Все в ШАД!
Open in Telegram
Все в ШАД! — канал той самой школы от ведущих экспертов IT-индустрии Обучаем ML и Data Science с 2007 года «Будет сложно, вам понравится» Сайт > shad.yandex.ru Яндекс Образование > education.yandex.ru Чат канала > https://t.me/+4OfZy2pl-T9hNzU6
Show more📈 Analytical overview of Telegram channel Все в ШАД!
Channel Все в ШАД! (@vse_v_shad) in the Russian language segment is an active participant. Currently, the community unites 10 791 subscribers, ranking 18 208 in the Education category and 59 239 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 10 791 subscribers.
According to the latest data from 07 September, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 286 over the last 30 days and by 21 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 47.40%. Within the first 24 hours after publication, content typically collects 23.71% reactions from the total number of subscribers.
- Post reach: On average, each post receives 5 112 views. Within the first day, a publication typically gains 2 557 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 48.
- Thematic interests: Content is focused on key topics such as шад, шада, yandex, собеседование, c++.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“Все в ШАД! — канал той самой школы от ведущих экспертов IT-индустрии
Обучаем ML и Data Science с 2007 года
«Будет сложно, вам понравится»
Сайт > shad.yandex.ru
Яндекс Образование > education.yandex.ru
Чат канала > https://t.me/+4OfZy2pl-T9hNzU6”
Thanks to the high frequency of updates (latest data received on 08 September, 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 Education category.
10 791
Subscribers
+2124 hours
+807 days
+28630 days
Data loading in progress...
Similar Channels
No data
Any problems? Please refresh the page or contact our support manager.
Tags Cloud
Incoming and Outgoing Mentions
---
---
---
---
---
---
Attracting Subscribers
September '26
September '26
+96
in 0 channels
August '26
+341
in 3 channels
Get PRO
July '26
+403
in 4 channels
Get PRO
June '26
+214
in 1 channels
Get PRO
May '26
+446
in 3 channels
Get PRO
April '26
+1 024
in 10 channels
Get PRO
March '26
+809
in 3 channels
Get PRO
February '26
+781
in 2 channels
Get PRO
January '26
+367
in 1 channels
Get PRO
December '25
+336
in 1 channels
Get PRO
November '25
+357
in 0 channels
Get PRO
October '25
+307
in 1 channels
Get PRO
September '25
+352
in 0 channels
Get PRO
August '25
+337
in 0 channels
Get PRO
July '25
+365
in 3 channels
Get PRO
June '25
+270
in 2 channels
Get PRO
May '25
+327
in 3 channels
Get PRO
April '25
+1 981
in 13 channels
Get PRO
March '25
+316
in 3 channels
Get PRO
February '25
+171
in 0 channels
Get PRO
January '25
+1 687
in 1 channels
Get PRO
December '240
in 1 channels
Get PRO
November '240
in 0 channels
Get PRO
October '240
in 0 channels
Get PRO
September '240
in 0 channels
Get PRO
August '240
in 0 channels
Get PRO
July '240
in 0 channels
Get PRO
June '240
in 0 channels
Get PRO
May '240
in 12 channels
Get PRO
April '240
in 1 channels
Get PRO
March '240
in 1 channels
Get PRO
February '240
in 0 channels
Get PRO
January '240
in 0 channels
Get PRO
December '230
in 0 channels
Get PRO
November '230
in 0 channels
Get PRO
October '230
in 0 channels
Get PRO
September '23
+16
in 0 channels
Get PRO
August '23
+14
in 0 channels
Get PRO
July '23
+907
in 0 channels
| Date | Subscriber Growth | Mentions | Channels | |
| 08 September | +9 | |||
| 07 September | +21 | |||
| 06 September | +9 | |||
| 05 September | +13 | |||
| 04 September | +8 | |||
| 03 September | +7 | |||
| 02 September | +12 | |||
| 01 September | +17 |
Channel Posts
Запускаем новую рубрику #ResearchNotes
Будем разбирать ресерч студентов, выпускников, преподавателей и коллег из Yandex Research!
