en
Feedback

Don't get caught by a cheater! Telemetrio finds and tags such channels 👉 If you want to see the tag, subscribe

Машинное обучение RU

Машинное обучение RU

Open in Telegram

Все о машинном обучении админ - @workakkk @data_analysis_ml - анализ даннных @ai_machinelearning_big_data - Machine learning @itchannels_telegram -лучшие ит-каналы @pythonl - Python @pythonlbooks- python 📚 @datascienceiot - 📚 РКН: clck.ru/3FmrUw

Show more

📈 Analytical overview of Telegram channel Машинное обучение RU

Channel Машинное обучение RU (@machinelearning_ru) in the Russian language segment is an active participant. Currently, the community unites 18 325 subscribers, ranking 7 134 in the Technologies & Applications category and 35 786 in the Russia region.

📊 Audience metrics and dynamics

Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 18 325 subscribers.

According to the latest data from 17 November, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 103 over the last 30 days and by -1 over the last 24 hours, overall reach remains high.

  • Verification status: Not verified
  • Engagement rate (ER): The average audience engagement rate is 9.28%. Within the first 24 hours after publication, content typically collects 5.28% reactions from the total number of subscribers.
  • Post reach: On average, each post receives 1 701 views. Within the first day, a publication typically gains 968 views.
  • Reactions and interaction: The audience actively supports content: the average number of reactions per post is 13.
  • Thematic interests: Content is focused on key topics such as github, llm, openai, параметр, архитектура.

📝 Description and content policy

The author describes the resource as a platform for expressing subjective opinions:
“Все о машинном обучении админ - @workakkk @data_analysis_ml - анализ даннных @ai_machinelearning_big_data - Machine learning @itchannels_telegram -лучшие ит-каналы @pythonl - Python @pythonlbooks- python 📚 @datascienceiot - 📚 РКН: clck.ru/...”

Thanks to the high frequency of updates (latest data received on 18 November, 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.

