Институт AIRI
Open in Telegram
Канал Института AIRI ⚡️ Рассказываем про технологии ИИ и о том, как исследователи развивают их в России и мире: https://airi.net/ru/ ВКонтакте: https://vk.com/airi_institute Регистрация в РКН: https://gosuslugi.ru/snet/686cce31f794ae555409516c
Show more📈 Analytical overview of Telegram channel Институт AIRI
Channel Институт AIRI (@airi_research_institute) in the Russian language segment is an active participant. Currently, the community unites 13 287 subscribers, ranking 9 358 in the Technologies & Applications category and 49 101 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 13 287 subscribers.
According to the latest data from 25 August, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 151 over the last 30 days and by 7 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 33.69%. Within the first 24 hours after publication, content typically collects 14.65% reactions from the total number of subscribers.
- Post reach: On average, each post receives 4 475 views. Within the first day, a publication typically gains 1 946 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 65.
- Thematic interests: Content is focused on key topics such as airi, лаборатория, llm, airi_seminars, архитектура.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“Канал Института AIRI ⚡️
Рассказываем про технологии ИИ и о том, как исследователи развивают их в России и мире: https://airi.net/ru/
ВКонтакте: https://vk.com/airi_institute
Регистрация в РКН: https://gosuslugi.ru/snet/686cce31f794ae555409516c”
Thanks to the high frequency of updates (latest data received on 26 August, 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.
13 287
Subscribers
+724 hours
+277 days
+15130 days
Data loading in progress...
Similar Channels
Tags Cloud
Incoming and Outgoing Mentions
---
---
---
---
---
---
Attracting Subscribers
August '26
August '26
+199
in 9 channels
July '26
+206
in 1 channels
Get PRO
June '26
+232
in 9 channels
Get PRO
May '26
+305
in 16 channels
Get PRO
April '26
+367
in 24 channels
Get PRO
March '26
+300
in 20 channels
Get PRO
February '26
+353
in 23 channels
Get PRO
January '26
+201
in 6 channels
Get PRO
December '25
+455
in 12 channels
Get PRO
November '25
+393
in 18 channels
Get PRO
October '25
+390
in 14 channels
Get PRO
September '25
+426
in 22 channels
Get PRO
August '25
+229
in 11 channels
Get PRO
July '25
+320
in 15 channels
Get PRO
June '25
+457
in 20 channels
Get PRO
May '25
+358
in 25 channels
Get PRO
April '25
+602
in 43 channels
Get PRO
March '25
+208
in 15 channels
Get PRO
February '25
+440
in 30 channels
Get PRO
January '25
+391
in 4 channels
Get PRO
December '24
+803
in 21 channels
Get PRO
November '24
+273
in 20 channels
Get PRO
October '24
+243
in 20 channels
Get PRO
September '24
+275
in 10 channels
Get PRO
August '24
+245
in 9 channels
Get PRO
July '24
+667
in 38 channels
Get PRO
June '24
+306
in 25 channels
Get PRO
May '24
+319
in 25 channels
Get PRO
April '24
+642
in 28 channels
Get PRO
March '24
+342
in 27 channels
Get PRO
February '24
+326
in 30 channels
Get PRO
January '24
+207
in 9 channels
Get PRO
December '23
+414
in 21 channels
Get PRO
November '23
+252
in 15 channels
Get PRO
October '23
+414
in 23 channels
Get PRO
September '23
+193
in 0 channels
Get PRO
August '23
+196
in 0 channels
Get PRO
July '23
+115
in 0 channels
Get PRO
June '23
+355
in 0 channels
Get PRO
May '23
+282
in 0 channels
Get PRO
April '23
+175
in 0 channels
Get PRO
March '23
+315
in 0 channels
Get PRO
February '23
+210
in 0 channels
Get PRO
January '23
+271
in 0 channels
Get PRO
December '22
+197
in 0 channels
Get PRO
November '22
+151
in 0 channels
Get PRO
October '22
+183
in 0 channels
Get PRO
September '22
+115
in 0 channels
Get PRO
August '22
+57
in 0 channels
Get PRO
July '22
+153
in 0 channels
Get PRO
June '22
+282
in 0 channels
Get PRO
May '22
+194
in 0 channels
Get PRO
April '22
+1 109
in 0 channels
| Date | Subscriber Growth | Mentions | Channels | |