Сегодня обсуждаем блогпост Георгия Якушева.
🎓 Выпускник и преподаватель ШАДа, исследователь Yandex Research рассказывает, почему, пока LLM думает, она в буквальном смысле не слушает, и как это можно исправить с помощью KV-кэша без дополнительного обучения.
Обычно языковая модель работает последовательно: получает запрос, рассуждает, отвечает. Если в процессе появляется новая информация, вычисления часто приходится начинать заново. Для голосового ассистента, робота или игрового агента это становится серьезным ограничением.
Георгий пишет об использовании KV-кэшей не только для ускорения генерации, но и в качестве состояние агента. Тогда разные потоки смогут одновременно получать новые данные, рассуждать, отвечать и работать с инструментами.
Исследователи Yandex Research вместе с соавторами изучают KV-кэш как рантайм для интерактивных агентов.
В статье Hogwild! Inference несколько экземпляров модели видят рассуждения друг друга через общую память, что позволяет им коллаборировать над сложными задачами и решать их быстрее. В AsyncReasoning модель продолжает думать и параллельно отвечает, сокращая время суммарной задержки до 12 раз. Тот же подход уже применяют на мультимодальных моделях, которые играют в Doom: одновременно получает новые кадры, рассуждает и действует.🔗 Читайте полный обзор по ссылке.
| 2 |  Четыре попытки и десять лет после магистратуры — сколько может длиться путь в ШАД, если ты не сдаёшься 🏆
Борис Плешаков поступил в ШАД в этом году. До этого он подавал анкету в 2019-м, 2020-м и 2025-м — и только с четвёртой попытки всё получилось.
Мы спросили его, почему он выбрал поступить в ШАД, что сработало в этот раз и какой совет он дал бы себе в начале пути. Смотрите статью и заряжайтесь упорством, которого иногда не хватает.
➡️ Полное интервью с Борисом читайте по ссылке.
Ваш ШАД 🎓
#поступление | 3 255 |
| 3 |  Как выстроить подготовку к поступлению в ШАД ⬆️
Осень — традиционное время начала подготовки к весеннему отбору в Школу анализа данных. Программа поступления охватывает 3 объёмных тематических блока. Чтобы структурировать этот процесс, мы составили базовый маршрут.
1️⃣ Фундаментальная математика
Это база, без которой невозможно глубокое понимание алгоритмов и машинного обучения. В фокусе четыре раздела:
🔴 Линейная алгебра — векторные пространства, линейные отображения, матричные разложения и методы, которые лежат в основе многих ML-моделей
🔴Математический анализ — многомерный анализ и оптимизация, теория меры и интегралы для работы с распределениями, а также ряды Фурье — всё это необходимые разделы для понимания процессов обучения моделей
🔴Теория вероятностей — случайные величины, распределения и статистические методы работы с данными
🔴 Комбинаторика: основные комбинаторные формулы, производящие функции, графы и линейные рекурренты
2️⃣ Программирование, алгоритмы и структуры данных
Понадобится уверенное владение одним из основных языков программирования, предпочтительно С/C++ или Python, в зависимости от желаемого направления обучения. Важно уметь не только писать код, но и доказывать корректность алгоритма и оценивать его сложность. Особое внимание уделите динамическому программированию, хеш-таблицам, деревьям поиска и алгоритмам на графах.
3️⃣ Анализ данных
Для треков, требующих знания машинного обучения, полезно иметь базовое понимание ключевых этапов пайплайна работы с данными: от их очистки и подготовки до построения моделей и оценки их качества. Важно разбираться в базовых принципах: понимать, в чём разница между разными типами задач машинного обучения, иметь представление о том, что такое переобучение и как с ним можно бороться, знать основные метрики для оценки моделей.