18 325
Subscribers
-124 hours
-87 days
+10330 days
Attracting Subscribers
Nov '26
November '26
+51
in 4 channels
October '26
+272
in 2 channels
Get PRO
September '26
+129
in 1 channels
Get PRO
August '26
+193
in 8 channels
Get PRO
July '26
+142
in 2 channels
Get PRO
June '26
+100
in 6 channels
Get PRO
May '26
+96
in 2 channels
Get PRO
April '26
+186
in 3 channels
Get PRO
March '26
+415
in 4 channels
Get PRO
February '26
+213
in 2 channels
Get PRO
January '26
+155
in 2 channels
Get PRO
December '25
+109
in 2 channels
Get PRO
November '25
+273
in 3 channels
Get PRO
October '25
+170
in 1 channels
Get PRO
September '25
+244
in 5 channels
Get PRO
August '25
+222
in 6 channels
Get PRO
July '25
+422
in 50 channels
Get PRO
June '25
+243
in 6 channels
Get PRO
May '25
+104
in 2 channels
Get PRO
April '25
+153
in 1 channels
Get PRO
March '25
+132
in 7 channels
Get PRO
February '25
+211
in 5 channels
Get PRO
January '25
+379
in 8 channels
Get PRO
December '24
+397
in 6 channels
Get PRO
November '24
+336
in 3 channels
Get PRO
October '24
+613
in 10 channels
Get PRO
September '24
+523
in 5 channels
Get PRO
August '24
+509
in 2 channels
Get PRO
July '24
+524
in 3 channels
Get PRO
June '24
+573
in 8 channels
Get PRO
May '24
+788
in 36 channels
Get PRO
April '24
+732
in 45 channels
Get PRO
March '24
+788
in 27 channels
Get PRO
February '24
+1 150
in 3 channels
Get PRO
January '24
+1 351
in 42 channels
Get PRO
December '23
+645
in 41 channels
Get PRO
November '23
+195
in 2 channels
Get PRO
October '23
+695
in 2 channels
Get PRO
September '23
+710
in 0 channels
Get PRO
August '23
+618
in 0 channels
Get PRO
July '23
+790
in 0 channels
Get PRO
June '23
+1 130
in 0 channels
Get PRO
May '23
+561
in 0 channels
Get PRO
April '23
+167
in 0 channels
Get PRO
March '23
+690
in 0 channels
Get PRO
February '23
+230
in 0 channels
Get PRO
January '23
+116
in 0 channels
Get PRO
December '22
+76
in 0 channels
Get PRO
November '22
+110
in 0 channels
Get PRO
October '22
+280
in 0 channels
Get PRO
September '22
+380
in 0 channels
Get PRO
August '22
+211
in 0 channels
Get PRO
July '22
+231
in 0 channels
Get PRO
June '22
+269
in 0 channels
Get PRO
May '22
+491
in 0 channels
Get PRO
April '22
+754
in 0 channels
Get PRO
March '22
+634
in 0 channels
Get PRO
February '22
+137
in 0 channels
Get PRO
January '22
+302
in 0 channels
Get PRO
December '21
+450
in 0 channels
Get PRO
November '21
+969
in 0 channels
Get PRO
October '21
+115
in 0 channels
Get PRO
September '21
+117
in 0 channels
Get PRO
August '21
+251
in 0 channels
Get PRO
July '21
+366
in 0 channels
Get PRO
June '21
+887
in 0 channels
Get PRO
May '21
+1 235
in 0 channels
Get PRO
April '21
+717
in 0 channels
Get PRO
March '21
+117
in 0 channels
Get PRO
February '21
+345
in 0 channels
Get PRO
January '21
+569
in 0 channels
Get PRO
December '20
+423
in 0 channels
Date
Subscriber Growth
Mentions
Channels
18 November+2
17 November+2
16 November0
15 November+1
14 November+7
13 November+4
12 November+3
11 November0
10 November0
09 November+2
08 November+5
07 November+1
06 November+4
05 November+5
04 November+6
03 November+3
02 November+4
01 November+2
Channel Posts
Последний шанс зарегистрироваться на AI Analytics Week: полное погружение в агентные системы и лекции на основе кейсов Беспла
Последний шанс зарегистрироваться на AI Analytics Week: полное погружение в агентные системы и лекции на основе кейсов Бесплатный онлайн-интенсив Школы анализа данных Яндекса пройдёт с 23 по 27 ноября, а регистрация открыта исключительно до 22 ноября. Что в программе: → архитектура агентных систем: цикл ReAct и Tool Calling → доступ к данным через MCP → Human-in-the-loop: контроль человека над результатами Всё лекции будут на основе реального опыта Яндекса. Формат: предзаписи на YouTube и VK с возможностью задать вопросы. Интенсив особенно подойдет для ML-инженеров, аналитиков и специалистов по Data Science со знаниями SQL, Python, статистики и основ ML. Успейте подать заявку по ссылке до 22 ноября включительно.
18 Nov, 10:05