| 26 August | +6 | |||
| 25 August | +12 | |||
| 24 August | +6 | |||
| 23 August | +6 | |||
| 22 August | +4 | |||
| 21 August | +6 | |||
| 20 August | +7 | |||
| 19 August | +6 | |||
| 18 August | +5 | |||
| 17 August | +5 | |||
| 16 August | +13 | |||
| 15 August | +5 | |||
| 14 August | +5 | |||
| 13 August | +8 | |||
| 12 August | +10 | |||
| 11 August | +8 | |||
| 10 August | +8 | |||
| 09 August | +5 | |||
| 08 August | +10 | |||
| 07 August | +8 | |||
| 06 August | +4 | |||
| 05 August | +11 | |||
| 04 August | +6 | |||
| 03 August | +18 | |||
| 02 August | +12 | |||
| 01 August | +5 |
Channel Posts
О юридических аспектах использования ИИ-генераций⤵️
Вита Власова, руководитель направления партнёрского сопровождения и интеллектуальной собственности Института AIRI, в материале для TechInsider рассказала:
⚫️какие судебные практики, посвящённые сгенерированному контенту, есть в мире
⚫️за кем остаётся право на ИИ-творчество и что стоит учитывать ИИ-креаторам
⚫️обязательно ли сообщать аудитории и пользователям о том, что контент сгенерирован
⚫️как авторам грамотно подойти к работе с ИИ-сервисами
📎Читайте материал по ссылке.
| 2 |  +9AIRI на IJCAI 2026📷
Сегодня в Бремене, Германия, завершается Международная объединённая конференция по искусственному интеллекту IJCAI 2026. Институт представили учёные из группы «Автономное зрение» — Дмитрий Сенюшкин, Николай Патакин и Арсений Широков, — Иннокентий Хумонен из группы «ИИ в промышленности» и Дарья Пугачёва, группа «Обобщаемые системы ИИ». Команда AIRI представила 9 работ, 2 из которых — на воркшопах⤵️
📎Unified Sensor Simulation for Autonomous Driving
Работа об XSIM — фреймворке для симуляции сенсоров автономного транспорта, позволяющем фотореалистично воссоздавать сцены по записям реальных проездов и моделировать новые дорожные сценарии.
📎Visual Implicit Geometry Transformer for Autonomous Driving
ViGT — геометрическая модель для автономного вождения, которая по изображениям с камер оценивает занятость в любой точке сцены.
📎Diffract and Conquer: Hyperspectral Imaging from Any RGB Camera via Optical Encoding and Learning
Про то, как дифракционный адаптер и компактная нейронная сеть вместо объектива позволяют снимать гиперспектральный куб на любую RGB-камеру за одно экспонирование.
📎ElderMTL: Multi-Task Affect Monitoring for Elderly Care
О многозадачной системе мониторинга аффективных состояний, которую разработали для применения в сфере ухода за пожилыми людьми.
📎Optimizing Spectrogram Resolution and Training Strategies for Real-Time Killer Whale Call Type Classification
Про фреймворк, который совершенствует систему автоматического распознавания типов вокализаций косаток и оптимизирует обработку спектрограмм и обучение CNN с учётом дисбаланса классов.
📎Interactive System for Reducing Error Propagation in Multi-Stage Ancient Egyptian Text Analysis
В работе представлен веб-инструмент для распознавания и перевода древнеегипетских иероглифов, который объединяет весь процесс преобразования изображения в текст и позволяет исправлять промежуточные результаты.
📎CrossRefine: A Microservice for Cross-Domain Spatial Super-Resolution
Демонстрационный стенд модели понижения масштаба приземных погодных полей на основе SRGAN. Решает проблему получения более качественной структуры погодных полей на произвольном регионе от модельных данных.
📎From Monolithic to Modular: Segment-level Automatic Prompt Optimization (RobustifAI Workshop)
SAPO — метод автоматической оптимизации промптов, который улучшает их по отдельным компонентам: роль, контекст, задача, формат ввода. Выполнена с исследователями из совместной лаборатории с ИТМО.
📎Document-Grounded DCF Valuation with LLM Assumption Governance (FinLLM Workshop)
Статья представляет документно-ориентированную систему DCF-оценки, в которой LLM формирует предположения, а расчёты детерминированы. Показано, что дебаты агентов улучшают предположения, но основной прирост обеспечивает структурированная архитектура.