Самый надёжный способ проверить свой текущий уровень и понять, какие темы стоит подтянуть, — открыть задачи прошлых лет и попытаться решить их без подсказок.
Полный и детализированный список тем, а также перечень рекомендованной литературы прошлого года собран в программе для подготовки к поступлению. Советуем использовать этот документ как чек-лист.
➡️ Изучить программу для подготовки к поступлению
Желаем вдумчивой подготовки.
Ваш ШАД 🎓
#поступление | 4 840 |
| 4 |  Сегодня мы празднуем День знаний и предлагаем встретить его вместе с ШАДом. Впереди новый семестр, знания и задачи. А начать его можно вместе со студентами ШАДа на неделе онбординга.
Перед каждым семестром мы проводим серию полезных лекций по хардам и софтам. В этом году приглашаем вас присоединиться онлайн к двум из них:
7️⃣ сентября, 18:00 МСК — «Резильентность: как повысить свои шансы на успех в учёбе»
Поговорим о том, что помогает справляться с трудностями и оставаться устойчивым в учёбе. Разберёмся, из чего складывается академическая резильентность и какие инструменты помогут её развивать.
➡️ Дмитрий Фадеев — практикующий психолог, супервизор, преподаватель Гуманитарного института РосНОУ.
1️⃣0️⃣ сентября, 18:00 МСК — «Research 2.0: как AI-агенты меняют научные исследования»
Посмотрим, как AI-агенты уже меняют исследовательский процесс: от поиска литературы и написания кода до проведения экспериментов. А ещё разберёмся, какие задачи можно делегировать ИИ, а где по-прежнему особенно важна работа самого исследователя.
➡️ Илья Латышев — выпускник ШАД 2026, научный сотрудник ИСП РАН.
🔗 Регистрируйтесь в форме и начинайте учебный год вместе с нами.
📅 Дедлайн заполнения формы: 7 сентября, 12:00 МСК
Ваш ШАД 🎓 | 4 293 |
| 5 |  ⚡ С днем рождения, Лицей 🎉
30 августа 2016 года открылся приём в первую четвёрку городов Яндекс Лицея — Саратов, Пенза, Калуга, Тамбов. Двухгодичную программу построили вокруг Python для школьников 8 и 9 классов: сначала теория и небольшие проекты, потом — настоящие технологии на практике.
Сегодня Лицею десять лет, и за эти годы через него прошли 50 000+ подростков, а площадки открылись в 150 городах — от Калининграда до Дальнего Востока — 20+ программ, специализации, полноценное сообщество.
Для нас в ШАДе это близкая дата. Лицей проектировался и стартовал вместе с нашей командой, и мы до сих пор относимся к нему как к младшему брату: тот же корень — учить программированию по-настоящему, а не ради оценки. Младший брат вырос, обзавёлся собственными направлениями и комьюнити, принципы развития те же. 😀
С днём рождения, Лицей. Дальше — больше 🔥
P.S. Сейчас идёт новый набор — для вас или ваших друзей ✍️
Добро пожаловать в школьное комьюнити Яндекса 👀
Как всё начиналось в 2016 📘 | 4 713 |
| 6 | No text... | 4 741 |
| 7 | No text... | 4 292 |
| 8 |  Лето заканчивается, а значит, впереди новый сезон подготовки к ШАДу, мероприятий и полезного контента.
Спасибо, что участвовали в опросах во время набора, но в течение учёбы интересы могут измениться. Чтобы в этом году канал был максимально полезным, нам важно понять — кто вы и чего вам не хватает?
Ниже будет пара быстрых опросов, выберите нужный вариант. А в комментариях к этому посту устроим брейншторм:
1️⃣ Что больше всего понравилось в канале в прошлом учебном году?
2️⃣ Чего не хватает?
Учтём все ответы и станем ещё лучше.