2
AI App Studio собирает десктопные приложения на Linux с помощью Claude Code Проект объединяет в одном окне работу с кодовым а
AI App Studio собирает десктопные приложения на Linux с помощью Claude Code Проект объединяет в одном окне работу с кодовым агентом, просмотр изменений, предпросмотр, Git и выпуск AppImage. Исходники создаваемых приложений остаются обычными локальными репозиториями. Команды и правки агент предлагает на подтверждение. Само приложение написано на Tauri 2, Rust и Vue 3. Сейчас оно рассчитано на Linux; версия в репозитории — 0.6.0. Автор пишет, что в таком цикле может выпускать по одной-две версии в день. Проект: https://github.com/altafino/crazy
796
3
США ограничивают доступ Китая к ИИ-чипам. В Сенате уже предложили санкции за дистилляцию 16 ноября Минторг США объявил новые
США ограничивают доступ Китая к ИИ-чипам. В Сенате уже предложили санкции за дистилляцию 16 ноября Минторг США объявил новые правила экспортного контроля. Они затрагивают поставки передовых американских чипов и серверов в зарубежные дата-центры, которые предоставляют значительные вычислительные мощности компаниям из Китая и ряда других стран. Вашингтон хочет перекрыть схему, при которой компания арендует GPU за рубежом и пользуется ими удалённо. bis.gov Глава Anthropic Дарио Амодей ранее призывал ограничить такой доступ и пресекать дистилляцию без разрешения разработчика. Речь о случаях, когда компания массово собирает ответы чужой модели и обучает на них свою. По словам Амодея, Anthropic последовательно выступает за обе меры. В Сенат США ещё в августе внесли законопроект BLADE Act. Он предусматривает экспортные ограничения и блокировку активов в американской юрисдикции для организаций, уличённых в таких кампаниях, и для тех, кто помогает им через сети подставных аккаунтов. Senator Bill Hagerty Отдельно Anthropic перечислила $40 млн организации Public First Action. По заявлению компании, деньги пошли на просветительскую работу и продвижение мер по регулированию ИИ. https://www.reuters.com/world/china/china-taps-us-ai-models-train-homegrown-rivals-chip-curbs-bite-2026-11-17/
1 204
4
🖥️ Черная пятница на Stepik на один из лучших курсов по контейнеризации! Если давно хотел разобраться в теме, но постоянно о
🖥️ Черная пятница на Stepik на один из лучших курсов по контейнеризации! Если давно хотел разобраться в теме, но постоянно откладывал или терялся среди десятков материалов, этот курс на Stepik поможет выстроить обучение последовательно. Что получишь: - Понятные объяснения без лишней воды. - Практические задания для закрепления знаний. - Возможность учиться в удобном темпе. - Структурированный подход вместо хаотичного поиска информации. Подойдёт тем, кто начинает с нуля или хочет систематизировать знания. Начни прокачивать навыки уже сейчас: https://stepik.org/course/303477/
1 121
5
Российские исследователи нашли способы улучшить качество рекомендаций на 35% Новые и непопулярные товары и контент сложнее ре
Российские исследователи нашли способы улучшить качество рекомендаций на 35% Новые и непопулярные товары и контент сложнее рекомендовать: истории покупок по ним ещё нет, и алгоритму не за что зацепиться. Исследователи Т-Банка предложили два подхода, которые помогают решить эту проблему. Результаты представили на конференции ACM CIKM в Риме — одной из ведущих в области поиска и обработки информации. 1. E2L3AE. Модель обучает текстовый энкодер и рекомендательную модель вместе, а не по отдельности, так что система лучше понимает, какие особенности товара важны. Тесты на офисных товарах показали, что полнота рекомендаций выросла на 20,3%, качество ранжирования – на 17,2% по сравнению с L3AE. Это полезно для цифровых сервисов, где у товаров и контента есть подробные описания, например, в небольших интернет-магазинах или на сайтах СМИ. 2. MoE-IGR. Архитектура представляет собой графовую модель, которая для каждого товара подбирает нейросети-экспертов и собирает их выводы с разными весами, заранее оценив характеристики товара. Архитектуру тестировали на фильмах, книгах и заведениях в четырёх сценариях, и лучше всего она показала себя на новинках: на данных MovieLens ранжирование поднялось на 34,5% по сравнению с PinSAGE. Исследования: https://dl.acm.org/doi/10.1145/3799682.3839945 https://dl.acm.org/doi/10.1145/3799682.3839967
1 275
6
No text...
1 231
7
GLM-5 обошла Gemini на бенчмарке после одной настройки агента Исследователи из Northwestern и Google предложили Harness² — сп