#AIRIнаКонфе | 3 180 |
| 3 |  О том, как искусственный интеллект помогает в поиске лекарств и изучении влияния препаратов на организм⤵️
Артур Кадурин, директор Центра ИИ-разработки новых лекарственных препаратов AIDD Института AIRI, в интервью «Ъ-Науке» рассказал:
⚫️как учёным удалось научить модель работать с самыми изменчивыми участками антител
⚫️какие ограничения остаются на сегодняшний день при создании антител с помощью ИИ
⚫️с чем модели уже сильно помогают в процессе разработки лекарств
⚫️каковы перспективы использования ИИ в фармацевтике и насколько мы уже близко к лекарству, полностью спроектированному моделями
📎Читайте материал по ссылке. | 3 101 |
| 4 |  +2Работа исследователей AIRI на RLC 2026
В Канаде, Монреаль, завершилась третья международная конференция по обучению с подкреплением.
Денис Тарасов представил на ней работу "Yes, Q-learning Helps Offline In-Context RL". Среди авторов от института — Владислав Куренков, Александр Никулин, Альбина Клепач, Андрей Полубаров, Никита Любайкин и Александр Деревягин из группы «Адаптивные агенты».
Статья получила Outstanding Paper Award в категории Emerging Topics in RL 🚀
В ней исследователи показали, что Q-learning может заметно улучшить offline in-context RL — обучение модели решать новые задачи по контексту, используя только заранее собранные данные и без дополнительного взаимодействия со средой.
#AIRIнаКонфе | 3 533 |
| 5 |  От умного дома до виртуальных миров
Вместе с Компьютеррой выпустили третью часть серии текстов об искусственном интеллекте и науке в нашей повседневной жизни, которая приурочена к пятилетию AIRI.
Александр Коваленко, научный сотрудник группы «ИИ в промышленности» Института AIRI, рассказал, с чего начиналась эволюция умных устройств для дома, какую роль в их работе сыграло появление интернета и различных датчиков и как именно машинное обучение упрощает нашу жизнь.
📎Читайте в материале | 3 574 |
| 6 |  О применении ИИ в археологии и гуманитарных исследованиях⤵️
Илья Макаров, PhD, руководитель группы «ИИ в промышленности» Института AIRI, рассказывает в интервью «Ъ-Науке»:
⚫️какую систему разработали наши исследователи совместно с коллегами из Кембриджского университета, НИУ ВШЭ, ИТМО и ИСП РАН
⚫️как она может помочь специалистам-египтологам распознавать, транслитерировать и переводить тексты быстрее и точнее
⚫️с какими сложностями столкнулись учёные в процессе разработки системы и как смогли их преодолеть
⚫️где ещё могут пригодиться результаты, полученные в ходе исследования
Систему представили на международной конференции ACM CHI 2026.
📎Читайте материал по ссылке. | 4 346 |
| 7 |  +6AIRI на конференции KDD в Южной Корее💡
С 9 по 13 августа в Чеджу проходит международная конференция по обнаружению знаний и интеллектуальному анализу данных. На ней институт представляют Евгений Фролов из группы «Технологии персонализации», Александр Деревягин из «Адаптивных агентов», Дмитрий Умеренков из группы «Базовые модели» и Виталий Дравгелис, группа геномики Центра ИИ-разработки новых лекарственных препаратов.
На KDD от наших исследователей принято 3 работы⤵️
📎Bradley-Terry Rankings for Recommender Systems Across Dataset Taxonomies
📎ChessFraud: Exploring the Capabilities of Human-Aligned Models for Cheating Detection in Online Chess
📎SAASBench: A Synthetic Antibody–antigen Specificity Benchmark
И ещё 1 статья — "There are Optimal LLM Properties for Exact Biological Information Extraction Agents" — на воркшопе AI Agent for Information Retrieval (Agent4IR).
Делимся фотографиями с конференции📷
#AIRIнаКонфе | 5 119 |
| 8 |  Наши исследователи разработали фреймворк, улучшающий точность компьютерного моделирования работы лекарственных молекул
При создании новых лекарственных препаратов исследователи используют молекулярный докинг — ищут, как лиганд присоединяется к белку и образует стабильный комплекс.
