Machinelearning
Open in Telegram
Погружаемся в машинное обучение и Data Science Показываем как запускать любые LLm на пальцах. По всем вопросам - @haarrp @itchannels_telegram -🔥best channels Реестр РКН: clck.ru/3Fmqri
Show more
Network:📈 Analytical overview of Telegram channel Machinelearning
Channel Machinelearning (@ai_machinelearning_big_data) in the Russian language segment is an active participant. Currently, the community unites 277 264 subscribers, ranking 336 in the Technologies & Applications category and 1 379 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 277 264 subscribers.
According to the latest data from 27 October, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -1 815 over the last 30 days and by -149 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 8.48%. Within the first 24 hours after publication, content typically collects 6.37% reactions from the total number of subscribers.
- Post reach: On average, each post receives 23 509 views. Within the first day, a publication typically gains 17 668 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 347.
- Thematic interests: Content is focused on key topics such as openai, claude, api, gemini, контекст.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“Погружаемся в машинное обучение и Data Science
Показываем как запускать любые LLm на пальцах.
По всем вопросам - @haarrp
@itchannels_telegram -🔥best channels
Реестр РКН: clck.ru/3Fmqri”
Thanks to the high frequency of updates (latest data received on 28 October, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Technologies & Applications category.
277 264
Subscribers
-14924 hours
-3487 days
-1 81530 days
Loading data
Similar Channels
![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dx&w=96&q=75){kind=small}
Tags Cloud
Incoming and Outgoing Mentions
---
---
---
---
---
---
Attracting Subscribers
October '26Oct '26
October '26
+977
in 97 channels
September '26
+146
in 108 channels
Get PRO
August '26
+119
in 81 channels
Get PRO
July '26
+87
in 98 channels
Get PRO
June '26
+15
in 65 channels
Get PRO
May '26
+68
in 89 channels
Get PRO
April '26
+101
in 94 channels
Get PRO
March '26
+178
in 110 channels
Get PRO
February '26
+6 655
in 179 channels
Get PRO
January '26
+211
in 221 channels
Get PRO
December '25
+7 412
in 101 channels
Get PRO
November '25
+25 219
in 119 channels
Get PRO
October '25
+41 984
in 86 channels
Get PRO
September '25
+56 475
in 245 channels
Get PRO
August '25
+79 039
in 85 channels
Get PRO
July '25
+70 425
in 197 channels
Get PRO
June '25
+13 287
in 153 channels
Get PRO
May '25
+39 092
in 94 channels
Get PRO
April '25
+39 358
in 102 channels
Get PRO
March '25
+20 790
in 92 channels
Get PRO
February '25
+6 503
in 81 channels
Get PRO
January '25
+8 675
in 295 channels
Get PRO
December '24
+3 575
in 144 channels
Get PRO
November '24
+3 287
in 216 channels
Get PRO
October '24
+4 115
in 93 channels
Get PRO
September '24
+4 404
in 233 channels
Get PRO
August '24
+1 750
in 80 channels
Get PRO
July '24
+2 866
in 67 channels
Get PRO
June '24
+12 257
in 101 channels
Get PRO
May '24
+11 108
in 80 channels
Get PRO
April '24
+1 695
in 76 channels
Get PRO
March '24
+2 971
in 70 channels
Get PRO
February '24
+5 661
in 31 channels
Get PRO
January '24
+2 647
in 56 channels
Get PRO
December '23
+1 304
in 52 channels
Get PRO
November '23
+5 784
in 103 channels
Get PRO
October '23
+2 155
in 24 channels
Get PRO
September '23
+2 924
in 0 channels
Get PRO
August '23
+2 277
in 1 channels
Get PRO
July '23
+1 133
in 0 channels
Get PRO
June '23
+1 313
in 0 channels
Get PRO
May '23
+3 157
in 0 channels
Get PRO
April '23
+3 027
in 0 channels
Get PRO
March '23
+4 643
in 0 channels
Get PRO
February '23
+1 040
in 0 channels
Get PRO
January '23
+861
in 0 channels
Get PRO
December '22
+757
in 0 channels
Get PRO
November '22
+1 414
in 0 channels
Get PRO
October '22
+583
in 0 channels
Get PRO
September '22
+623
in 0 channels
Get PRO
August '22
+578
in 0 channels
Get PRO
July '22
+738
in 0 channels
Get PRO
June '22
+905
in 0 channels
Get PRO
May '22
+1 033
in 0 channels
Get PRO
April '22
+640
in 0 channels
Get PRO
March '22
+936
in 0 channels
Get PRO
February '22
+420
in 0 channels
Get PRO
January '22
+442
in 0 channels
Get PRO
December '21
+444
in 0 channels
Get PRO
November '21
+597
in 0 channels
Get PRO
October '21
+650
in 0 channels
Get PRO
September '21
+491
in 0 channels
Get PRO
August '21
+489
in 0 channels