GLM-5 обошла Gemini на бенчмарке после одной настройки агента Исследователи из Northwestern и Google предложили Harness² — способ автоматически настраивать обвязку ИИ-агента под задачу. Веса модели остаются прежними. Меняются инструкции, инструменты, навыки и память, с которыми она работает. Сначала агент выполняет задачу с базовыми настройками. Затем модель-редактор предлагает правки, а система заново запускает агента и сравнивает, как он справляется с той же задачей. Эталонные ответы для подбора правок не нужны. Наблюдения из пробных запусков сохраняются в библиотеке и помогают на следующих задачах. На WorkBuddy-Bench один цикл настройки поднял средний балл GLM-5 в OpenCode с 64,2 до 75,7. Gemini 3.5 Flash с базовой конфигурацией OpenCode набрала 72,4. В отдельном эксперименте Gemini редактировала обвязку без пробных прогонов и накопленного опыта. Балл на задачах по программированию упал с 73,4 до 63,2. Препринт на arXiv: https://arxiv.org/abs/2610.14224
2 371
8
TSMC подтвердила утечку данных сотрудников. За архив просят 3 BTC Персональные данные нынешних и бывших сотрудников TSMC появ
TSMC подтвердила утечку данных сотрудников. За архив просят 3 BTC Персональные данные нынешних и бывших сотрудников TSMC появились в сети. В отчёте для SEC компания сообщила, что опубликованные сведения совпадают с записями у внешнего облачного провайдера. Признаков взлома собственных систем TSMC пока не обнаружила. По её данным, утечка не затронула производство и сведения о клиентах. По данным Taiwan News, продавцы заявляют, что в архиве около 46 тысяч записей, и грозят выложить его бесплатно, если за неделю не найдётся покупатель. В опубликованном образце журналисты обнаружили номера удостоверений личности и банковские реквизиты. TSMC не подтвердила заявленный объём утечки. Компания уведомляет пострадавших и выясняет источник утечки вместе с облачным провайдером, следователями и специалистами по кибербезопасности. https://www.sec.gov/Archives/edgar/data/1046179/000104617926000800/a20261112statementregardin.htm
1 646
9
ЮКassa разыгрывает 2 000 000₽ на хакатоне по MCP Разработчики и предприниматели, работающие с ИИ — это ваш выход. Покажите, к
ЮКassa разыгрывает 2 000 000₽ на хакатоне по MCP Разработчики и предприниматели, работающие с ИИ — это ваш выход. Покажите, как решаете задачи бизнеса с MCP ЮKassa, и получите шанс выиграть деньги. Призовой фонд — 2 000 000⠀₽.  Хакатон пройдёт 5-6 декабря онлайн. Участвуйте в одиночку или в команде до пяти человек и выбирайте один из двух треков:  — «Сделайте свой бизнес агентным». Интегрируйте MCP ЮKassa в существующий бизнес и создайте ИИ-агента, который самостоятельно выполняет коммерческую или платёжную задачу. — «Создайте ИИ-решение для клиентов». Разработайте готового ИИ-агента, автоматизацию или интеграционное решение на базе MCP ЮKassa. Финальный продукт должен решать типовые задачи бизнеса и легко разворачиваться для других клиентов ЮKassa.  Регистрация открыта до 4 декабря — подайте заявку
1 610
10
No text...
1 537
11
🔥 ИИ уже пишет код за вас. Научитесь управлять им, пока это не стало обязательным навыком разработчика. Вайбкодинг позволяет
🔥 ИИ уже пишет код за вас. Научитесь управлять им, пока это не стало обязательным навыком разработчика. Вайбкодинг позволяет собирать приложения, писать функции и автоматизировать разработку с помощью ИИ. Но кто проверит архитектуру, найдёт ошибки и убедится, что результат действительно готов к production? Вы научитесь работать с ИИ-агентами, проектировать архитектуру, генерировать и проверять Python-код, тестировать приложения, проводить Code Review, находить уязвимости, работать с SQL и CI/CD. * В курсе:** 🔥 49 уроков 🔥 210 тестов 🔥 53 практические задачи 🔥 9 модулей 🐦‍⬛ BLACK FRIDAY: скидка - 55% на курс! Не просто генерируйте код. Научитесь создавать с ИИ полноценные работающие проекты. 👉 Забрать курс: https://stepik.org/course/296720/
1
12
🔥 Nex-N2.6: новая открытая ИИ-модель для автономных агентов обошла DeepSeek в тестах на работу с компьютером Shanghai Innova
