить его в продукт. Помимо облака, активно растёт on-premises-направление: YandexGPT, SpeechKit и SpeechSense теперь доступны для развёртывания прямо в инфраструктуре клиента — это важно для компаний, где критична безопасность данных и контроль над моделью. В третьем квартале также усилилось направление кибербезопасности: сервисами ИБ пользовался каждый четвёртый коммерческий клиент, а выручка в этом сегменте выросла в 2,5 раза год к году. Кроме того, Yandex B2B Tech создал совместное предприятие с SolidSoft, чтобы укрепить защиту бизнес-инфраструктуры и ускорить развитие ИБ-сервисов в облаке.

🧠 ИИ теперь не только создаёт знания — он их спасает Издательская группа Frontiers сообщила: около 90% научных данных никогда не переиспользуются и не публикуются должным образом. Иными словами, большинство открытий исчезает в цифровом небытии. Чтобы это изменить, Frontiers запустила платформу на базе ИИ, которая - сканирует забытые исследования, - систематизирует данные, - и связывает их между собой, превращая «потерянные» результаты в новые открытия. 💡 Наука тонет в данных — и теперь именно ИИ помогает достать их на поверхность. https://www.sciencedaily.com/releases/2025/10/251013040314.htm

⚡️ vLLM представила режим Sleep Mode для мгновенного переключения моделей В публикации на блоге vLLM описан новый режим работы - Sleep Mode - который позволяет резко ускорить переключение между языковыми моделями. Традиционные методы требуют либо держать обе модели загруженными (что удваивает нагрузку на GPU), либо перезагружать их по очереди с паузой в 30–100 секунд. Sleep Mode предлагает третий вариант: модели «усыпляют» и «просыпают» за считанные секунды, сохраняя уже инициализированное состояние. Доступны два уровня сна: уровень 1 - веса сбрасываются на RAM, быстрый подъём, но требуется много оперативной памяти; уровень 2 - веса выгружаются полностью, минимальное использование RAM, подъём чуть медленнее. Оба уровня дали прирост производительности: переключения моделей стали от 18 до 200 раз быстрее, а время инференса после пробуждения - на 61–88 % выше, поскольку сохраняется память процессов, CUDA-графы и JIT-компиляция. Sleep Mode идеально подходит для сценариев с частым использованием разных моделей и делает практичным мульти-модельное обслуживание даже на GPU среднего уровня - от A4000 до A100. Блог: https://blog.vllm.ai/2025/10/26/sleep-mode.html

🖼️ Комикс-атакa на мультимодальные модели: простой сюжет превращается в jailbreak Недавняя публикация показывает, как последовательные комиксы могут обойти защиту даже у топовых мультимодальных моделей. Они достигают успеха атаки в среднем 83.5%, что примерно на 46% выше предыдущих визуальных методов. Вот как это работает: - Опасный запрос разбивается на маленький рассказ, по кадрам - комикс. - Каждый кадр сам по себе безопасен: персонаж находит инструмент, планирует, действует. - Модель, способная видеть и читать, смотрит все кадры и пытается понять сюжет. - Она соединяет шаги, восстанавливает скрытое значение, которого нет явно. - В конце модель невольно восстанавливает полную вредоносную инструкцию, спрятанную между строк и картинками. Почему это проходит защиту? Потому что фильтры безопасности проверяют каждое изображение отдельно, а не весь рассказ целиком. Так что каждый кадр выглядит безопасным, но когда модель «собирает историю», она воспроизводит запретный контент. 📄 Подробнее читай: arxiv.org/abs/2510.15068

🚀 ModelOpt: NVIDIA TensorRT Model Optimizer Опенсорс-тулкит для ускорения моделей прямо в продакшене ⚡ ✨ Возможности: • Оптимизация end-to-end: quantization, pruning, distillation, speculative decoding, sparsity • Поддержка Hugging Face, PyTorch, ONNX моделей • Интеграция с NeMo, Megatron-LM, HF Accelerate • Деплой в SGLang, TensorRT-LLM, TensorRT, vLLM 🔗 Репозиторий: https://github.com/NVIDIA/TensorRT-Model-Optimizer @machinelearning_interview