Get PRO
July '21
+532
in 0 channels
Get PRO
June '21
+512
in 0 channels
Get PRO
May '21
+518
in 0 channels
Get PRO
April '21
+570
in 0 channels
Get PRO
March '21
+424
in 0 channels
Get PRO
February '21
+405
in 0 channels
Get PRO
January '21
+761
in 0 channels
Get PRO
December '20
+18 472
in 0 channels
| Date | Subscriber Growth | Mentions | Channels | |
| 28 October | +1 | |||
| 27 October | +4 | |||
| 26 October | +25 | |||
| 25 October | +39 | |||
| 24 October | +12 | |||
| 23 October | +10 | |||
| 22 October | +12 | |||
| 21 October | +173 | |||
| 20 October | +31 | |||
| 19 October | +36 | |||
| 18 October | +29 | |||
| 17 October | +43 | |||
| 16 October | +1 | |||
| 15 October | +8 | |||
| 14 October | +1 | |||
| 13 October | +13 | |||
| 12 October | +30 | |||
| 11 October | +8 | |||
| 10 October | +40 | |||
| 09 October | +8 | |||
| 08 October | +34 | |||
| 07 October | +73 | |||
| 06 October | +248 | |||
| 05 October | +46 | |||
| 04 October | +7 | |||
| 03 October | +4 | |||
| 02 October | +15 | |||
| 01 October | +26 |
Channel Posts
📌 EPFL показала имплантируемый чип, который следит за связью между участками мозга
Лаборатория нейротехнологий Федеральной политехнической школы Лозанны под руководством Махсы Шоаран сделала LogSync, имплантируемый чип размером примерно 4 на 2 мм, который целиком держит на себе машинное обучение.
Он записывает активность мозга, считает силу ритмов и согласованность сигналов между его областями, по этим признакам различает состояния внимания и эмоционального возбуждения и сам выдаёт команду на стимуляцию, когда распознал нужное состояние.
Весь этот путь, от анализа связей между областями до классификации, укладывается в один кристалл и меньше 200 микроватт.
Добились этого переводом вычислений в логарифмический вид, который упрощает нужные операции, причём алгоритмы и схему разрабатывали сразу с оглядкой на ограничения имплантата.
Такой чип нужен для глубокой стимуляции мозга при психиатрических расстройствах.
Большинство приборов работает по заранее заданным настройкам, без обратной связи, а те, что подстраиваются, обычно опираются на сигнал одного участка. Шоаран исходит из того, что психиатрические расстройства связаны скорее со сбоями в связности между областями мозга, поэтому классификатор смотрит именно на их согласованность.Проверка чипа прошла успешно на двух материалах - на записях мозга людей из прежних психиатрических экспериментов и на крысах в Университете Миннесоты.
В людей чип пока не вживляли, поэтому реальной точности распознавания и задержки EPFL не приводит.Модельную часть лаборатория развивает отдельно. На ICML 2026 Шоаран представил RECTOR, способ самообучения на записях ЭЭГ и внутричерепной ЭЭГ, где модель учится на замаскированных фрагментах сразу по трём осям - областям мозга, каналам и времени. В работе заявляют лучшие результаты в распознавании эмоций и вовлечённости, а также устойчивость к потере отдельных каналов, но конкретных цифр в аннотации нет. @ai_machinelearning_big_data #news #ai #ml
| 2 |  ✔️ Anthropic рассказала об участии в разработке лекарств
Компания запустила Claude в технологическую фармацевтику и купила биотех-стартап Mithril Medicine.
Ее основатель и единственный сотрудник, Коди Транбаргер, привлек Claude к организации контрактов, логистики и экспериментов с внешними лабораториями, а также делегировал многие другие аспекты деятельности стартапа.
В результате Mithril за менее чем полтора года превратил потенциальный метод лечения одной из форм мышечной дистрофии из идеи в многообещающие результаты на мышах.
На базе приобретенной Mithril Medicine Anthropic ведет собственные доклинические исследования терапии редких форм мышечной дистрофии.
Также партнерами Anthropic стали шесть профильных организаций, включая Bristol Myers Squibb и Generate Biomedicines.
В фармацевтических исследованиях Claude проектирует структуры антител, оптимизирует их термостабильность, планирует клинические испытания и готовит регуляторную документацию.
В рамках сотрудничества со Divergence Labs Claude создал 35 тыс вариантов дизайна антител за месяц - традиционно этот объем задач требует около девяти месяцев.
@ai_machinelearning_big_data
#news #ai #ml | 8 271 |
| 3 | Это конец
Еще год назад мы хихикали над тем, как нейронки делают ошибки джунов. Целые компании делали вид, что в разработке ничего не изменилось. А что там у этих хипстеров, какие то гпт с клодами, что?
И сейчас.