🔥 Nex-N2.6: новая открытая ИИ-модель для автономных агентов обошла DeepSeek в тестах на работу с компьютером Shanghai Innovation Institute представил мультимодальную агентную модель Nex-N2.6, которая работает с текстом, изображениями и видео. Результаты тестирования: - 83,0 балла OSWorld - тест на выполнение задач в компьютерном интерфейсе. - 84,1 балла Terminal-Bench 2.1 - проверка работы в терминале. - 100% корректного выбора инструментов в 956 проверенных сценариях, на уровне GPT-6 Sol. - Повторение рассуждений сократилось с 16% до 1,6% по сравнению с Nex-N2.5-Pro. - Общий показатель отсутствия повторов вырос с 91% до 97,8%. Для сравнения, DeepSeek-V4.1-Flash набрала 71,7 на OSWorld и 82,7 на Terminal-Bench 2.1. Модель ориентирована на длительные агентные задачи, программирование, управление интерфейсами и работу с инструментами без потери контекста. Попробовать: 🐙 GitHub: https://github.com/sii-nex/Nex-N2 🤗 Hugging Face: https://huggingface.co/nex-agi/Nex-N2 API: https://openrouter.ai/nex-agi/nex-n2 *Цифры приведены по результатам тестирования разработчиков модели.*
1 821
13
🤖 Многие уже работают с языковыми моделями, но относятся к ним как к черному ящику. Без понимания принципов трудно предсказа
🤖 Многие уже работают с языковыми моделями, но относятся к ним как к черному ящику. Без понимания принципов трудно предсказать поведение модели и объяснить ее ошибки, а это первое, с чем сталкиваешься при внедрении. 📅 12.11 в 20:00 пройдет открытый урок «Что надо знать про работу LLM моделей». Для Python-разработчиков, DevOps-инженеров и аналитиков данных, которые начинают работать с LLM. На уроке: • разберем токены и контекст; • поговорим об ограничениях моделей; • обсудим, что учесть перед внедрением. Приходите разобраться. Запись: https://otus.pw/knFE/?erid=2W5zFJRE1Sr Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.
1 007
14
ИИ-агент OpenAI отправил 300 писем за несколько дней. В какой-то момент его пришлось отключить 🤯 Сооснователь Plato Роберт Ф
ИИ-агент OpenAI отправил 300 писем за несколько дней. В какой-то момент его пришлось отключить 🤯 Сооснователь Plato Роберт Фарлоу поручил OpenAI Dot организовать переезд своего офиса. Агент должен был самостоятельно связаться с перевозчиками, страховыми компаниями и управляющими зданиями. Но автономность вышла из-под контроля. За несколько дней Dot отправил около 300 электронных писем. Некоторым перевозчикам он писал по три-четыре раза, постоянно задавая новые вопросы. Подрядчики начали жаловаться, что не успевают отвечать на сообщения агента. Переписка с новым управляющим здания оказалась настолько огромной, что тому пришлось создавать отдельную цепочку писем. В итоге Фарлоу решил остановить агента. История хорошо показывает одну из главных проблем современных AI-агентов: они могут самостоятельно выполнять задачи, но пока не всегда понимают, когда нужно остановиться, объединить вопросы или дождаться ответа. 300 писем вместо одного организованного рабочего процесса. Автономность без контроля легко превращается в автоматизированный хаос. Источник: Business Insider.
1 954
15
Rust, который наконец становится понятным 🦀 Давно хочешь выучить Rust, но ownership, borrowing и lifetimes выглядят как отде
Rust, который наконец становится понятным 🦀 Давно хочешь выучить Rust, но ownership, borrowing и lifetimes выглядят как отдельный вид боли? Этот курс проведёт тебя с самого начала до уровня, где ты уже пишешь реальные системные и сетевые программы. Ты разберёшь: Ownership → Borrowing → ошибки → коллекции → Generics → Traits → модули → тесты → сетевой код Никакого бесконечного чтения документации. После каждого урока ты сразу пишешь код, проходишь тесты и решаешь задачу с автопроверкой. 🔥 Rust с нуля 🔥 5–6 часов в неделю 🔥 Практика после каждого урока 🔥 Подойдёт после Python, JavaScript, Java и других языков 🔥 Можно начать сразу В конце у тебя будет понимание Rust, с которым уже можно писать быстрые backend-сервисы, сетевые приложения и системные утилиты, а не смотреть на borrow checker как на врага. Пора добавить Rust в свой стек. Начинай курс и пиши первый код уже сегодня: https://stepik.org/a/294885/
1 191
16
No text...
1 827
17
Запускайте 10 ИИ-агентов параллельно и не ломайте Git-репозиторий Worktrunk - инструмент для управления Git Worktrees, создан
