Machinelearning
Ir al canal en Telegram
Погружаемся в машинное обучение и Data Science Показываем как запускать любые LLm на пальцах. По всем вопросам - @haarrp @itchannels_telegram -🔥best channels Реестр РКН: clck.ru/3Fmqri
Mostrar más
Red:📈 Análisis del canal de Telegram Machinelearning
El canal Machinelearning (@ai_machinelearning_big_data) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 277 537 suscriptores, ocupando la posición 333 en la categoría Tecnologías y Aplicaciones y el puesto 1 375 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 277 537 suscriptores.
Según los últimos datos del 25 octubre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -1 877, y en las últimas 24 horas de -26, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 8.41%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 6.43% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 23 339 visualizaciones. En el primer día suele acumular 17 835 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 349.
- Intereses temáticos: El contenido se centra en temas clave como openai, claude, api, gemini, контекст.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“Погружаемся в машинное обучение и Data Science
Показываем как запускать любые LLm на пальцах.
По всем вопросам - @haarrp
@itchannels_telegram -🔥best channels
Реестр РКН: clck.ru/3Fmqri”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 26 octubre, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Tecnologías y Aplicaciones.
277 537
Suscriptores
-2624 horas
-1897 días
-1 87730 días
Cargando datos
Canales Similares
![Data Science | Machinelearning [ru]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1dVo3O%2F5217464346798572541%3Fty%3Dx&w=96&q=75){kind=small}
Nube de Etiquetas
Menciones Entrantes y Salientes
---
---
---
---
---
---
Atraer Suscriptores
octubre '26oct '26
octubre '26
+952
en 93 canales
septiembre '26
+146
en 106 canales
Get PRO
agosto '26
+119
en 81 canales
Get PRO
julio '26
+87
en 98 canales
Get PRO
junio '26
+15
en 65 canales
Get PRO
mayo '26
+68
en 89 canales
Get PRO
abril '26
+101
en 94 canales
Get PRO
marzo '26
+178
en 110 canales
Get PRO
febrero '26
+6 655
en 179 canales
Get PRO
enero '26
+211
en 221 canales
Get PRO
diciembre '25
+7 412
en 101 canales
Get PRO
noviembre '25
+25 219
en 119 canales
Get PRO
octubre '25
+41 984
en 86 canales
Get PRO
septiembre '25
+56 475
en 245 canales
Get PRO
agosto '25
+79 039
en 85 canales
Get PRO
julio '25
+70 425
en 197 canales
Get PRO
junio '25
+13 287
en 153 canales
Get PRO
mayo '25
+39 092
en 94 canales
Get PRO
abril '25
+39 358
en 102 canales
Get PRO
marzo '25
+20 790
en 92 canales
Get PRO
febrero '25
+6 503
en 81 canales
Get PRO
enero '25
+8 675
en 295 canales
Get PRO
diciembre '24
+3 575
en 144 canales
Get PRO
noviembre '24
+3 287
en 216 canales
Get PRO
octubre '24
+4 115
en 93 canales
Get PRO
septiembre '24
+4 404
en 233 canales
Get PRO
agosto '24
+1 750
en 80 canales
Get PRO
julio '24
+2 866
en 67 canales
Get PRO
junio '24
+12 257
en 101 canales
Get PRO
mayo '24
+11 108
en 80 canales
Get PRO
abril '24
+1 695
en 76 canales
Get PRO
marzo '24
+2 971
en 70 canales
Get PRO
febrero '24
+5 661
en 31 canales
Get PRO
enero '24
+2 647
en 56 canales
Get PRO
diciembre '23
+1 304
en 52 canales
Get PRO
noviembre '23
+5 784
en 103 canales
Get PRO
octubre '23