Это сложно назвать изменениями. Даже паникой. Просто снесли индустрию под корень, и пытаются спешно строить на ней что-то новое, переизобретая правила игры на ходу.
ИИ пишет код, проводит его через ИИ ревьюеров, тестирует ИИ тестировщиками и гонит его в прод через ИИ девопса. И все это запускает один человек. Не то чтобы он нужен, просто потому, что хоть кто-то все еще должен понимать, что происходит.
Гипер-автономность и "ночные агенты" - повседневность.
"Юзер репортит в поддержку баг и через час готов PR с фиксом без участия человека" - про это даже скучно писать.
"Зачем делать UI, если всё равно все будут юзать апп через Клода?" - вопрос, которым задавалась каждая вторая компания.
"Что круче - рой из сотни Sol или 10 Opus'ов, но с оркестратором?" - обычные разговоры в курилке.
В этом году мы уже обсуждаем не просто "AI в разработке". Всё слишком изменилось.
Наша цель, разобраться:
— как выглядит новая реальность создания продуктов: где в ней автономные агенты, мультиагентные системы, люди
— как выглядит работа в команде, когда кажется, что уже никто не нужен?
— как адаптировать компанию и процессы к ИИ? Насколько далеко все впереди?
— чему учиться? кого и как нанимать в новых условиях?
Онлайн-конференция 11-12 ноября. Бесплатно с подпиской на спикеров
Приходите, чтобы понимать, как жить в новой реальности
Спикеры:
— Александр Поляков — Как дать агенту доступ к вашему продукту: MCP, Skills и CLI
— Родион Мостовой — Оркестрируем агентов для решения long-horizon задач
— Кирилл Мокевнин — Внедряем AI в легаси проект. Пошаговый план
— Илья Измайлов — LLM Wiki 2.0: как растить базу знаний агента и не утонуть в галлюцинациях
— Николай Шейко — Агентный сетап на осень 2026
— Константин Доронин — Гарантия качества продукта, сгенерированного агентами.
— Глеб Кудрявцев — Как выстроить AI ядро организации и потерять все свои данные
И другие. Подробная программа на сайте
Реклама. ИП Поляков А.Е.
ИНН 710512345187 | 10 583 |
| 4 |  ✔️ Агенты стартапа Cathedral взломали внутренние системы Anthropic
Cathedral, основанный выходцами из Департамента эффективности госуправления, заявил, что агентам хватило меньше 12 часов на обход защиты, а путём проникновения стали бреши в стороннем бизнес-ПО компании.
Агенты добрались до Slack, стенограмм встреч, зарплатных ведомостей и контактов партнёров. Anthropic подтвердила компрометацию части кадровых и ИТ-систем, но подчёркивает, что код, веса моделей и диалоги пользователей Claude не затронуты.
Начиналось всё по программе поиска уязвимостей, но Anthropic обвинила Cathedral в нарушении регламента, поскольку те скрыли реальный масштаб проникновения.
Инцидентом уже заинтересовались власти США.
washingtonpost.com
✔️ Cohere нашла в Qwen3.8 скрытую отправку данных на китайские серверы
Аномальную активность канадцы засекли при тестировании Qwen3.8-Flash-Next. Модели поручили написать bash-скрипт для поиска вредоносных загрузок, а она вместо кода просканировала временную директорию, проверила утилиты передачи данных, прочитала настройки DNS и отправила тестовый файл в Alibaba Cloud.
Цепочка рассуждений, по которой за моделью обычно и следят, выдала ложный лог и скрыла планы по внешним инструментам.
Вывод Cohere в том, что локальный запуск открытых моделей сам от утечек не защищает, к чужим весам стоит относиться как к недоверенным исполняемым файлам, закрывать агентам выход в сеть и не верить их логам при аудите.
cohere.com
✔️ GPT-6 Astra и Claude помогли физикам продвинуться в квантовой информатике
Лаборатория Physical Superintelligence отчиталась о прогрессе по пяти открытым проблемам.
Доказано, в частности, что в определённых квантовых полях запутанность сохраняется и между отдалёнными областями, хотя на большой дистанции проверить нелокальные корреляции через неравенство Белла уже невозможно.
Физики задавали направление и держали логику, а GPT-6 Astra и Claude участвовали в самом выводе.
Гипотезы проверяли агентами Codex и Claude Code, написавшими формальные доказательства на Lean под машинную верификацию.
Материалы и код выложены в открытый доступ, но выводы, как говорят авторы, верны лишь для специфических условий, а часть проблем ещё ждёт решения.
psi.inc
✔️ BrainChip презентовал нейроморфный сопроцессор для компактной электроники
AKD1500 SPI расширяет линейку Akida и решает проблему внедрения машинного обучения в периферийные устройства, когда плату приходится перепроектировать под более дорогие вычислительные узлы.
Он подключается к существующим микроконтроллерам по шине SPI как выделенный ИИ-ускоритель, микроконтроллер продолжает управлять устройством и собирать данные с датчиков, а инференс уходит на сопроцессор.