Запускайте 10 ИИ-агентов параллельно и не ломайте Git-репозиторий Worktrunk - инструмент для управления Git Worktrees, созданный специально для параллельной работы с ИИ-агентами вроде Claude Code и Codex. Проблема знакома: запускаешь несколько агентов в одном проекте, они одновременно меняют файлы, конфликтуют между собой и мешают друг другу. Worktrunk решает это через отдельные рабочие директории. Каждый агент получает собственную ветку и изолированную копию рабочего дерева. Изменения можно разрабатывать независимо, а затем объединять. Несколько полезных возможностей: wt switch -c feature-auth - создать новую ветку и рабочую директорию. wt switch -c -x claude feature-a -- "Add authentication" - создать рабочую директорию и сразу запустить Claude Code с задачей. wt list - посмотреть все рабочие деревья, изменения и состояние веток. wt merge main - объединить изменения с основной веткой. wt remove - удалить рабочую директорию и завершить работу с веткой. Есть автоматические hooks для настройки окружения, отдельные порты для dev-серверов, общие build-кеши и интеграция с CI. Особенно полезно для разработчиков, которые строят собственные мультиагентные системы и хотят запускать несколько задач одновременно, не создавая хаос в Git. GitHub: https://github.com/max-sixty/worktrunk
2 014
18
Anthropic учит ИИ самостоятельно создавать научные модели Anthropic опубликовала исследование о том, как ИИ-агенты начинают автоматизировать одну из самых сложных частей научной работы: построение математических моделей по экспериментальным данным. Исследователи из ELLIS Institute Tübingen описали подход, при котором LLM самостоятельно предлагает уравнения, пишет код симуляции, сравнивает результаты с экспериментами и корректирует модель. Процесс состоит из трёх этапов: 1. Построение модели. ИИ предлагает математические зависимости и проверяет разные гипотезы. 2. Подбор параметров. Нейросети обучаются на сотнях тысяч или миллионах симуляций. После обучения они могут оценивать параметры новых экспериментов за секунды. 3. Интерпретация. Система сравнивает несколько подходящих моделей, выявляет общие закономерности и помогает определить, какой эксперимент провести следующим. В качестве примера авторы разбирают модель Ходжкина-Хаксли, описывающую электрическую активность нейронов. Сегодня ИИ потенциально способен воспроизвести подобную работу за часы вместо недель. Но есть ограничение: современные агенты пока в основном заново открывают уже известные научные модели. Доказательств их эффективности на принципиально новых задачах недостаточно. Следующий шаг, по мнению исследователей, заключается в том, чтобы ИИ не просто находил уравнение, совпадающее с данными, но и объяснял, почему оно работает и какие альтернативные гипотезы были отвергнуты. Исследование: https://www.anthropic.com/research/teaching-ai-to-build-scientific-models
1 911
19
🖥️ Черная пятница на Stepik на один из лучших курсов по контейнеризации! Если давно хотел разобраться в теме, но постоянно о
🖥️ Черная пятница на Stepik на один из лучших курсов по контейнеризации! Если давно хотел разобраться в теме, но постоянно откладывал или терялся среди десятков материалов, этот курс на Stepik поможет выстроить обучение последовательно. Что получишь: - Понятные объяснения без лишней воды. - Практические задания для закрепления знаний. - Возможность учиться в удобном темпе. - Структурированный подход вместо хаотичного поиска информации. Подойдёт тем, кто начинает с нуля или хочет систематизировать знания. Начни прокачивать навыки уже сейчас: https://stepik.org/course/303477/
1 377
20
OpenAI проверила, способны ли ИИ-агенты заменить учёного в лабораторном анализе OpenAI совместно с биотехнологической компани
OpenAI проверила, способны ли ИИ-агенты заменить учёного в лабораторном анализе OpenAI совместно с биотехнологической компанией Ligo представила BioBasicsBench, бенчмарк из 100 задач на основе реальных лабораторных экспериментов. Модели должны анализировать снимки микроскопии, результаты секвенирования, фотографии образцов и показания приборов, находить ошибки экспериментов и понимать, когда данных недостаточно для выводов. Результаты при максимальном общем уровне рассуждений xhigh: GPT-6 Astra: 66,7% GPT-6.1 Sol: 62,0% GPT-5.6 Sol: 43,8% Оценки показывают долю набранных баллов по критериям, а не процент полностью решённых задач. Например, GPT-6 Astra смогла заметить неправильную маркировку антибиотика на лабораторной чашке, которую пропустила предыдущая модель. Но ошибки остаются: Astra иногда неверно интерпретирует контрольные образцы и ошибается при подсчёте колоний бактерий. Всего исследователи провели 18 500 тестовых запусков с разными моделями и настройками. BioBasicsBench позволит отслеживать, насколько ИИ готов к повседневной работе биологов, а также оценивать последствия роста таких возможностей для биобезопасности. Исследование: https://openai.com/index/measuring-how-ai-agents-handle-wet-lab-science/
1 911