Поехали! ⬇️ | 4 140 |
| 9 |  +3На связи — Питерский ШАД
В этом году здесь собрались участники и менторы международной Летней школы ШАДа. Она прошла совместно с Yandex Research и была посвящена эффективной работе больших языковых моделей — LLM Efficiency.
К студентам ШАДа присоединились ребята из ML School Uzbekistan. Перед школой все участники прошли отбор и собеседование с ментором на английском языке: нужно было показать не только знание теории, но и мотивацию работать над исследовательским проектом.
В течение недели команды работали вместе с менторами из ШАДа, Yandex Research и BRAIn Lab. В финальный день студенты представили свои проекты и первые результаты. Недели, конечно, мало для полноценной статьи, зато достаточно, чтобы проверить гипотезы и заложить основу для дальнейшей работы. Многие команды планируют продолжить исследования и после школы.
Среди менторов были и выпускники ШАДа — Мария Иванова и Георгий Якушев из Yandex Research. Маша работала со студентами над проектом Improving LLM Reasoning through Diverse Reasoning Trajectories, а Георгий курировал два проекта: Extending Clipping for Circuit Breakers и A Closer Look on GatedDeltaNet States in Modern LLMs.
За эту неделю студенты успели пройти почти весь путь настоящего исследования: разобраться в задаче, сформулировать гипотезы, провести эксперименты и защитить результаты перед экспертами.
Так что Летняя школа закончилась, а работа над проектами — нет. Будем следить за продолжением)
Ваш ШАД 🎓 | 5 371 |
| 10 |  До начала первого семестра осталось совсем чуть-чуть. Но вместо того, чтобы сидеть и ждать старта осенней рутины, предлагаем тебе вместе с нами посмотреть на учёбу по-новому. 💙
Мы в Яндекс Образовании предлагаем тебе посмотреть на будущее не как на туманное «потом», а увидеть его во всём новом, что происходит с тобой прямо сегодня. Поймать драйв самого процесса учёбы: азарта новых задач, волнения перед экзаменом, экспериментов, радости побед и найденных решений. Давай встретим это новое сегодня вместе?
Ждём 13 сентября на Хлебозаводе, где соберутся те, кто не ищет готовых ответов, а стремится пробовать новое.
А ребят из других городов зовём в чат-бот Яндекс Образования, где вместе с блогерами погружаемся в новое и пробуем что-то впервые. В конце разыграем Яндекс Станции, Яндекс Дропс и классный мерч.
➡️ Узнать всё новое сегодня | 4 170 |
| 11 |  Как собрать AI-агента, если не хочется разбираться с кодом и архитектурой для выполнения задачи?
Студенты ШАДа попробовали решить эту задачу привычным для пользователей способом — с помощью общения на естественном языке.
В рамках проектного курса Серёжа Растворов и Женя Усков вместе с менторами от Яндекса Анной Коковиной и Серёжей Нарбутом разработали Agent Builder в формате чата.
Пользователь описывает, что должен делать агент, а Builder помогает сформулировать запрос и подобрать архитектуру под конкретный сценарий. При этом не нужно вручную собирать конфигурацию: можно подключить web_search, file_search или Code Interpreter, протестировать результат через Responses API и экспортировать готовую конфигурацию для дальнейшей разработки.
Получился проект на стыке удобного интерфейса и реальной AI-инфраструктуры — с понятным результатом, которым уже можно пользоваться.
Посмотреть код проекта и попробовать его можно на GitHub
Ваш ШАД 🎓
#проектныйкурс | 5 877 |
| 12 |  Математика — основа обучения в ШАДе 🙂
У каждого абитуриента альтернативного трека поступления и направления «ИИ в естественно-научных исследованиях» свой опыт, поэтому в ШАДе для них начинается с августовского месячного курса-интенсива «Математика для Data Science» (по 3 сдвоенных занятия в неделю, то есть это полноценный семестровый курс) — он помогает подровнять уровень подготовки и уверенно влиться в обучение.