Учёные из групп «Адаптивные агенты» и «Дизайн белков» Института AIRI разработали новый фреймворк Harmony, который моделирует сдвиги двугранных углов в белке и молекуле, показывая, как именно они будут развёрнуты, и предсказывая финальную форму белкового комплекса. При этом моделирование идёт в пространстве частот — это даёт нейросети дополнительную полезную информацию и позволяет ей проще выучивать сложные движения.
Фреймворк проверили на наборах PDBBind и PoseBusters, а также на белках EBNA1 и KRAS G12D. Наработки, которые были сделаны, также могут быть полезны, например, при решении задач молекулярной динамики.
Научная статья | CNews | 4 252 |
| 9 |  +2Работы Института AIRI на ACL 2026
В июле в Сан-Диего, штате Калифорния, США, прошла ежегодная конференция ACL, посвящённая компьютерной лингвистике и NLP. В этом году 15 работ Института AIRI на конференции и 3 на воркшопах представили наши международные соавторы❤️
Основной трек:
📎Beyond Memorization: Extending Reasoning Depth with Recurrence, Memory and Test-Time Compute Scaling
📎Self-Guided Plan Extraction for Instruction-Following Tasks with Goal-Conditional Reinforcement Learning
📎POLAR: A Benchmark for Multilingual, Multicultural, and Multi-Event Online Polarization
📎Anatomy of Unlearning: The Dual Impact of Fact Salience and Model Fine-Tuning
📎Efficient Hallucination Detection in Automatic Code Generation
📎Emergent Misalignment via In-Context Learning: Narrow in-context examples can produce broadly misaligned LLMs
📎DimABSA: Building Multilingual and Multidomain Datasets for Dimensional Aspect-Based Sentiment Analysis
📎Fast and Accurate Fisher-Guided Quantization via Efficient Kronecker Factorization
📎Z3D: Zero-Shot 3D Visual Grounding from Images
Студенческий трек:
📎One Task Vector is not Enough: A Large-Scale Study for In-Context Learning
📎Boosting Self-Consistency with Ranking
📎The Silence of the Facts: Popularity as a Barrier to Machine Unlearning
📎Evolutionary Search for Automated Design of Uncertainty Quantification Methods
📎Fine-Grained Semantic Comparison of Legal Documents using LLMs
Индустриальный трек:
📎Motivating Next-Gen Accelerators with Flexible (N:M) Activation Sparsity via Benchmarking Lightweight Post-Training Sparsification Approaches
Воркшопы:
📎SemEval-2026 Task 9: Detecting Multilingual, Multicultural and Multievent Online Polarization
📎SemEval-2026 task 3: Dimensional aspect-based sentiment analysis (DimABSA)
📎Overview of the 11th Social Media Mining for Health (# SMM4H) and Health Real-World Data (HeaRD) Shared Tasks at ACL 2026
Кстати, работа "POLAR: A Benchmark for Multilingual, Multicultural, and Multi-Event Online Polarization" получила Best Paper Award в рамках воркшопа EEUCA 2026. Среди её авторов — доктор компьютерных наук, руководитель группы «Прикладное NLP» Института AIRI Елена Тутубалина и Олег Рогов, кандидат физико-математических наук, руководитель группы «Доверенные и безопасные интеллектуальные системы» Института AIRI.
#AIRIнаКонфе | 4 530 |
| 10 |  +4Завершилась пятая Летняя школа по искусственному интеллекту «Лето с AIRI», которую мы организовали совместно с Фондом «Вольное дело»💡
Спасибо увлечённым участникам, успевшим за две недели всё: посетить более 70 лекций и семинаров, поучаствовать в постерной сессии и защитить 32 исследовательских проекта.
А ещё — сыграть в «Что? Где? Когда?», съездить на экскурсию в Горячий ключ, погулять по Усть-Лабинску и устроить уютные вечера с песнями под гитару.
Благодарим за поддержку Сбер, Авито и Фонд «Вольное дело», а также информационного партнёра — телеграм-канал «Неискусственный интеллект».