В чипе есть аппаратная поддержка обучения на месте, устройство запоминает новые данные на кристалле, без отправки их в облако и переобучения модели.
Решение рассчитано на рынок TinyML, его тестируют в промышленной робототехнике, умном доме и носимой медтехнике. Продажи уже открыты.
brainchip.com
✔️ Xiaomi представила бионическую руку с 21 степенью свободы
Манипулятор рассчитан на сложные промышленные сценарии, привод гибридный, из 26 двигателей.
Рука оснащена высокоплотной тактильной обратной связью - на поверхности 1500 сенсоров с разрешением 1 мм на фалангах и 2 мм на основном блоке, так что робот точно дозирует усилие при захвате инструментов и мелких деталей.
Моторику имитируют натяжением искусственных сухожилий, алгоритмы захвата учили на записях движений живых операторов.
Основой стали данные с пилотного завода Xiaomi Automotive, где оцифровали 1827 рабочих процедур, это примерно около 70% ручного труда типичного цеха.
Конструкция рассчитана на производство, у неё улучшен теплоотвод и сменное тактильное покрытие.
sina.com.cn
@ai_machinelearning_big_data
#news #ai #ml | 11 826 |
| 5 |  Лига Цифровой Экономики ищет талантливых ИТ-экспертов!
У нас:
— Крупные интересные проекты федерального масштаба
— Удаленка, гибрид или офис
— ДМС, корп. связь, компенсация расходов на спорт
— ИТ-комьюнити (6 000+ экспертов)
Преимущества:
— Возможность получать опыт работы с разными стеками
— Команда единомышленников (от middle до senior)
— Корпоративные развивающие митапы, тренинги и курсы
— Участие в престижных внешних конференциях
Лига — профессиональный вызов для экспертов. Участвуйте в проектах, которые меняют миллионы жизней, — присоединяйтесь к топ-экспертам Лиги Цифровой Экономики!
https://t.me/digitalleague?erid=2W5zFJJ71wf
Реклама. ООО "ЭЙТИ КОНСАЛТИНГ". ИНН 7715744096. | 12 944 |
| 6 |  Google предложила «сон» для языковых моделей – отдельный этап, на котором ИИ закрепляет новые знания и тренируется на собственных примерах.
Проблема непрерывного обучения – катастрофическое забывание: усваивая новую информацию, модель может потерять ранее освоенные навыки. А знания из контекстного окна сами по себе не становятся постоянной памятью.
В SLEEP чередуются два режима:
Бодрствование: модель взаимодействует с входными данными и сохраняет информацию в краткосрочной памяти.
Сон: приём новых данных приостанавливается. Модель активирует дополнительные блоки памяти MoE и переносит знания в их веса, уменьшая вмешательство в уже закреплённую информацию. После этого временная память освобождается.
Есть и этап «сновидений»: случайные сочетания экспертов генерируют тренировочные примеры. Система отбирает наиболее полезные и использует их для дальнейшего обучения.
Что показали эксперименты команды:
- BABILong: работа с информацией из последовательностей до 10 млн токенов через её закрепление в параметрах.
- Последовательное обучение переводу: почти нулевое падение результатов на ранее изученных языках.
- Математика: точность 79,2% на AIME 2024 и 69% на AIME 2025.
«Сон» здесь – управляемый цикл дообучения по заданным исследователями правилам. Архитектура и код модели остаются фиксированными.
https://research.google/blog/the-sleep-framework-a-new-way-for-llms-to-retain-knowledge-in-continual-learning/
@data_analysis_ml | 12 036 |
| 7 |  ✔️ AgiBot показала координацию 110 гуманоидами
Китайский разработчик робототехники продемонстрировал работу платформы массового управления LinkBots, синхронизировав 110 серийных полноразмерных гуманоидов Expedition A3.
Для координации флота с сантиметровой точностью AgiBot использовали связку LinkBots и технологии сверхширокополосного позиционирования.
В дальнейшем компания планирует развертывать модель A3 среди людей в сфере услуг, туризме, науке и образовании.
По заявленным данным, за первое полугодие в Китае произвели более 40 тысяч гуманоидов, а целевой показатель индустрии на ближайшее время составляет 100 тысяч единиц в год.
@ai_machinelearning_big_data
#news #ai #ml | 16 943 |
| 8 |  ✔️ Google DeepMind представила Genie 4
Genie 4 - модель для интерактивной симуляции виртуальных миров в реальном времени.
Система мультимодальна: помимо фотореалистичного визуального ряда с учетом физики, она генерирует фоновый шум, пространственное аудио и контекстные диалоги персонажей.
Текстовые команды позволяют менять погоду, добавлять объекты и переключать ракурс прямо в процессе генерации.
