Жёлтый AI
Open in Telegram
Подпольный филиал https://t.me/kod_zheltyi AI/ML-related news by T-Bank AI teams Чат: https://t.me/zheltyi_aimeetup
Show more9 392
Subscribers
+224 hours
+57 days
+2630 days
Data loading in progress...
Similar Channels
Tags Cloud
Incoming and Outgoing Mentions
---
---
---
---
---
---
Attracting Subscribers
September '26
September '26
+30
in 0 channels
August '26
+125
in 0 channels
Get PRO
July '26
+194
in 0 channels
Get PRO
June '26
+271
in 1 channels
Get PRO
May '26
+137
in 0 channels
Get PRO
April '26
+136
in 0 channels
Get PRO
March '26
+97
in 0 channels
Get PRO
February '26
+102
in 0 channels
Get PRO
January '26
+331
in 7 channels
Get PRO
December '25
+74
in 4 channels
Get PRO
November '25
+85
in 1 channels
Get PRO
October '25
+127
in 5 channels
Get PRO
September '25
+127
in 3 channels
Get PRO
August '25
+134
in 1 channels
Get PRO
July '25
+404
in 8 channels
Get PRO
June '25
+166
in 1 channels
Get PRO
May '25
+168
in 1 channels
Get PRO
April '25
+182
in 3 channels
Get PRO
March '25
+151
in 0 channels
Get PRO
February '25
+126
in 0 channels
Get PRO
January '25
+134
in 0 channels
Get PRO
December '24
+460
in 4 channels
Get PRO
November '24
+170
in 2 channels
Get PRO
October '24
+223
in 0 channels
Get PRO
September '24
+185
in 1 channels
Get PRO
August '24
+263
in 2 channels
Get PRO
July '24
+907
in 4 channels
Get PRO
June '24
+129
in 2 channels
Get PRO
May '24
+501
in 8 channels
Get PRO
April '24
+300
in 5 channels
Get PRO
March '24
+243
in 4 channels
Get PRO
February '24
+283
in 8 channels
Get PRO
January '24
+464
in 7 channels
Get PRO
December '23
+747
in 12 channels
Get PRO
November '23
+288
in 4 channels
Get PRO
October '23
+228
in 6 channels
Get PRO
September '23
+120
in 0 channels
Get PRO
August '23
+362
in 0 channels
Get PRO
July '23
+217
in 0 channels
Get PRO
June '23
+300
in 0 channels
Get PRO
May '23
+91
in 0 channels
Get PRO
April '23
+268
in 0 channels
Get PRO
March '23
+332
in 0 channels
Get PRO
February '23
+77
in 0 channels
Get PRO
January '23
+109
in 0 channels
Get PRO
December '22
+217
in 0 channels
Get PRO
November '22
+150
in 0 channels
Get PRO
October '22
+114
in 0 channels
Get PRO
September '22
+45
in 0 channels
Get PRO
August '22
+125
in 0 channels
Get PRO
July '22
+202
in 0 channels
Get PRO
June '22
+61
in 0 channels
Get PRO
May '22
+84
in 0 channels
Get PRO
April '22
+50
in 0 channels
Get PRO
March '22
+26
in 0 channels
Get PRO
February '22
+222
in 0 channels
Get PRO
January '22
+75
in 0 channels
Get PRO
December '21
+292
in 0 channels
| Date | Subscriber Growth | Mentions | Channels | |
| 11 September | 0 | |||
| 10 September | +3 | |||
| 09 September | +2 | |||
| 08 September | +6 | |||
| 07 September | +3 | |||
| 06 September | +1 | |||
| 05 September | +4 | |||
| 04 September | +2 | |||
| 03 September | +1 | |||
| 02 September | +5 | |||
| 01 September | +3 |
Channel Posts
19 сентября наши спикеры выступят на Practical ML Conf 😎
— В 14:50 Даниил Гаврилов поучаствует в дискуссии о том, как исследования превращаются в продукты, почему иногда продукт появляется раньше статьи и какие результаты компании предпочитают вообще не публиковать.
— В 15:30 Даниил Цимерман обсудит, где AI-агенты уже приносят измеримую пользу, а где пока остаются красивыми демками.
— В 17:50 в зале «Код» Александр Мисевич расскажет, как мы строим инфраструктуру для массового инференса LLM внутри корпоративного контура. Будет про единый пайплайн подготовки, бенчмаркинга, оптимизации и деплоя моделей — и про то, как за последние полгода нам удалось снизить стоимость инференса в несколько раз.
Подробности и регистрация — на сайте.
| 2 |  ⚡️Делимся двумя релизами, о которых рассказывали на Turbo ML Conf
T-Search — открытый агент-ретривер для сложного многошагового поиска. Это специализированная модель на основе Qwen3-35B-A3B. Она не генерирует ответ, а за несколько шагов находит нужные фрагменты в документах. Попробовать модель в деле можно на Hugging Face, а почитать, как мы обучали агента многошаговому поиску — в статье на Хабре.