Все записи лекций и семинаров будут выложены в VK Видео и на YouTube. Подписывайтесь, чтобы не пропустить! | 5 516 |
| 11 |  Трансляции лекций «Лето с AIRI 2026»
Наша летняя школа по искусственному интеллекту близится к завершению. Делимся записями трансляций потоковых лекций⤵️
⏯«Тренды в развитии ИИ и исследования AIRI»
Иван Оселедец, д.ф.-м.н., профессор РАН, генеральный директор Института AIRI, декан факультета искусственного интеллекта МГУ
⏯«Обучаемая манипуляция объектами: от RL к VLA моделям»
Александр Панов, д.ф.-м.н., профессор РАН, директор лаборатории «Когнитивные системы ИИ» Института AIRI, директор Центра когнитивного моделирования МФТИ
⏯«На пути к сильному ИИ в медицине»
Дмитрий Дылов, PhD, директор лаборатории «Сильный ИИ в медицине» Института AIRI
⏯«Стратегия и подходы применения генеративного ИИ в кибербезопасности»
Антон Митрофанов, исполнительный директор, Управление экспертизы кибербезопасности Сбера
⏯«От весов до прода: как ломают и защищают ИИ-системы»
Олег Рогов, к.ф.-м.н., руководитель группы «Доверенные и безопасные интеллектуальные системы» Института AIRI, руководитель лаборатории безопасного ИИ AIRI-МТУСИ
⏯«Vision? Language? Action? Models»
Владислав Куренков, руководитель группы «Адаптивные агенты» Института AIRI
⏯«Интерпретируемый ИИ в анализе многоканальных электрофизиологических данных»
Алексей Осадчий, д.к.н., руководитель группы «Нейроинтерфейсы» Института AIRI, директор Центра биоэлектрических интерфейсов НИУ ВШЭ
⏯«От промпта к цифровому сотруднику»
Ярослав Беспалов, руководитель группы «Мультимодальные архитектуры ИИ» лаборатории «Сильный ИИ в медицине» Института AIRI
⏯«На пути к L5 автономии в транспорте. Актуальные задачи современных систем»
Дмитрий Сенюшкин, к.к.н., руководитель группы «Автономное зрение» Института AIRI
⏯«От машинного обучения к ИИ материаловедению»
Роман Еремин, к.ф.-м.н., руководитель группы «Дизайн новых материалов» Института AIRI
⏯«Может ли ИИ заменить учёных?»Автономные агенты и будущее науки»
Пётр Анохин, к.б.н., руководитель группы «Нейрокогнитивные архитектуры» Института AIRI
⏯«Ура, Уроборос! От понимания BIM к самоэволюции и градостроительству»
Артём Просветов, исполнительный директор по исследованию данных, Сбер
⏯«Знает ли модель, что она не знает? Введение в оценивание неопределённости в LLM и VLM»
Елизавета Гончарова, к.к.н., руководитель группы «Мультимодальный ИИ» лаборатории FusionBrain Института AIRI
⏯«Всем пятёрки, или как оценивать AI-исследователей — парадоксы, ловушки, качество и новизна»
Анастасия Волкова, руководитель направления по исследованию данных Центра исследований генеративного ИИ Sber AI
⏯«Как не потерять права на свои разработки»
Вита Власова, руководитель направления партнёрского сопровождения и интеллектуальной собственности Института AIRI
⏯«Faithfulness в языковых моделях»
Глеб Ершов, Data Science-инженер Авито
⏯«Как ИИ помогает взламывать код жизни»
Алёна Аспидова, инженер-исследователь группы геномики Центра ИИ-разработки новых лекарственных препаратов AIDD Института AIRI
⏯«Эффективный ИИ: главные оптимизации последних лет и почему они сработали»
Данил Сивцов, инженер-исследователь группы «Вычислительный интеллект» Института AIRI
⏯«Терминальные агенты в задачах автоматизации актовый зал доменных исследований»
Даниил Сухоруков, научный сотрудник группы «ИИ в промышленности» Института AIRI
⏯«Современные методы квантования моделей»
Начын-Энхэдоржу Ооржак, специалист по исследованию данных, Блок «Риски», Сбер
Записями всех лекций и семинаров мы поделимся после завершения Школы✔️ | 8 132 |
| 12 |  Данные об эстетическом восприятии фотографий
Учёные из группы «Цветовая вычислительная фотография» Института AIRI, ИППИ РАН, МФТИ, их коллеги из Хорватии и Италии и профессиональный фотограф Майкл Фриман предложили бенчмарк REPID. Это первый набор данных, в котором собрано эстетическое восприятие зрителя обработки фотографий через сравнение рендеров.