+2 155
en 24 canales
Get PRO
septiembre '23
+2 924
en 0 canales
Get PRO
agosto '23
+2 277
en 1 canales
Get PRO
julio '23
+1 133
en 0 canales
Get PRO
junio '23
+1 313
en 0 canales
Get PRO
mayo '23
+3 157
en 0 canales
Get PRO
abril '23
+3 027
en 0 canales
Get PRO
marzo '23
+4 643
en 0 canales
Get PRO
febrero '23
+1 040
en 0 canales
Get PRO
enero '23
+861
en 0 canales
Get PRO
diciembre '22
+757
en 0 canales
Get PRO
noviembre '22
+1 414
en 0 canales
Get PRO
octubre '22
+583
en 0 canales
Get PRO
septiembre '22
+623
en 0 canales
Get PRO
agosto '22
+578
en 0 canales
Get PRO
julio '22
+738
en 0 canales
Get PRO
junio '22
+905
en 0 canales
Get PRO
mayo '22
+1 033
en 0 canales
Get PRO
abril '22
+640
en 0 canales
Get PRO
marzo '22
+936
en 0 canales
Get PRO
febrero '22
+420
en 0 canales
Get PRO
enero '22
+442
en 0 canales
Get PRO
diciembre '21
+444
en 0 canales
Get PRO
noviembre '21
+597
en 0 canales
Get PRO
octubre '21
+650
en 0 canales
Get PRO
septiembre '21
+491
en 0 canales
Get PRO
agosto '21
+489
en 0 canales
Get PRO
julio '21
+532
en 0 canales
Get PRO
junio '21
+512
en 0 canales
Get PRO
mayo '21
+518
en 0 canales
Get PRO
abril '21
+570
en 0 canales
Get PRO
marzo '21
+424
en 0 canales
Get PRO
febrero '21
+405
en 0 canales
Get PRO
enero '21
+761
en 0 canales
Get PRO
diciembre '20
+18 472
en 0 canales
| Fecha | Crecimiento de Suscriptores | Menciones | Canales | |
| 26 octubre | +5 | |||
| 25 octubre | +39 | |||
| 24 octubre | +12 | |||
| 23 octubre | +10 | |||
| 22 octubre | +12 | |||
| 21 octubre | +173 | |||
| 20 octubre | +31 | |||
| 19 octubre | +36 | |||
| 18 octubre | +29 | |||
| 17 octubre | +43 | |||
| 16 octubre | +1 | |||
| 15 octubre | +8 | |||
| 14 octubre | +1 | |||
| 13 octubre | +13 | |||
| 12 octubre | +30 | |||
| 11 octubre | +8 | |||
| 10 octubre | +40 | |||
| 09 octubre | +8 | |||
| 08 octubre | +34 | |||
| 07 octubre | +73 | |||
| 06 octubre | +248 | |||
| 05 octubre | +46 | |||
| 04 octubre | +7 | |||
| 03 octubre | +4 | |||
| 02 octubre | +15 | |||
| 01 octubre | +26 |
Publicaciones del Canal
🔬️️️️️️ Claude самостоятельно обошёл платный доступ к избирательной статистике Джорджии.
По сообщениям СМИ, подтверждённым Anthropic, это произошло во время внутреннего проекта по статистике.
Модель узнала, что публичная панель ведомства выдаёт посетителям токен доступа, самостоятельно запросила его и получила агрегированные данные, за которые обычно взимается плата. Такого действия человек ей не поручал.
По заявлению Anthropic, Claude не получил доступ к системе регистрации избирателей, не скачивал индивидуальные записи и не менял данные голосования.
Компания сообщила, что после инцидента ввела меры для блокировки подобных действий.
https://www.axios.com/2026/10/25/anthropic-claude-georgia-voter-data
| 2 |  ✔️ Ideogram представила модель Vector 1.0
Это первая специализированная модель компании для работы с векторной графикой, которая создает масштабируемые SVG-иллюстрации по текстовым запросам, а также векторизует загруженные растровые изображения форматов JPG и PNG.
Результат работы Vector представляет собой набор математических кривых, раздельных слоев, редактируемых форм и градиентов. Сгенерированные файлы можно открывать в Figma и Adobe Illustrator, где дизайнеры могут продолжить редактирование, а веб-разработчики - использовать полученную разметку в коде.