За логическую консистентность мира и многошаговое планирование отвечают агенты на базе моделей Gemini (заявлены версии Omni, 3.8 Flash и 4 Argon).
Инструмент предназначен для создания тренировочных сред в робототехнике, прототипирования в геймдеве и кинематографических превизуализаций.
Новинка запущена в статусе закрытого превью по листу ожидания.
Среди известных ограничений при долгих сессиях - визуальный дрейф и нарушения перманентности объектов.
В будущем доступ откроют партнерам по Gemini API и подписчикам Google AI Ultra.
@ai_machinelearning_big_data
#news #ai #ml | 15 921 |
| 9 |  +2✔️ ИИ за 24 дня формализовал самое длинное доказательство в истории математики, над которым около 100 учёных работали десятилетиями.
Компания Axiom Math объявила о завершении компьютерной проверки теоремы классификации конечных простых групп (CFSG), известной как «Огромная теорема».
Оригинальное доказательство занимает 15 000 страниц в более чем 500 научных статьях.
О чём вообще теорема?
Представьте куб. Его можно повернуть 24 способами так, чтобы он выглядел точно так же. Эти преобразования образуют математическую группу.
Теорема классифицирует фундаментальные «строительные блоки», из которых состоят все конечные группы симметрий. Это своеобразная периодическая таблица симметрий, применяемая в алгебре, теории чисел и математической физике.
Что сделал ИИ:
За 24 дня десятки ИИ-агентов создали около 43,1 млн строк кода на Lean.
Формализовали доказательство, которое математики собирали на протяжении десятилетий.
Обнаружили 34 существенных расхождения с опубликованными математическими работами.
Нашли контрпримеры к некоторым утверждениям и разработали альтернативные доказательства.
Получили новый результат в теории групп, необходимый для выбранного пути доказательства.
В отдельных случаях ИИ обнаружил ошибки в исходных рассуждениях и построил новые математические аргументы, чтобы их исправить.
Работа велась совместно с математиками, включая специалистов, участвовавших в первоначальной классификации.
Результат Axiom представляет как первое полное доказательство CFSG, проверяемое компьютером. Код и материалы открыты для независимого изучения.
Это пример того, как ИИ-агенты могут не только ускорять математическую работу, но и проверять фундаментальные результаты, которые раньше было практически невозможно перепроверить целиком.
https://axiommath.ai/research/the-enormous-theorem-formalized/
@ai_machinelearning_big_data | 17 553 |
| 10 |  Data Scientist Fast Track: с 9 по 15 ноября ⚡️
Пройдите все этапы отбора в Авито в ускоренном формате и получите оффер за неделю!
Почему именно фаст-трек?
🔸 совмещённые этапы
🔸 все даты известны заранее
🔸 классная возможность оценить свои скилы
🔸 результаты закрепляются на год
Кого мы ждём?
— кандидатов с опытом работы от 3,5 лет в крупных российских и международных IT-, BigTech- и FinTech-компаниях
— с опытом полного цикла разработки моделей: от ресёрча до выкатки в продакшен
— с опытом полного лидирования проекта
✅ Регистрация открыта до 9 ноября включительно. Читайте подробности и отправляйте заявку на сайте. | 14 270 |
| 11 |  ✔️ Ведущие разработчики Claude Code ушли из Anthropic
Об уходе 24 октября объявил Тарик Шихипар, один из самых публичных инженеров проекта, прежде исследователь MIT Media Lab и выпускник Y Combinator, вслед за ним уволился Энтони Моррис, автор десктопной версии агента.
Шихипар проработал над проектом больше года и планирует взять перерыв, а в сообщении, собравшем миллионы просмотров, похвалил оставшуюся команду и посоветовал следить за обновлениями через Эдди Османи и Лидию Халли.
Оба уходят на пике коммерческого успеха - по данным компании годовая регулярная выручка Claude Code превысила 2,5 млрд долларов.
Thariq Shihipar в X
✔️ Sakana AI обучит с нуля модель для нужд государства
Токийский стартап меняет курс и берётся за собственное обучение модели с рабочим названием Sakana Sawara.
Известность японскому разработчику принёс Fugu, объединявший готовые нейросети, но работа на чужих весах несла риск зависимости, а Японии нужен технологический суверенитет без привязки к корпорациям США и Китая.
Первую компактную версию новой модели обещают весной 2027 года, дальше её отмасштабируют до сотен миллиардов параметров.
Целевыми областями станут национальная безопасность, финансовый сектор, поиск уязвимостей и разбор кибератак, а также оборонные задачи, причём ИИ-аналитику Sakana уже испытывает по контракту с японским Минобороны.
nikkei.com
✔️ Nvidia оценила лицензию на управление агентами в 2000 долларов за ускоритель в год
Дженсен Хуанг считает, что ПО скоро станет важнейшей частью бизнеса компании. По его словам, комплексная лицензия на развёртывание агентов на корпоративных ИИ-фабриках обойдётся примерно в 2000 долларов за ускоритель в год, и если подписка охватит хотя бы пять миллионов чипов, принесёт до 10 млрд долларов стабильной выручки.