REPID построен на основе набора MIT-Adobe FiveK, который включает 30 000 фотографий — по 6 разных рендеров для каждой из 5 000 сцен. Эти сцены обрабатывали, а затем для каждой пары рендеров одной сцены собирали по 25 пользовательских голосов, чтобы измерить предпочтительность обработки. Выявилась общая тенденция: люди чаще выбирали более сдержанные рендеры снимков. Однако универсального стиля обработки не обнаружилось — выбор зрителя зависит от контента в кадре.
Этот набор данных покрывает новую область в исследовании человеческого восприятия и призван улучшить работу рекомендаций в фоторедакторах и галереях или для автоматического подбора визуально приятных стилей обработки.
Научная статья | Компьютерра | 5 477 |
| 13 |  Запустили проект «ИИ-консалтинг» для бизнеса
Институт AIRI и ГигаАкадемия СберУниверситета и Школы 21 представили два новых совместных продукта, которые объединяют нашу фундаментальную научную экспертизу и опыт ГигаАкадемии в сопровождении компаний на пути ИИ-трансформации.
Руководителям необходимо понимать, какие технологии действительно способны принести результат, насколько они реализуемы, какие риски несут и как встроить их в существующие процессы. Решения AIRI и ГигаАкадемии помогут пройти этот путь — от оценки идеи до создания рабочего решения и его внедрения.
Новость | Cайт проекта | 6 486 |
| 14 |  Исследователи Института AIRI, НИУ ВШЭ, Московского центра перспективных исследований МГУ, ТГУ и УрФУ разработали алгоритм Uni-Bond
Он переводит трёхмерные координаты атомов в плоскую структурную формулу молекулы. Это нужно, чтобы связать между собой программы физического 3D-моделирования и алгоритмы машинного обучения, предсказывающие свойства веществ.
Uni-Bond анализирует геометрию нужной молекулы целиком и строит граф связей атомов прямо по трёхмерным координатам. Точность алгоритма достигла 99,53%, снизив частоту ошибок в 20 раз.
Одним из показательных экспериментов стала проверка на кластерах воды: в них молекулы находятся очень близко друг к другу, но не образуют химических связей между собой — Uni-Bond нашёл корректные связи внутри каждой молекулы воды, при этом не стал соединять соседние между собой.
Работу представили на конференции ICML в Южной Корее. Публикация стала продолжением проекта, начатого участниками Летней школы по искусственному интеллекту для молодых учёных «Лето с AIRI» 2025.
Следите за обновлениями ленты Хабра — там мы подробно рассказываем об исследованиях наших учёных!😁
Научная статья | ТАСС | 5 872 |
| 15 |  Делимся второй частью подборки статей, вышедших в нашем блоге на Хабре ⤵️
◼️Speech-to-LaTeX: распознавание математических выражений и предложений в LaTeX
Научный сотрудник группы «Доверенные и безопасные интеллектуальные системы» Дмитрий Корж и его коллеги собрали открытый двуязычный датасет и сравнили несколько подходов к решению задачи Speech-to-LaTeX. Работу представили на ICLR 2026.
◼️MARL-GPT: на пути к созданию универсальной модели для многоагентных сред
Мария Нестерова, научный сотрудник группы «RL агенты» лаборатории когнитивных систем искусственного интеллекта, поделилась устройством MARL‑GPT — единой модели для координации множества агентов, которая обучается на наборах данных из трёх разных сред. Работу представили на AAAI 2026 и AAMAS 2026.
◼️TUN3D: трёхмерное понимание сцен по видео с вашего телефона
Максим Колодяжный, научный сотрудник группы «Пространственный интеллект», рассказал про первый метод, который решает задачи сразу и детекции объектов, и оценки планировки, работая напрямую с изображениями. Его также представляли на ICRA 2026.
◼️OCC-RAG: компактные модели, которые отвечают только по источникам
Руководитель группы «Передовой агентный интеллект» Андрей Галичин рассказал про семейство новых моделей, которые не требуют больших вычислительных мощностей и имеют сильные когнитивные способности.
◼️У роботов очень короткая память. Можно ли это исправить?
Егор Черепанов, научный сотрудник группы «Воплощённые агенты» лаборатории когнитивных систем искусственного интеллекта, описал проблемы памяти роботов и устройство архитектуры ELMUR, которая решает часть этих проблем. Работу представили на ICLR 2026.