Perseus — открытый фреймворк для универсальной персонализации на основе гетерогенных событий. Он объединяет все действия пользователя из разных сервисов в единую последовательность и позволяет масштабировать ML-персонализацию на новые продукты — даже если у пользователя там еще нет никакой истории. В разных задачах сразу получили +3–17% к бизнес-метрикам. Почитать, как можно использовать фреймворк, предлагаем на Хабре, а сам фреймворк — на GitHub. | 2 992 |
| 3 | sticker.webp | 4 190 |
| 4 |  ✨ Пока ждем Turbo ML Conf предлагаем поиграть в мини-игру @LossMonkeyBot
Всем же приятно смотреть как лосс падает? Пока fable делает вашу работу, можно вкатиться в макакинг 🦍
3 человека, которые попадут в начало лидерборда, заберут лего-банкоматы Т-Банк.
Победителей объявим в комментариях 17 июля - за день до конференции! | 4 269 |
| 5 |  Владивосток, мы знаем, чем вы займетесь 27 июня 👀
Встречаемся на T-Meetup: R&D! Нас ждут доклады, полезные знакомства и общение с топами индустрии.
В программе 3 доклада:
→ «Почему существуют задачи, которые нельзя решить обычной разработкой?» — Станислав Моисеев
Поговорим, где проходит граница между разработкой и R&D, почему некоторые технологические вызовы невозможно решить стандартными инженерными подходами и зачем компании инвестируют в проекты с высокой неопределенностью.
→ «Code Knowledge Graphs как память для LLM» — Михаил Бадерик
Разберем, что такое графы знаний и как они помогают превратить кодовую базу в структурированную память для ИИ-ассистентов. Обещаем много практики!
→ «Эволюционные агенты на практике: open-source и реальные задачи» — Матиенко Данил
Узнаем, как устроены AlphaEvolve и его open-source-аналоги, сравним подходы и покажем реальные кейсы. Расскажем, как мы оптимизировали выезды торговых представителей в Т-Географии.
Приходите, чтобы задать вопросы топ-менеджеру и разработчикам R&D-центра, обменяться опытом и пообщаться с коллегами в неформальной обстановке.
🗓️27 июня, 17:30 по местному времени
📍Владивосток, Корабельная набережная, 10
Не забудьте зарегистрироваться — количество мест ограничено! | 4 720 |
| 6 |  Получили ранний доступ к секретной модели Mistral: Le Gros Chaton — 30 трлн параметров, 256 тысяч экспертов. Подняли инференс на всём кластере, неделя прогрева — пока что сгенерировали только 10 токенов. Но это лучшие 10 токенов в нашей жизни.
Правда, они пока только на французском. Так что начинаем обучение «Большой ко-Т». | 4 537 |
| 7 |  ⚡️ Открываем регистрацию на Turbo ML Conf 2026!
Соберемся, чтобы обсудить глубокие исследования, прикладной ML и инженерные системы.
В программе три трека.
✨ Fundamental Advances & Exploratory R&D
Поговорим об архитектуре и обучении современных моделей, их интерпретируемости, безопасном поведении и способности к рассуждению и самокоррекции.
✨ Applied ML at Scale & Business Impact
Рассмотрим внедрение ML в продукты: интеграцию классических и GenAI-моделей, обеспечение их предсказуемости, влияние AI на пользовательский опыт и бизнес-метрики.
✨ ML Infrastructure, Platforms & Engineering Core
Разберем технологическое ядро ML-систем: архитектуры, пайплайны данных и масштабного обучения, методы дообучения, низкоуровневую оптимизацию инференса и инфраструктуру.
А еще вас ждут секретные доклады, о которых расскажем в день конференции, и демозоны, где можно будет познакомиться с платформами и продуктами на базе ML-технологий и пообщаться с командами, которые их создают.
📚18 июля
↗️️ Москва, ДК «Серп и молот»
Регистрируйтесь и приглашайте коллег — количество мест ограничено! | 6 273 |
| 8 |  +4Съездили в 🔤🔤🔤🔤🔤🔤 на AAMAS 2026, где у нас был oral с работой Enhancing Vision-Language Model Training with Reinforcement Learning in Synthetic Worlds for Real-World Success.
В статье мы обучаем VLM-агентов через RL в дешевых синтетических средах: MiniWorld, Gym-Cards, ALFWorld и WebShop. Основная идея — если хотим, чтобы модель не просто красиво описывала картинку, а умела смотреть на состояние мира и делать последовательность действий, то ей нужно дать возможность потренироваться в интерактивных окружениях.