Курс даёт необходимый фундамент для работы с ML-алгоритмами и помогает разобраться, как математические инструменты применяются в анализе данных.
На курсе разбирают три ключевых блока:
🟡 Линейная алгебра — векторные пространства, линейные отображения, матричные разложения и методы, которые лежат в основе многих ML-моделей.
🟡 Математический анализ — многомерный анализ и оптимизация, теория меры и интегралы для работы с распределениями, а также ряды Фурье — всё это необходимые разделы для понимания процессов обучения моделей.
🟡 Теория вероятностей — случайные величины, распределения и статистические методы работы с данными.
Главная цель курса — закешировать методы применения математических идей на практике и прогреть базу для дальнейшего обучения в ШАДе.
Пожелаем успехов абитуриентам, которые сейчас проходят этот курс. Пусть знания даются легко, а интерес никогда не оставляет во время обучения 😀
Ваш ШАД 🎓
#курсышад | 5 577 |
| 13 |  +2🛡Магические шестиугольники? Нет, не слышали
История этого материала очень забавна. В преддверии девятнадцатилетия ШАД в чате выпускников обсуждали особенности числа 19. Такое приятное времяпрепровождение для любителей математики. 😁
Кто-то заметил, что 19 — это простое число-близнец. Кто-то другой ответил, что 19 — это количество ячеек в единственном нетривиальном нормальном магическом шестиугольнике. Тут и начинается наше приключение.
🎓 Костя Гуков, выпускник 2015 года из Екатеринбурга, с головой погрузился в совместное с ИИ исследование вопроса существования магических шестиугольников. На стыке собственных идей и эвристик, а также рассуждений и написанного кода ИИ получился новый результат в области комбинаторики, о котором можно почитать выше в заметке от автора. Отметим, что математика используется при этом вполне себе школьная.
— Костя, скажи, а ты как-то хочешь опубликовать свой результат или сделать проектом, например со студентами, для более глубокого исследования?
— У меня есть мысль написать paper с подробным доказательством и попробовать отправить в какой-нибудь журнал по комбинаторике. Но я далёк от академии, и догадываюсь, что это процесс с подводными камнями :) В плане того, что точно принесло бы пользу, студентов можно было бы привлечь как независимых ревьюеров самой конструкции и её формализации в Lean. Надо уточнить у ребят, кто захотел бы взяться за такую тему.
Хотим пожелать Косте и студентам, заинтересовавшимся темой, довести работу до публикации. А всем читателям канала еще раз отметим, как же важно сейчас не подменять себя и свою деятельность ИИ, а усиливаться. Можно опробовать много гипотез, на которые ранее мы не осмелились бы уделить достаточное количество времени для достижения ощутимого результата. Дерзайте!
😨 GitHub проекта
Ваш ШАД 🎓
#наукашад | 6 768 |
| 14 |  Преподаватели курса по рекомендательным системам в ШАД участвовали в работе над Sona — единой моделью для рекомендательного стека Яндекс Музыки ⚡
Команда опубликовала Sona Technical Report — итог целого года работы, в результате которой удалось заменить весь стек рекомендаций Яндекс Музыки единой моделью. Внутри репорта — много деталей об архитектуре и инфраструктуре, а также многочисленные аблейшны.
Sona заменила более 15 кандидат-генераторов, преранжирование и ранжирование с сотнями признаков. Теперь генерация кандидатов и их ранжирование происходят внутри одной совместно обучаемой модели. При этом Sona не только упростила многоступенчатый каскад, но и повысила качество рекомендаций на реальном пользовательском трафике. В A/B-тесте число активных пользователей выросло на 4,53%, общее время прослушивания — на 6,30%, а количество лайков — на 11,42%. Это лучшее внедрение трансформеров в истории A/B-тестов Яндекс Музыки.