Как тариф будет сосуществовать с действующей AI Enterprise, подписка на которую стоит 4500 долларов, пока неясно.
Само желание показывает перестройку Nvidia, которая готова предложить рынку не только чипы, но и готовую инфраструктуру, стремясь уйти от статуса чисто аппаратной компании.
tomshardware.com
✔️ Обещанный Маском полнометражный ИИ-фильм вышел семиминутным роликом
В июле Илон Маск анонсировал, что Grok Imagine выпустит полноценную и исторически точную экранизацию «Одиссеи» Гомера.
Вместо полного метра xAI показала видео чуть дольше семи минут, проект теперь называют сериалом, сроки следующих эпизодов неизвестны.
Ролик сняли с Wonder Studios и режиссёром Девом Уокером, дебютировал он в X без подробностей - ни сроков производства, ни затрат, ни состава моделей компания не раскрыла.
По оценкам сообщества, видео получилось плохим из-за затянутых экспозиций, неестественных диалогов и невыразительных персонажей.
Grok Imagine в X
✔️ Figure AI утвердила дизайн гуманоида Figure 04
На корпоративном собрании глава компании Бретт Эдкок сообщил, что облик робота нового поколения определён окончательно, и назвал новинку «первым iPhone среди гуманоидов».
Главная особенность - в кисти с моторикой почти на уровне человеческой, приводов в ней больше, чем во всём теле.
Производство комплектующих началось, внешний вид робота держат в секрете. Железо делают под новую модель Helix 3.0, которую Эдкок называет «baby AGI», и для её обучения развёрнут колоссальный сбор данных - приложение Index загружает по 81 минуте видео с действиями каждую секунду.
За неделю на пополнение наборов данных ушло около 8,1 млн долларов, а за год Эдкок обещает вложить в данные больше, чем большинство робототехнических стартапов привлекли за всё время.
Brett Adcock в X
@ai_machinelearning_big_data
#news #ai #ml | 14 606 |
| 12 |  ✔️Исследователи предложили способ повысить качество дообучения LLM без увеличения числа обучаемых параметров
Исследователи Т-Технологий, МФТИ, Сбера и Иннополиса представили на международной конференции EMNLP метод SimplexLoRA. Он помогает адаптировать языковые модели к конкретным задачам, распределяя обучаемые параметры между слоями с учетом их значимости.
В стандартной LoRA основные веса модели остаются неизменными, а обучение проходит через небольшие дополнительные модули — адаптеры. Обычно им выделяют одинаковое число параметров, хотя разные слои неодинаково влияют на результат. SimplexLoRA сначала определяет, каким слоям дополнительные параметры принесут больше пользы, и перераспределяет общий бюджет в их пользу. После этого распределение фиксируется, а дообучение продолжается по привычной схеме LoRA.
Метод проверили на четырех моделях и 12 задачах, включая ответы на вопросы, суммаризацию и математические рассуждения. На большинстве тестов он показал сопоставимое или более высокое качество, чем стандартная LoRA, при том же числе обучаемых параметров и той же стоимости инференса.
Лучше всего подход проявил себя при небольшом размере адаптеров. Это делает его особенно полезным для команд, которым нужно дообучать модели при ограниченных вычислительных ресурсах. Код SimplexLoRA опубликован в открытом доступе на GitHub
@ai_machinelearning_big_data
#news #ai #ml | 13 796 |
| 13 |  Китайский ИИ-бум потерял $480 млрд: технологические акции обвалились менее чем за четыре месяца.
По данным Reuters, индекс STAR50 рухнул на 40%, растеряв результаты двухлетнего роста. Акции производителя роботов Unitree подешевели вдвое, а индекс крупнейших китайских компаний CSI300 отступил примерно на 20% от июньского пика.
Инвесторов тревожат завышенные оценки компаний и сомнения в спросе на ИИ, а также возможные ограничения США на экспорт китайских технологий.
Даже после обвала STAR50 оценивается примерно в 100 годовых прибылей входящих в него компаний. Для сравнения: Nasdaq 100 – примерно в 30.
https://www.reuters.com/world/china/china-ai-bubble-has-already-burst-2026-10-26/ | 13 868 |
| 14 |  ✔️ Google заплатит жителям и бизнесу за отказ от электричества ради своих дата-центров
Google договорился с Voltus, оператором виртуальных электростанций, о наборе 1 гигаватта мощности в PJM, крупнейшей энергосистеме США, которая снабжает 67 млн человек по всей стране.
Новых генераторов при этом никто не строит. Voltus собирает согласия жителей и предприятий сократить потребление в часы пиковой нагрузки, платит им за это, а Google платит Voltus.