◼️От пульта до полотенца — учим робота искать всё, что угодно
Научный сотрудник группы «Воплощённые агенты» лаборатории когнитивных систем искусственного интеллекта Татьяна Земскова поделилась тем, как они с коллегами создали и обучили лёгкую трансформерную модель, которая позволяет роботу доезжать до любых категорий объектов, заданных текстом.
И два материала с впечатлениями наших исследователей от участия в конференции ICRA и хакатоне:
◼️Репортаж с ICRA 2026 из Вены
◼️ИИ в химии: история участия в хакатоне и рефлексия после
📎Больше интересного — на нашем Хабре. | 5 861 |
| 16 |  +9AIRI на конференции ICML 2026🚀
Завершается международная конференция по машинному обучению ICML 2026, которая в этом году проходит в Сеуле, Южная Корея, с 6 по 11 июля. Наши исследователи представили 15 работ в основной программе конференции и 19 на воркшопах⤵️
Основная программа:
⚫️Scalable Kronecker-Factored Fisher Approximation for Neural Network Parameter Sensitivity
⚫️Near-Optimal Convergence of Accelerated Gradient Methods under Generalized and (L_0, L_1)-Smoothness
⚫️Gradient Descent as a Perceptron Algorithm: Understanding Dynamics and Implicit Acceleration
⚫️KAGE-Bench: Fast Known-Axis Visual Generalization Evaluation for Reinforcement Learning
⚫️Variational Entropic Optimal Transport
⚫️Zero-Shot Off-Policy Learning
⚫️Progressive Cramming: Reliable Token Compression and What It Reveals
⚫️GradMem: Learning to Write Context into Memory with Test-Time Gradient Descent
⚫️Harnessing Non-Adversarial Robustness in Large Language Models
⚫️Efficient Hallucination Detection for LLMs Using Uncertainty-Aware Attention Heads
⚫️Spectral-Informed Neural Networks Outperform Spectral methods in High-dimensional PDEs
⚫️Overclocking Electrostatic Generative Models
⚫️IDLM: Inverse-distilled Diffusion Language Models
⚫️One-Step Residual Shifting Diffusion for Image Super-Resolution via Distillation
⚫️Inverse Entropic Optimal Transport Solves Semi-supervised Learning via Data Likelihood Maximization
Воркшопы:
⚫️ABRA: Agent Benchmark for Radiology Applications
⚫️AIR: Inference-Time Refinement for Discrete-Diffusion Antibody Humanization
⚫️Antibody Generation via Redistributed Latent Diffusion
⚫️Dual Advantage Fields
⚫️Harmonic Torsional Diffusion for Protein-Ligand Flexible Docking
⚫️Don’t Blind Your VLA: Aligning Visual Representations for OOD Generalization
⚫️Time-Correlated Video Bridge Matching
⚫️Just Add More Capacitors: Eliminating Flux Leakage in Electrostatic Field Matching
⚫️Plan, Don't Pose: Long Composite Motion Generation with Text-Aligned BFM
⚫️TUBE: Tangent Upper Bound on Evidence for Discrete Diffusion Language Models
⚫️Uni-Bond: Learning Chemical Bonds from Atomic Coordinates
⚫️Unlocking the Duality between Flow and Field Matching
⚫️A p-adic Perspective on Low-Bit Training of Neural Networks
⚫️PA-CoT: Profile-Adaptive Chain-of-Thought for Personalized Nutritional Consulting
⚫️What do Uncertainty Lens tell about Emergent Misalignment?
⚫️VLA Grounder: Language-Conditioning Space Optimization for Black-Box VLA Models
⚫️Generative Pipeline for Discovering Solid-State Battery Materials with Universal Atomistic Potentials
⚫️Midpoint Generative Models
⚫️How to Train Your Latent Diffusion Language Model Jointly With the Latent Space
Делимся фотографиями из Южной Кореи📷
#AIRIнаКонфе | 7 572 |
| 17 |  Вместе со Сбером и Уральским федеральным университетом мы открыли лабораторию ИИ в промышленности
У научного коллектива будет широкий спектр направлений исследований: создание систем предиктивной аналитики, а также методов оптимизации технологических процессов с использованием RL и цифровых моделей производственных объектов, разработка интеллектуальных систем промышленной безопасности и интеллектуальных технологий для электроэнергетики.
Соглашение об открытии лаборатории было подписано в рамках международной промышленной выставки «Иннопром».