Для этого предложили VL-DAC: простой RL-метод, где PPO применяется к action-токенам, а value учится один раз на шаг среды. В итоге убираем хрупкие коэффициенты между thought/action токенами, replay buffers и прочие места, где обычно хочется немного поплакать во время обучения VLM через RL.
После обучения в одном дешевом симуляторе модель переносит навыки на реальные бенчмарки: +50% relative на BALROG, +5% на самой сложной части VSI-Bench и +2% на VisualWebBench, при этом не ломая обычное понимание изображений.
• Статью можно прочитать тут, а код найти здесь 😉 | 5 145 |
| 9 |  ⚡️ Turbo ML Conf возвращается!
Бронируем ваше 18 июля, чтобы обсудить тренды, кейсы и технологии в ML.
В этом году помимо докладов у нас будут представлены демозоны с разными ML-решениями. Вы сможете представить продукт или платформу вашей компании, основанную на ML-технологиях.
Если вам есть что показать — оставляйте заявку на сайте. Мы особенно заинтересованы в опыте использования CV, RecSys и NLP. Всем участникам предоставим место с экраном для команды до трех человек.
А какие будут треки с докладами?
↗️ Fundamental Advances & Exploratory R&D
Про архитектуру и обучение современных моделей, их интерпретируемость, безопасное поведение и способность к рассуждению и самокоррекции.
↗️ Applied ML at Scale & Business Impact
Про внедрение ML в продукты: интеграцию классических и GenAI-моделей, обеспечение их предсказуемости, влияние AI на пользовательский опыт и бизнес-метрики.
↗️ ML Infrastructure, Platforms & Engineering Core
Про технологическое ядро ML-систем: архитектуры, пайплайны данных и масштабного обучения, методы дообучения, низкоуровневую оптимизацию инференса и инфраструктуру.
Следите за апдейтами конференции в этом канале и на сайте. | 5 001 |
| 10 |  Как эффективно объединить машинное обучение, разработку и эксплуатацию в устойчивую и масштабируемую систему?
Обсудим на T-Meetup: MLOps в Нижнем Новгороде уже 9 апреля!
Что будет в программе?
→ «Когда Kubernetes не справляется: как мы научили кластер жить под сильной батчевой нагрузкой» — Андрей Фунтиков
Узнаем, как инфраструктурная команда ML Core прошла путь от регулярных падений под нагрузкой до уверенной работы под лавиной запускаемых задач.
→ «Как мы обеспечиваем качество выдачи агентской системы. От эвала „ступидов“ до больших бенчмарков» — Юрий Крутилин
Поговорим со стороны потребителя инференса о том, как на практике обеспечивать качество выдачи агентской системы, и разберем, почему корректный output модели еще не означает корректную работу всей системы.
→ «Hugging Face Proxy: Как мы доставляем модели тяжелее 1 ТБ до кластеров за миллисекунды» — Никита Ковалев
Узнаем о том, как команда встроила Hugging Face Proxy в Model Registry, а также об архитектуре и подводных камнях, которые стоит учесть при разработке подобной системы.
А после докладов вы сможете задать спикерам вопросы и пообщаться в неформальной обстановке.
🗓️ 9 апреля, 19:00
📍Нижний Новгород, ул. Б. Покровская, 18
⚡️Зарегистрироваться тут | 3 620 |
| 11 | Приглашаем всех на хакатон BitGN PAC1 🚀
11 апреля в офисе на Свердловской набережной, 44с2, пройдет финальный день международного соревнования по созданию персональных AI-агентов.
Что это такое?
BitGN PAC — это соревнование, где участники создают свои собственные AI-агенты, которые будут решать различные задачи в симулированной среде. Вам предстоит написать ядро агента, подключить его к платформе BitGN через API и протестировать его на точность и безопасность ответов. Подробную инструкцию со всеми шагами можно почитать тут.
Зачем участвовать?
— Получите опыт разработки AI-агентов и ваши решения займут места в глобальном рейтинге
— Cможете использовать своего агента для реальных задач, так как вся инфра будет опубликована в open source
— Вместе с другими участниками обсудите ваши решения и идеи
— Посетите экскурсии по офису и пообщаетесь с нашими командами разработки
— Получите возможность выиграть призы
— Отдохнете на afterparty с неформальным общением
Как попасть на хакатон?
1) Зарегистрируйтесь на участие в офисе
2) Напишите своего агента
3) Подключите его к платформе BitGN через API
4) Ознакомьтесь с заданием, которое будет доступно с 15 марта
5) Соберите команду или участвуйте индивидуально
▪️Регистрация на участие в хакатоне
▪️Группа в тг со всеми подробностями | 4 807 |
| 12 |  Во-первых поздравляем всех с праздником масленицы!