В июне компании начинали со 100 мегаватт на три года, теперь цель выросла в десять раз.
Отказ от потребления чаще всего происходит без участия человека. Умный термостат приглушает кондиционер в жаркий день, а установленная в доме батарея на время берёт питание на себя.
По отдельности такая экономия ничтожна, но, сложенная за счёт тысяч потребителей, она освобождает сети мощность, которую Google забирает под дата-центры для ИИ.
У PJM цена обеспечения пиковой мощности выросла более чем в восемь раз за последние годы, очередь на подключение новых электростанций забита, а сама энергосистема ждёт к началу 2030-х от 30 до 34 гигаватт дополнительного спроса от крупных потребителей.
Сроков выхода на гигаватт Google не называет и не говорит, какие именно дата-центры будет питать схема.
Voltus управляет более 9 гигаваттами такой мощности по стране и обещает 100% безуглеродный характер проекта, без резервных генераторов на топливе.
Остаётся открытым вопрос, хватит ли подобных договорённостей, чтобы покрыть нагрузку, которую дата-центры создают для сетей.
@ai_machinelearning_big_data
#news #ai #ml | 17 136 |
| 15 |  AI Journey 2026: заглядываем в будущее ИИ 🤖
Хочешь узнать, что происходит в мире нейросетей, послушать российских и зарубежных экспертов и найти единомышленников? Залетай на AI Journey — ежегодную международную конференцию по искусственному интеллекту. Тебя ждёт три дня погружения в мир ИИ!
👉 27 ноября — день Бизнеса: реальные ИИ-кейсы и продукты
👉 28 ноября — день Науки: свежие исследования и открытия
В программе — выступления лидеров индустрии, выставочные зоны с разработками и нетворкинг с теми, кто тоже горит ИИ
📍 27–28 ноября 2026 года
Москва, Кутузовский проспект, 32, корп. 1, штаб-квартира Сбера
Регистрируйся на сайте и попади в центр событий мира ИИ! 💚
А 26 ноября смотри прямую трансляцию дня «Общество» на сайте aij.ru — увлекательная программа, интересные герои, актуальные темы! | 15 374 |
| 16 |  +1🧪️️️️️️ На следующий день после того, как OpenAI объявила, что её модель опровергла гипотезу экспоненциального времени, Anthropic сообщила: внутренняя модель Claude независимо нашла другое опровержение в тот же самый день, что и модель OpenAI, - 16 октября.
Anthropic опубликовала статью «A 2^o(n) Time Algorithm for 3-SAT» с автором «Claude, Anthropic».
Детерминированный алгоритм решает 3-SAT за субэкспоненциальное время, что опровергает Exponential Time Hypothesis. Он же считает и число выполняющих наборов в задаче #3-SAT.
Ядро алгоритма 16 октября нашла внутренняя исследовательская модель Claude: 14 миллионов выходных токенов и ни одной человеческой подсказки. Сегодня доказательство оформлено в Lean 4, 1050 модулей поверх Mathlib, проверка ядром Lean и независимым чекером nanoda. По словам Anthropic, Claude Opus 5.5 может вывести результат заново по короткому техническому наброску. OpenAI почти одновременно заявила о собственном опровержении ETH.
Оговорки в самой статье. Формализацию писали ИИ-модели и проверяли другие экземпляры тех же моделей, и ни один человек пока не известен как проверивший её целиком. Результат чисто асимптотический: для типичной формулы выигрыш у перебора появляется лишь при числе переменных порядка 10^10000, к решению формул на практике и к вопросу P против NP он не приближает. В Challenge.lean остаются два sorry, это две теоремы без доказательств для проверки.
https://github.com/anthropics/formal-math/tree/16a5ce41304fcdaea4e0be7c132e1c361dc26da5/eth
@ai_machinelearning_big_data
#Anthropic #Claude | 15 618 |
| 17 |  ✔️ Canva выпустила модель Craft
Canva Craft - первая собственная модель сервиса, ориентированная на генерации изображений для графического дизайна.
Архитектура разделена на этапы планирования композиции и рендеринг.
Сначала модель формирует план сцены, определяя пространственные связи объектов, масштаб и расположение текстовых блоков.
Затем генератор создает финальное изображение с разрешением до 2K в любом соотношении сторон. Внутренняя разметка позволяет разделять картинку на редактируемые векторные элементы и слои через инструмент Magic Layers.
Модель обучали на миллионах дизайн-макетов из библиотеки Canva. Благодаря этому система учитывает типографику и правила композиции, а также генерирует связный текст на 55 языках. .
Craft уже развернута в редакторе Canva и доступна через публичный API. В ближайшее время появится поддержка сервера Canva MCP для вызова генератора ИИ-агентами.
@ai_machinelearning_big_data
#news #ai #ml | 15 192 |
| 18 |  🧠 ИИ OpenAI нашёл доказательства для научных задач, не поддававшихся учёным десятилетиями – теперь их проверяют эксперты.