Новинка рассчитана на проектирование логотипов, иконок, мерча и типографики, поддерживая стили от гравюры и лайн-арта до поп-арта и сплошных заливок.
Модель доступна в веб-интерфейсе сервиса и через API с отдельными эндпоинтами для генерации с нуля и трассировки растра.
Стоимость генерации по API составляет от 13 до 20 центов за файл в зависимости от выбранного качества (32 цента при использовании референсного изображения). Конвертация растрового файла в вектор обойдется в 10 центов за запрос.
@ai_machinelearning_big_data
#news #ai #ml | 6 135 |
| 3 |  📘 На Mentorix вышел курс — «RAG Engineering: создание production-ready AI-систем»
Хотите не просто собрать демо «чат по документам», а сделать RAG, который находит нужный раздел и отвечает с цитатами? Этот курс — полный путь от RAG без фреймворков до production agentic RAG.
• Основы: embeddings, top-k, мини-RAG руками
• Векторный поиск: Qdrant и pgvector, мультитенантность
• Chunking: semantic, document-aware, parent-child
• Hybrid search: BM25, sparse-векторы, RRF
• Reranking: cross-encoder, Cohere, Voyage, Jina
• Оценка: nDCG, golden datasets, faithfulness, eval в CI
• Паттерны: HyDE, multi-hop, Corrective RAG, GraphRAG
• Agentic RAG и MCP-сервер базы знаний
• Production: FastAPI, streaming, кэш, права доступа
🎓 Сертификат — добавьте в резюме или LinkedIn
🏷 Скидка 50%, действует 48 часов
12 990 ₽ → 6 495 ₽
➜ Пройти курс на Mentorix
Ещё 25 курсов бесплатно — доступны после регистрации | 8 554 |
| 4 |  📌 Perplexity научила модель быть учителем самой себе
ИИ-поисковик предложил метод обучения под названием JOLT, в котором одна и та же модель выступает сразу учеником и учителем, причём обе роли учатся одновременно.
При обучении с подкреплением модель получает награду только за итог попытки, и по ней не понять, какие именно шаги привели к успеху. На длинных агентных задачах, где попытки редко удаются, такого сигнала мало. Обходят это дистилляцией, когда модель посильнее оценивает каждый токен ученика и подсказки становятся плотнее.
Но умение решать задачу и умение её объяснить не одно и то же. Сильный учитель легко уходит туда, куда ученик за ним не дотянется, и подсказки пропадают впустую.
В JOLT учитель видит проверенный ответ, разобранное решение или отчёт о прошлых попытках, а ученик работает вслепую.
Обе роли живут в одной модели и обновляют общие веса. Ученик тянется к подсказкам учителя, а учитель получает задачу подстроиться под ученика, т. е. давать такие подсказки, которые двигают его в ту же сторону, куда двигало бы обычное обучение с подкреплением на его собственной награде.
У метода есть второй вариант, JOLT+. В нём ученик получает и подсказки учителя, и обычную награду за итог своей попытки, то есть плотный и разреженный сигналы складываются.
🟡 Тесты
Метод проверяли на небольших моделях DeepSeek и Qwen, от 0,6 до 30 млрд параметров. Задачи брали разные, от школьной математики и олимпиадных задач до генерации кода, работы с приложениями и команд в терминале. Сравнивали с GRPO и двумя методами дистилляции.
JOLT+ везде показал лучший средний результат, обойдя GRPO на 4,2 процентных пункта на наборе MATH, на 3,0 на LiveCodeBench и на 9,9 на AppWorld.
На MATH при равной точности JOLT потратил в 6,5 раза меньше обработанных токенов обучения и примерно в 13 раз меньше сгенерированных.
Без награды ученика метод работает хуже. На AppWorld чистый JOLT отстал и от GRPO, и от конкурирующей дистилляции, а на Terminal-Bench уступил GRPO.
Perplexity обещает открыть код позже, пока есть только статья с описанием метода.