Во-вторых мы выпустили блогпост про геометрию многообразий внутри LLM: внутри красивые картинки, интересные фичи и интерактивные графики. Рекомендуем темп примерно один блин на главу, приятного аппетита! | 4 882 |
| 13 | В следующий вторник (10 февраля) в 16:30 Никита @CapturedGenie из команды фундаментальных моделей расскажет про Engram от DeepSeek на Yandex Research Reading Group.
Никита разберет недавнюю статью от DeepSeek о модификации Transformer архитектуры - обсудит добавление специального Engram модуля внутрь блоков для явного ретривала знаний и покажет, как такая архитектура достигает лучших результатов при сравнимом бюджете вычислений.
Ссылка на трансляцию в zoom: https://yandex.zoom.us/j/97483365363 | 6 107 |
| 14 | Делимся обещанными записями с RecSys-митапа:
▪️посмотреть плейлист в VK
▪️посмотреть плейлист на YouTube
И с наступающим🎄 | 3 692 |
| 15 | 🎄Обновление T-Pro и T-Lite
Не могли оставить декабрь без этого — выпустили обновления. Модели сейчас точнее держат формат, увереннее работают в агентских системах и при этом сохраняют скорость и общее качество.
T-Pro 2.1 стала значительно лучше понимать сложные требования (ответы строго в формат JSON, лимиты длины, многошаговые инструкции) и увереннее работать в агентских сценариях. T-Lite 2.1 после обновления стала сильнее в прикладных задачах и при этом сохранила скорость и практичность для продакшена и локального запуска.
🎁 T-Pro 2.1 на Hugging Face
🎁 T-Lite 2.1 на Hugging Face
🎁 T-pro 2.0 training report
🎁 Разбор релиза на Хабре | 6 520 |
| 16 | Готовим RecSys митап для вас, на этот раз в Санкт-Петербурге 🥦
- Расскажем о том, как мы построили онлайн-рекомендации вместо батчевых раз в день
- Про персонализацию скидок и лояльности с помощью модели эластичности
- А наша гостья из Яндекса расскажет про опыт замены ранжирующего бустинга на нейросеть
Все пройдет 27 ноября в 19:00 по местному времени. Место – наш офис в СПб БЦ Ferrum II. Все подробности и регистрация на ивент тут. | 3 357 |
| 17 |  +5Наша команда вернулась с EMNLP 2025, на которой у нас было принято две статьи 🐫
Первая – Steering LLM Reasoning Through Bias-Only Adaptation про то, как можно улучшать reasoning в LLM при помощи минимальных добавок (значительно меньших, чем LoRA и прочие). Небольшой спойлер, который можно найти в репозитории с кодом статьи – это также открывает новые возможности для интерпретации reasoning моделей.
Вторая – Train One Sparse Autoencoder Across Multiple Sparsity Budgets to Preserve Interpretability and Accuracy посвящена новому методу обучения Sparse Autoencoders, для которого теперь можно контроллировать степень разреженности пространства фичей после обучения. Для этого мы также опубликовали triton кернелы, чтобы все могли обучать модель нашим методом быстро, доступно как на github, так и на hugging face. | 3 761 |
| 18 |  +3@rusrahimov оказался на IROS 2025, где у него был oral с недавней статьей Grounding Keypoint Descriptors into 3D Gaussian Splatting for Improved Visual Localization, написанной в коллабе с ИТМО и Центром робототехники Сбера.
Работа посвящена визуальной локализации по одному снимку с камеры. Дистиллируем 2D-дескрипторы ключевых точек прямо в 3D-представление сцены, сначала находим грубую позу камеры, затем уточняем её по рендеру. Полезно для AR/VR и робототехники; потенциально снижает требования к датчикам и удешевляет платформу.
Подробнее можно почитать тут. | 5 437 |
| 19 |  Завтра в 17:00 на базе AIRI состоится семинар AlphaEvolve на практике: Обзор и практические выводы. С нашей стороны будет Даниил Гаврилов, а от AIRI – Валентин Хрульков.
На семинаре пообщаемся про недавнюю работу DeepMind – AlphaEvolve, а также про все вокруг неё.
Подробное описание и регистрация на офлайн-формат на сайте.
Трансляция будет доступна на YouTube и VK Видео | 5 280 |
| 20 |  +1@murkyfella воспользовался визой в Канаду после ICML 2025, и рассказал о недавней статье @nikoryagin на COLM 2025: Teach Old SAEs New Domain Tricks with Boosting 🏎
Sparse Autoencoders очень сильно зависят от данных, на которых их обучали, и если у вас появятся новые домены, на которых вы захотите изучить поведение модели, вам придется постоянно обучать новые SAE.
Вместо этого мы предложили очень простой метод, в котором мы учим новые SAE на ошибках старых, получая модуль, способный интерпретировать свежие данные, не ломая старые представления.
Статью можно прочитать тут | 6 121 |