Делаем с коллегами важный шаг в развитии исследований в области промышленного искусственного интеллекта🚀 | 6 621 |
| 18 |  Наши учёные разработали новый подход, ускоряющий аннотацию геномов организмов
Найти гены в ДНК сложно, у них нет универсальных сигналов начала и конца, а границы зависят от сочетаний коротких мотивов. Исследователи группы геномики AIRI создали нейросетевую модель GENATATOR, которая получает на вход последовательность ДНК и размечает в ней гены — находит их границы, определяет тип транскрипта и восстанавливает внутреннюю структуру.
Главное отличие подхода в том, что система опирается не только на заранее заданные правила: он основан на обучении моделей на больших наборах геномов и поиске закономерностей непосредственно в последовательностях ДНК.
Новая система работает поэтапно и может находить два основных типа генов: белок-кодирующие и гены длинных некодирующих РНК. Особое внимание разработчики уделили точности границ генов.
Сбор данных для обучения модели провели учёные Научно-технологического университета «Сириус» и ИЦиГ СО РАН.
HuggingFace | Лидерборд | dnalm | ТАСС | 6 895 |
| 19 |  Делимся первой частью последних статей, вышедших в нашем блоге на Хабре ⤵️
◼️KernelEvo — автоматическая генерация GPU-ядер
Команда «Вычислительного интеллекта» создала фреймворк для автоматизации и упрощения процесса разработки GPU-ядер. Рассказали нюансы этого процесса и подробности разработки.
◼️Нам не подошла ни одна среда для MARL в непрерывном пространстве — поэтому мы сделали CAMAR
Исследователи группы «RL агенты» лаборатории когнитивных систем ИИ AIRI сделали свою среду‑бенчмарк, где можно обкатывать модели многоагентного обучения с подкреплением в непрерывном пространстве, — о ней рассказали на AAAI 2026 в Сингапуре.
◼️Senior на бумаге, Junior в рантайме: как я тестировал локальные LLM на 120B параметров в Greenfield-проекте
Сергей Дуга из нашего отдела научно-технической разработки поэкспериментировал в попытках выяснить, можно ли организовать полноценный цикл разработки агентов, используя только локальные модели.
◼️Flow Matching, 276M параметров и моделирование хаоса: как мы научили генеративную модель Marchuk предсказывать погоду
Команда «Генеративный ИИ для видео» лаборатории FusionBrain выпустила модель прогноза погоды. Рассказали, как исследователи пришли к её созданию, каким образом она устроена и какие у неё предсказательные способности.
◼️Конвейеры формирования изображений. Часть 2: Баланс белого и преобразование к стандартному наблюдателю
Разбор типичных конвейеров формирования изображения, заложенных в наши профессиональные камеры и мобильные телефоны, продолжил руководитель группы «Цветовая вычислительная фотография» Егор Ершов — о балансе белого и переходе в пространство стандартного наблюдателя.
◼️Рисуем с помощью закона Кулона. Как сделать генеративную модель на основе электростатики
Александр Колесов, научный сотрудник группы «Основы генеративного ИИ» AIRI, объясняет их метод Electrostatic Field Matching, использующий физическую аналогию для переноса распределений. Статью представляли на ICLR 2026.
И два материала, в которых наши исследователи рассказывают об участии в конференциях и своих впечатлениях:
◼️WACV 2026 в Тусоне: конференция, пустыня и немного экзистенции
◼️NLP глазами CVшника. Чем мне запомнилась поездка в Марокко на конференцию EACL 2026
📎На выходных точно будет что почитать, больше интересного — на нашем Хабре. | 6 446 |
| 20 | О мозге и о том, как с ним общаться
Алексей Осадчий, PhD, доктор компьютерных наук, руководитель научной группы «Нейроинтерфейсы» Института AIRI, директор Центра биоэлектрических интерфейсов ИКН НИУ ВШЭ, в выпуске проекта «Основа» рассказывает:
⚫️как мозг кодирует информацию и принимает решения
⚫️куда подключают нейроинтерфейсы и как с их помощью можно восстановить способность говорить и управлять экзоскелетом
⚫️как работает мозг и что за ритмы в нём есть
⚫️какие упражнения помогут мозгу дольше не стареть
— и ещё много чего интересного об одном из главных органов человека.
Смотрите выпуск на YouTube и VK Видео⏯ | 8 048 |