@ai_machinelearning_big_data
#AI #ML #LLM #Research #RL #Perplexity | 12 989 |
| 5 |  +3🌟 Recursive выпустила модель для кодинг-агентов
Стартап Recursive Superintelligence, основанный Ричардом Сочером и вышедший из тени в мае с 650 млн долларов инвестиций, показал свою первую модель - Flint.
Такие деньги Recursive получил ещё до первой модели во многом из-за состава основателей. Сочер был главным научным сотрудником Salesforce и в свое время запустил поисковик You.com, оттуда же пришёл Цаймин Сюн, возглавлявший исследования ИИ.
Алексей Досовицкий из Google – автор Vision Transformer, Юаньдун Тянь занимался исследованиями в FAIR у Цукерберга, Тим Роктэшель пришёл из DeepMind и остаётся профессором Университетского колледжа Лондона, Джефф Клун стоит за работой о машине Дарвина-Гёделя про самоулучшающийся код.
Ещё двое, Джош Тобин и Тим Ши, работали в OpenAI, а Ши вдобавок сооснователь Cresta.
Модель рассчитана на агентов, которые разбирают чужой код, чинят ошибки, добавляют функции и пишут тесты. Команда собрала её с нуля меньше чем за четыре месяца.
🟡Архитектура
Flint построена на MoE, 39,8 млрд общих параметров, на каждый токен работают 2,5 млрд. Окно контекста - 262 тысячи токенов.
В каждом слое 256 экспертов, из которых выбираются шесть, плюс один работает всегда.
Большая часть слоёв внимания смотрит не на весь контекст, а на скользящее окно, что экономит вычисления.
Под Apple Silicon и NVIDIA RTX Spark стартап написал свои вычислительные ядра.
🟡 Тесты
На SWE-bench Verified модель набрала 74,2%, на Terminal-Bench 2.1 – 54,9%.
Recursive называет Flint лучшей моделью со смесью экспертов среди тех, что меньше 50 млрд параметров, и утверждает, что та догоняет плотные модели на 25–40 млрд, работая впятеро быстрее.
На коротком контексте Flint выдаёт больше 125 токенов в секунду на MacBook с M4 Pro и больше 150 на NVIDIA RTX Spark с 64 ГБ памяти.
Flint работает в llama.cpp, Ollama, LM Studio, vLLM и SGLang, а для ноутбуков на M4 Pro и M5 Pro или Max есть собственный движок rec.
📌Лицензирование: Apache 2.0
🟡Блогпост
🟡Документация
🟡Веса
🖥GitHub
@ai_machinelearning_big_data
#AI #ML #LLM #Flint #RecursiveSI | 17 362 |
| 6 |  Скоро в твоем городе
@ai_machinelearning_big_data | 16 634 |
| 7 |  ✔️ OpenAI открыла Decisions API
Интерфейс снижает задержки и расходы на микрорешениях в агентных процессах, сводит GPT-6 Luna к задачам с жёстко ограниченным выводом и работает до десяти раз быстрее Responses API.
Форматов ответа три - расчёт вероятности условия, выбор варианта из списка и оценка по шкале. Контекст мультимодальный, пакетом принимается до 400 вопросов на запрос.
Выходные токены бесплатны, вход стоит 10 центов за миллион и 1 цент через контекстный кэш, есть локализация обработки в США и ЕС и Zero Data Retention для корпоративных клиентов.
openai.com
✔️ Symantec нашла агента, который угоняет чужие языковые модели для атак
Сборка ищет в интернете открытые эндпоинты, тестовые серверы и утёкшие ключи к коммерческим моделям, а затем использует чужую модель как мозг наступательных операций. Устройство схемы раскрылось, когда злоумышленники по ошибке прислали рабочий промпт в ловушку компании.