🎓 Больше о рекомендательных алгоритмах, от классических методов до современных нейросетевых подходов и запуска моделей в продакшн, можно узнать на курсе по рекомендательным системам.
А подробнее о том, как устроена Sona и как команда к ней пришла, руководитель службы рекомендательных технологий Яндекса Николай Савушкин расскажет 19 сентября на Practical ML Conf.
Ваш ШАД 🎓 | 5 442 |
| 15 |  DATA DOJO от Y&&Y в Санкт-Петербурге ⚡️
Скоро новый учебный год, а с ним и множество интересных и полезных мероприятий. И вот наш первый анонс на сентябрь 👀
9 сентября собираем data-самураев в офлайне: обсудим ML-тренды, разберём реальные случаи из практики яндексоидов, поделимся опытом.
В программе — кейсы и разборы задач от ML-экспертов Яндекса:
🔵Антон Клочков из команды ML-разработки Фотоинпута расскажет, почему эффективную модель бывает сложно поддерживать и как с этим справляться.
🔵Маргарита Мишустина из группы нейросетевого ранжирования покажет новые подходы к формированию рекламных блоков
🔵Сергей Фиронов из Автономного транспорта разберёт задачи с Yandex ML Challenge.
🎓 Ранее на YoungCon 2026 Ксения Шкулева — студентка московского ШАД по направлению Data Scientist — стала финалисткой Yandex ML Challenge.
Успей подать заявку до 26 августа по ссылке | 5 603 |
| 16 |  🚀 Статья выпускника принята на Interspeech 2026
Статья Dialogs: a studio-quality expressive conversational Russian speech corpus for dialog assistants 🎓 Ильи Латышева и Ильи Шигабеева принята на Interspeech 2026. Поздравляем! 🎉🎉🎉
Авторы собрали открытый студийный корпус выразительной русской разговорной речи для обучения и файнтюна моделей синтеза речи. В датасете — 20 часов записей, 3 профессиональных диктора-актёра, разные эмоции и разговорные стили.
Одна из ключевых особенностей корпуса — формат записи. Актёры не произносили реплики поодиночке в изоляции, а сидели напротив друг друга и разыгрывали диалоги, видя мимику, жесты и реакцию собеседника. Даже при заранее подготовленном тексте это делает речь заметно более естественной и живой — что особенно важно для диалоговых ассистентов.
Работа над таким корпусом оказалась не только исследовательской, но и организационной задачей: нужно было следить за микрофонами, аудиоцепочкой, расстоянием до микрофона, шумом, акустикой помещения и настройками записи. Именно такие детали в итоге сильно влияют на качество речевых данных.
В статье авторы также показывают результаты обучения TTS-моделей и субъективную оценку качества для разных разговорных стилей.
📄 Статья на arXiv
🤗 Hugging Face: статья, датасет, 🎤 демо
Поздравляем авторов с публикацией и желаем новых сильных работ!
Ваш ШАД 🎓
#наукашад | 6 666 |
| 17 |  В основном в ШАД идут за знаниями, и это правда. Но за два года обучения появляется кое-что ещё — навыки, которые остаются с вами надолго ⬇️
1️⃣ Умение задавать вопросы
Не бояться чего-то не знать и вовремя просить помощи.
2️⃣ Умение читать научные статьи
Находить главное, разбираться в сложных идеях и не теряться в новой информации.
3️⃣ Умение объяснять свои решения
Не просто получить правильный ответ, а донести до других, почему он именно такой.
4️⃣ Умение работать в команде
Обсуждать идеи, спорить, договариваться и вместе двигаться к результату.
5️⃣ Умение быстро разбираться в новом
Потому что технологии постоянно меняются, и это становится одним из самых важных навыков.