📘 На Stepik вышел курс — «ML-инженер: от первой модели до продакшена» Хотите не просто натренировать модель в ноутбуке, а довести её до реального продукта? Этот курс — полный путь от основ до production. • Математика и Python: линейная алгебра, статистика, NumPy, Pandas, визуализация (Matplotlib, Seaborn, Plotly) • Классика ML: регрессия, KNN, деревья решений, Random Forest, SVM, Naive Bayes • Ансамбли: XGBoost, LightGBM, CatBoost, подбор параметров (Optuna, Hyperopt), MLflow • Deep Learning: PyTorch и TensorFlow/Keras, CNN, RNN/LSTM, Attention, Transfer Learning • Работа с данными: парсинг (BeautifulSoup, Scrapy), SQL/API, feature engineering • Продвинутые задачи: рекомендательные системы, временные ряды (ARIMA, Prophet), SHAP и LIME • MLOps: FastAPI, Docker, деплой в облако, мониторинг моделей • Подготовка к собеседованиям: технические вопросы, системный дизайн, SQL, портфолио 🎓 Сертификат — добавьте в резюме или LinkedIn 🚀 Скидка 25%, действует 48 часов 👉 Пройти курс на Stepik

📘 На Stepik вышел курс — «DevOps-инженер: От основ до продакшена» Хотите автоматизировать деплой, управлять инфраструктурой как кодом и выстраивать надёжные CI/CD процессы? Этот курс — полный путь DevOps-инженера. • CI/CD: Jenkins, GitLab CI/CD, GitHub Actions, стратегии развёртывания (Blue-Green, Canary), rollback • Контейнеризация: Docker (образы, Compose, networking), Podman, оптимизация и безопасность контейнеров • Kubernetes: архитектура, Pods, Services, Deployments, Helm, RBAC, Service Mesh (Istio/Linkerd) • Infrastructure as Code: Terraform, Ansible (playbooks, vault), Packer, ArgoCD и Flux для GitOps • Облака: AWS (EC2, EKS, Lambda), GCP, Azure, Yandex Cloud, cost optimization• Мониторинг: Prometheus, Grafana, ELK Stack, Jaeger, OpenTelemetry, SLI/SLO/SLA • Безопасность: SAST/DAST, Vault, Zero Trust, Policy as Code, incident response • Продакшен практики: High Availability, Disaster Recovery, Chaos Engineering, on-call management 🎓 Сертификат — добавьте в резюме или LinkedIn 🚀 Скидка 25%, действует 48 часов 👉 Пройти курс на Stepik

🚀 Mistral AI Studio: новая платформа для «ИИ-в продакшн» Mistral AI Studio позиционируется как «платформа для производства ИИ»: с тремя основными столпами: Observability, Agent Runtime и AI Registry. ✅ Основные функции Observability: подробный просмотр трафика, фильтры, анализ ошибок, сбор данных об использовании. mistral.ai Agent Runtime: запусне агентов , повторением, трассировкой, в гибкой среде, включая гибридные и on-prem решения. mistral.ai AI Registry: единый реестр моделей, наборов данных, инструментов и рабочих процессов с версионированием, аудиторией, контролем доступа. mistral.ai 🎯 Для кого и с чем Для корпоративных ИИ-команд, которым нужно не просто протестировать модель, а внедрить её как системный компонент бизнеса. Решает задачу перехода от “эксперименты” к “делаем работу на регулярной основе, контролируемо, безопасно”. https://mistral.ai/news/ai-studio