Фильтры чужих моделей обходятся многослойным джейлбрейком, а к делу подключена библиотека из 74 утилит со сканерами, эксплойтами и частями ботнета. Главное в угрозе - автономный режим Скайнета, где модели разрешено до 100 тысяч итераций без подтверждения оператора. Агент исследует сеть, атакует инфраструктуру, ставит майнеры, чистит логи и ищет новые открытые модели для самокопирования.
Ущерб получается двойной - взломанные серверы теряют данные и тратят мощности на майнинг, а владельцы открытых шлюзов получают счета за токены.
security.com
✔️ Cursor научил агентов управлять рабочим столом
Работа агентов переехала из облака на локальные машины, и ассистент теперь не только правит код, но и может двигать курсор, нажимать кнопки, вводит текст и работает в сторонних программах. Вызывается он командой в чате или сам, когда для проверки нужно открыть собранное приложение.
На macOS работает через фоновую утилиту с явным доступом к Accessibility и записи экрана, в Linux на X11 с полной изоляцией рабочего пространства.
Первые тесты вскрыли дрейф интерфейса, когда окно меняет размер или смещается на пару пикселей, координатная сетка сбивается и клики уходят в пустоту, поэтому инженеры советуют жёстко фиксировать геометрию окон.
Функция доступна в свежей версии редактора.
Cursor в X
✔️ Liquid AI представила движок инференса с низкой задержкой
Представленный движок под названием RIPL сделан для линейки Liquid Foundation Models под системы с жёстким лимитом по времени отклика. В отличие от решений под пакетную обработку, он встраивает модель в критический путь запроса и возвращает полный ответ меньше чем за 50 мс при потоке до тысячи запросов в секунду.
Им рассчитывают заменить градиентные бустинги и эмбеддинги в онлайн-ранжировании, рекламе, скоринге и системах борьбы с мошенничеством. Первой его внедрила Shopify в своем поиске, другим клиентам доступно развёртывание по запросу.
liquid.ai
✔️ Шведские госведомства начали блокировать ChatGPT и Claude
Правительство ограничило сотрудникам доступ к публичным ИИ-сервисам без отдельных контрактов на обработку закрытых данных, директор по цифровизации объяснил это рисками для защищённости госинформации.
По данным радиостанции Ekot, блокировки ввели Налоговая служба и Национальное управление институциональной помощи, Служба взыскания задолженностей готовит такой же регламент.
Поводом стали аудиты, которые выявили, что служащие регулярно загружали служебные данные в десяток публичных платформ. Чтобы не потерять выгоду от автоматизации, канцелярия переводит персонал на свою инфраструктуру, часть сотрудников продолжит работать с Claude и ChatGPT, но только через защищённую внутреннюю платформу и корпоративный Microsoft Copilot.
sverigesradio.se
@ai_machinelearning_big_data
#news #ai #ml | 16 932 |
| 8 |  ✔️ Block анонсировала речевую модель
Компания, которой руководит сооснователь и бывший глава Twitter Джек Дорси, показала разговорную модель Dessa, обученную только записях человеческой речи, без текста и без базовых моделей.
Blok называет Dessa первым в мире ИИ-собеседником, обученным исключительно на человеческой речи. Учили её, к слову, с нуля и, по словам анонса, языку Dessa выучилась на количестве слов в сотни раз меньшем, чем нужно большим языковым моделям.
Dessa принимает звук и отвечает звуком, минуя привычное для голосовых помощников превращение речи в текст, на котором теряются интонация, эмоция и сарказм.
Модель слушает и говорит одновременно, умеет поддакивать посреди реплики собеседника, перебивать и смеяться не дожидаясь конца фразы.
Ответ формируется быстрее реального времени, работать Dessa может локально на MacBook с M4 Max и мощнее.
Доступ открыт только через список ожидания, ранний доступ раздают исследователям безопасности.
@ai_machinelearning_big_data
#news #ai #ml | 18 947 |
| 9 |  Kimi K3.1 Pro здесь здесь не на прогулку 🔥 | 18 608 |
| 10 |  📌 Anthropic и Theorem использовали Claude для математической верификации 123 открытых библиотек
Исследователи применили модель для построения формальных математических доказательств надежности кода.