Здесь учатся не только конкретным инструментам, но и подходу, который остаётся с вами независимо от того, чем вы будете заниматься дальше 😀
Ваш ШАД 🎓 | 6 020 |
| 18 |  ⚡ Поздравляем с победой сборную школьников на IOAI 2026
Российские школьники на Международной олимпиаде по искусственному интеллекту (IOAI) в Астане завоевали семь золотых и одну бронзовую медаль. Поздравляем! 🎉🎉🎉
Отдельно хотим поздравить с золотой медалью 🥇 Кирилла Лабзина — участника научно-практического интенсива по воспроизведению современных научных результатов Школы анализа данных в Университете «Сириус».
— Кирилл, привет! Поздравляем с крутейшим результатом 🥇🎉
— Спасибо большое!
— У нас сейчас идёт отбор на новый интенсив по разбору экспериментов из статей. Расскажи, помогает ли формат таких интенсивов в подготовке?
— Да, думаю, что помогает. Интенсив позволяет глубже погрузиться в какую-то область, изучить её, что помогает при решении задач. Ну и сама работа с самостоятельным воспроизведением научных результатов может помочь с быстрой реализацией собственных идей во время соревнования без ошибок.
В 2026 интенсив пройдет с 5 по 16 октября в Университете «Сириус». Вместе с менторами из Яндекса и ведущих российских вузов участники будут работать над реальными исследованиями: проводить эксперименты, проверять гипотезы, тестировать собственные идеи и искать способы улучшить существующие решения. Среди направлений — Physical AI, генеративный ИИ, LLM и рекомендательные системы.
Подать заявку на интенсив можно до 13 августа 📅
P.S. В прошлом году Кирилл участвовал в интенсиве как студент экспериментального ИТ-специалитета Университета Сириус, обучаясь на программе высшего образования, он по сути был 11-классником 🚀, что позволило ему быть включенным в сборную России на международную олимпиаду по ИИ.
Ваш 🖥🖥🖥 | 6 143 |
| 19 |  Продолжаем рассказывать о научных работах студентов и выпускников 🎓
Сегодня — о работе, которая помогает лучше понять ограничения современных методов сжатия больших языковых моделей: «Rethinking the Role of Tensor Decompositions in Post-Training LLM Compression».
Среди авторов — студент ШАДа Максим Крутиков и руководитель BRAIn Lab Александр Безносиков.
Работа посвящена post-training compression — сжатию уже обученных LLM, которое позволяет запускать большие модели при ограниченных вычислительных ресурсах.
Авторы исследовали один из популярных подходов — тензорные разложения. Они позволяют компактнее представлять веса Transformer-моделей, но до сих пор было не до конца понятно, насколько хорошо этот метод работает для современных LLM.
Исследование показало, что тензоризация масштабируется не так эффективно, как ожидалось. Причина в том, что большие языковые модели учатся очень неоднородным представлениям, а тензорные разложения предполагают наличие общих подпространств. Именно это фундаментальное различие и ограничивает применение метода.
Если хотите подробнее разобраться, почему тензорные разложения не всегда работают так, как ожидается, — рекомендуем заглянуть в статью.
Ваш ШАД 🎓
#наукашад | 6 304 |
| 20 |  ⚡ Подведены итоги International Mathematics Competition 2026 — одной из крупнейших международных студенческих олимпиад по математике.
В числе сильнейших команд этого года — СПбГУ, МФТИ, НИУ ВШЭ, НГУ и БГУ. Среди шадовцев самый высокий результат показал Борис Червоненкис, студент 2 курса, занявший 13-е место. Поздравляем 🏆
Остальные результаты смотрите по ссылке 🥇
Каждый год мы с особым вниманием следим за результатами IMC. Нам приятно видеть, как шадовцы добиваются высоких результатов на международной олимпиаде и входят в число сильнейших молодых математиков мира.
Поздравляем всех участников с заслуженными результатами! Пусть впереди будет ещё больше красивых задач, интересных соревнований и больших побед.
Ваш ШАД 🎓 | 6 779 |