🧱 Что если собирать 3D-модели так же легко, как конструктор LEGO? Давно у нас не было интересных моделей для генерации 3D-объектов, как раз вышла новая SOTA - OmniPart. Вместо того чтобы генерировать объект целиком (и надеяться, что он не выйдет «слипшимся»), OmniPart: 1. ПОзвоялет задавать структуру - где будут ножки у стула, спинка, подлокотники и т.д. 2. Затем модель генерирует каждую часть отдельно, но с учётом общей формы и стиля. 3. Собирает всё в единый, согласованный 3D-объект. 🔹 Моделька поддерживает кастомные макеты можно задаёте, задавать различные части и где должны быть. 🔹 Даёт точный контроль над каждой деталью (цвет, форма, материал). 🔹 Показывает лучшее в классе качество (SOTA) за счёт семантического разделения и структурной е. 📚 Детали • Статья: arXiv:2507.06165 • Проект: omnipart.github.io • Код: github.com/HKU-MMLab/OmniPart • Демо: Hugging Face Spaces #3D #генеративныйИИ #компьютерноезрение #OmniPart #искусственныйинтеллект

🫶 Спрос на ML-стажёров в Яндексе вырос в полтора раза за 2024 год. Руководитель направления по работе с молодёжью Марина Максимова рассказывает о главных трендах в наших стажировках в yet another podcast. А набор на стажировки у нас идёт круглый год. ↘️ Чтобы подготовиться к техническому собеседованию, пройдите наши Тренировки по алгоритмам. Это бесплатные онлайн-интенсивы по алгоритмам и машинному обучению, на которых вы слушаете лекции и решаете задачи. Тренировки бесплатные и не требуют пройти вступительные испытания. 👀 Забустите Яндекс

📚 Perplexity выпустили мощный гайд - 43 страницы чистой пользы по работе с ИИ. Если хотите выжать максимум из нейросетей — будь то Perplexity, ChatGPT или любой другой чат-бот — этот гайд для вас. Внутри: ✅ Готовые промпты ✅ Пошаговые сценарии ✅ Практические воркфлоу ✅ Реальные кейсы автоматизации рутинных задач Хотя примеры заточены под инструменты Perplexity, подавляющее большинство советов универсальны и сработают в любом ИИ-ассистенте. 🔥 Сохраняйте пригодится: https://r2cdn.perplexity.ai/pdf/pplx-at-work.pdf

💡 Together AI показали, как построить «Lovable Clone» с моделью Kimi K2 Гайд объясняет, как создать приложение на Next.js, которое по текстовому запросу генерирует готовое React-приложение — буквально «код по одной фразе». 🧩 В галке описаны основные шаги: - Создать простое UI с полем ввода запроса (*“Build me a calculator app…”*). - Реализовать API-роут /api/generateCode, который отправляет запрос к модели Kimi K2 через SDK Together AI. - Использовать system prompt, чтобы модель возвращала только код, без комментариев. - Встроить Sandpack или аналог для выполнения кода прямо в браузере. - Добавить стриминг, чтобы пользователь видел, как код появляется в реальном времени. https://docs.together.ai/docs/how-to-build-a-lovable-clone-with-kimi-k2

🎙️ VoxCPM: Инновационная TTS-система для реалистичной генерации речи VoxCPM — это передовая система синтеза речи без токенизации, обеспечивающая контекстно-осознанное создание речи и точное клонирование голоса. Она использует диффузионную архитектуру для генерации непрерывных представлений речи, что позволяет достичь высокой выразительности и стабильности. 🚀Основные моменты: - Контекстно-осознанная генерация речи с естественной интонацией. - Точное клонирование голоса с минимальным количеством образцов. - Высокая эффективность синтеза, поддержка потоковой передачи. 📌 GitHub: https://github.com/OpenBMB/VoxCPM #python