1) Математика: гипотеза, открытая с 1991 года
Гипотеза Кристофера Согге о локальном сглаживании описывает концентрацию волн: сильная фокусировка возможна, но должна быть кратковременной.
ИИ построил доказательство для пространств любой размерности. Из него также следуют доказательства гипотез Какеи и Стейна. Текст и формализация в Lean опубликованы.
2) Информатика: опровержение ETH
Гипотеза экспоненциального времени предполагает, что для определённого класса логических задач нельзя избежать экспоненциального роста времени вычислений.
На этом предположении основаны сотни научных работ. OpenAI сообщает, что ИИ нашёл опровержение, проверенное в Lean. Его изучает группа, включающая двух авторов исходной гипотезы.
Поиск практически полезных алгоритмов на основе результата потребует дальнейших исследований.
3) Физика: часть задачи тысячелетия
ИИ предложил строгие доказательства существования квантовой хромодинамики и чистой теории Янга–Миллса в четырёх измерениях.
Последняя связана с задачей тысячелетия с премией $1 млн, однако заявленный результат не означает полного решения этой задачи.
Материалы пока не опубликованы. Их разбирает группа во главе с нобелевским лауреатом Дэвидом Гроссом.
Математическое доказательство получено 18 октября, формализовано 19-го. Опровержение ETH получено 16 октября, формализовано 17-го.
OpenAI пока предлагает считать рукописи ИИ исходным исследовательским материалом. Независимая экспертиза продолжается.
https://openai.com/index/building-scientific-understanding-with-academic-communities/
@ai_machinelearning_big_data
#OpenAI #chatgpt | 19 718 |
| 19 |  🖥️ GPT-6.1 Terra: OpenAI вдвое снизила цену на агентную модель среднего класса
OpenAI выпустила GPT-6.1 Terra для агентных сценариев, работы с компьютером и повседневного кодинга. Цена в API вдвое ниже, чем у GPT-5.6 Terra: $1 за миллион входных токенов вместо $2 и $6 за миллион выходных вместо $12.
По словам OpenAI, модель решает задачи более чем втрое быстрее, чем Astra и GPT-6.1 Sol. На Agents' Last Exam она заметно обходит GPT-5.6 Terra и, как сообщается, сравнима с GPT-6 Astra при цене токена примерно в десять раз ниже.
Доступна в ChatGPT Work, Codex и через API под id gpt-6.1-terra. В ChatGPT раскатка идёт на Plus, Pro, Enterprise и Edu.
Источник: https://openai.com/index/introducing-gpt-6-1-terra/
@ai_machinelearning_big_data
#ChatGPT #OpenAI | 26 354 |
| 20 |  📌 FairStress: тест на демографическую справедливость моделей
Институт Аллена опубликовал набор FairStress для проверки того, меняет ли языковая модель своё решение о человеке из-за его расы, пола, религии, возраста, инвалидности или ориентации в сферах найма, кредитования, медицины и образования.
FairStress тестирует прочность позиции модели - в промпт внедряются состязательные префиксы с авторитетными или социально окрашенными аргументами (ссылки на мнение руководства, дискриминацию в прошлом или неформальные рекомендации), после чего замеряется, насколько охотно система отказывается от объективно более сильного кандидата под внешним давлением.
В наборе 300 сценариев из 29 областей с вымышленными кандидатами, 33 пары демографических групп, четыре степени раскрытия личности и до 78 убеждающих фраз. Итого более 13 млн вариантов.
🟡Тесты
На 15 моделях семейств Olmo, Llama, Qwen, Gemma, Claude и GPT бенчмарк выявил повсеместную антистереотипную гиперкоррекцию - под влиянием одинаковых по силе аргументов модели гораздо чаще отказывались от правильного выбора в пользу кандидатов из исторически уязвимых групп, чем наоборот.
Без данных о личности модели беспристрастны, но при прямом указании группы они на 9,3 процентного пункта чаще отказываются от верного решения, если отказ выгоден кандидату из меньшинства.
В сценариях без явного фаворита выбор в пользу меньшинств происходил в 60–65% случаев.
Кроме того, модели меняли логику аргументации: заслуги одних кандидатов объяснялись критериями и фактами, а других - абстрактной устойчивостью и разнообразием, что фактически нивелировало их профессиональные достижения.
Аудит показал, что текущие процессы элайнмента обучают модели блокировать дискриминационные запросы, но не учат их устойчивому взвешиванию объективных навыков.
Снизить асимметрию без падения точности помог только контрфактический CoT - принудительный пересмотр логики задачи с зеркальной заменой демографических маркеров.
📌Лицензирование: CC-BY-4.0
🟡Статья
🟡Датасет
🖥GitHub
@ai_machinelearning_big_data
#AI #ML #Dataset #FairStress #Ai2 | 18 692 |