Знаешь то чувство, когда код пишется сам, музыка в наушниках ложится на ритм клавы, а баги исчезают как по волшебству? Пробелка тоже знает! 🗯 🔜 25 октября в Новосибирске на конференции "Импульс Т1" мы будем на одной волне. Приходи послушать топовых спикеров, прокачать скиллы и пощелкать орешки знаний вместе с Пробелкой. ‼️ Пока конфа не началась — лови вайбы Импульса в нашем чат-боте: квизы, стикерпак и розыгрыш призов уже ждут! Реклама. Информация о рекламодателе

Google опубликовала 150-страничный отчёт о Health AI Agents - 7 000 аннотаций, 1 100+ часов экспертов. Но главное - не метрики, а новая философия дизайна. Вместо монолитного *«Doctor-GPT»*, Google создаёт Personal Health Agent (PHA) - систему из трёх специализированных агентов: - Data Science Agent - анализирует носимые устройства и лабораторные данные - Domain Expert Agent - проверяет медицинские факты и знания - Health Coach Agent - ведёт диалог, ставит цели, добавляет эмпатию 🧩 Всё связывает оркестратор с памятью: цели, барьеры, инсайты пользователя. ⚡ Результаты - Превзошёл базовые модели на 10 бенчмарках - Пользователи предпочли PHA обычным LLM (20 участников, 50 персон) - Эксперты оценили ответы на 5,7–39 % лучше при сложных медицинских запросах ⚙️ Дизайн-принципы - Учитывать все потребности пользователя - Адаптивно комбинировать агентов - Не спрашивать данные, которые можно вывести - Минимизировать задержку и сложность 🧠 Протестированные сценарии - Общие вопросы о здоровье - Интерпретация данных (носимые устройства, биомаркеры) - Советы по сну, питанию, активности - Оценка симптомов (без диагноза) ⚠️ Ограничения и будущее - Медленнее одиночных агентов (244 с против 36 с) - Нужны аудит предвзятости, защита данных и регуляторное соответствие - Следующий шаг - адаптивный стиль общения: эмпатия ↔ ответственность 💡 Вывод Google показывает путь вперёд: не «супердоктор-бот», а модульные, специализированные агентные команды. Медицина — лишь первый тест. Дальше: финансы, право, образование, наука. Google 150 Health AI Agents: https://arxiv.org/pdf/2508.20148

Курс по практической ML-инженерии от лучшего просветительского проекта в GenAI 2025 Залетай в новый поток курса «Практическая ML-инженерия: MLOps и разработка проектов» от AI Talent Hub, ИТМО если хочешь: 1️⃣ Освоить стек MLOps: DVC, Airflow, MLflow, ClearML, W&B, FastAPI, PyTest, Docker, GitLab CI — ключевые инструменты для выведения ML-модели в продакшен. 2️⃣ Вырасти в грейде: обновить скилсет и перейти в практический ML 3️⃣ Пройти весь путь создания ML-продукта от идеи до релиза с поддержкой практиков из AI Talent Hub 4️⃣ Получить диплом ДПО ИТМО Продолжительность: 5 месяцев Формат: онлайн ➡️ Изучи программу и успей зарегистрироваться до 31 октября! AI Talent Hub — лучший просветительский проект в GenAI по версии Generation AI Awards 2025 Реклама. Университет ИТМО ИНН:7813045547

🚀 Nvidia снова в огне! Их новы метод GenCluster впервые позволил *открытой модели* догнать лидеров из закрытых лабораторий. 🧠 Модель gpt-oss-120b взяла золото на IOI 2025 (International Olympiad in Informatics) — впервые в истории open-source-ИИ! Модель генерирует тысячи решений с кодом,тестирует их, группирует уникальные стратегии и устраивает «турнир» между лучшими — судит всё это другой ИИ. 📊 Результат: 446.75 балла, официально подтверждён золотой медалью. Теперь это новый подход к решению *по-настоящему сложных задач* - масштабируемое вычисление во время теста. https://arxiv.org/abs/2510.14232v1