Основой послужили готовые фаззинг-тесты из OSS-Fuzz, сервиса Google для непрерывной проверки открытого кода случайными данными, которые сами по себе не способны дать стопроцентной гарантии отсутствия сбоев.
Claude превращал каждый такой тест в строгое утверждение и доказывал его. Всего за несколько недель нейросеть сгенерировала около 180 миллионов строк кода доказательств для 239 точек входа в 123 библиотеках из набора OSS-Fuzz.
Корректность доказательств проверяла программа Rocq, которая пересчитывает каждый шаг рассуждения, и результаты математически подтверждают, что протестированные программы гарантированно завершатся штатно при обработке любых произвольных входных данных размером до 64 МБ.
В процессе построения доказательств модель вскрыла и устранила сотни нетривиальных багов, которые практически невозможно отловить случайными тестами.
В их числе - ошибка перезаписи буфера в алгоритме декомпрессии, срабатывавшая только при строгом совпадении внутренней структуры и размера файла около 20 МБ, а также чтение за границами массива в декодере изображений, требовавшее для воспроизведения 64-мегабайтный файл и более 2 ГБ выделенной памяти.
Ранее подобная строгая верификация считалась слишком трудоемкой для реального применения - к примеру, доказательство корректности микроядра seL4 потребовало 20 человеко-лет против всего двух человеко-лет на написание самого кода.
Авторы рассчитывают, что скоро формальная верификация станет такой же обыденной практикой, как сегодня фаззинг, почти для всего промышленного кода, хотя пока это дорого - на одно доказательство ушло сотни миллионов токенов.
К слову, совсем без людей обойтись всё еще не получается - в экспериментах следили за тем, чтобы модель не добивалась доказуемости, выхолащивая саму программу, поэтому её правки кода штрафовались и проверялись человеком.
@ai_machinelearning_big_data
#news #ai #ml | 19 513 |
| 11 |  Tencent выложила Hy-Nomas: опенсорс-модель интерактивного видеомира, которая запускается на одной RTX 4090 🌍
Модель строит мир по сегментам видео, а вы управляете ею текстом и траекторией камеры: на каждом шаге можно сменить сцену, стиль, действие или ракурс, и память мира сохраняется между сегментами. Выход 720x1280 при 24 fps. Для узких областей вроде робототехники есть лёгкая адаптация через LoRA.
На одной RTX 4090 модель идёт с INT8-весами, INT8 KV-кэшем и выгрузкой на CPU, стандартная конфигурация рассчитана на восемь GPU. В репозитории код обучения, инференса и демо, лицензия Apache-2.0.
Бенчмарков для самой модели пока нет, технический отчёт обещают позже.
Источник: https://github.com/Tencent-Hunyuan/Hy-Nomas
Демо: https://hy-nomas.hy.tencent.com/demo
Веса: https://huggingface.co/tencent/Hy-Nomas
@ai_machinelearning_big_data | 21 470 |
| 12 |  Китайская Moonshot AI представила Kimi K3.1 Pro — открытую ИИ-модель, которая обходит GPT-6 Astra в тестах программирования.
Модель получила контекстное окно на 1 миллион токенов и ориентирована на сложные задачи: разработку ПО, ИИ-агентов, 3D-моделирование и финансовую аналитику.
Результаты тестирования:
- Terminal-Bench 4.0: 65,7% против 58,2% у GPT-6 Astra и 66,4% у Claude Opus 5.5.
- BenchCAD: 92,7% — генерация CAD-моделей по изображениям.
- OfficeQA Pro v2: 64,4 балла — анализ сложных финансовых документов.
- Kimi Code Bench 3.0: 61,2% против 55,95% у предыдущей K3.
Что интересного:
1. Модель способна самостоятельно создавать игры, 3D-сцены и веб-приложения.
2. Работает с Blender, Unity, Unreal Engine и Godot.
3. В одном эксперименте провела 167 итераций разработки симулятора человеческой ходьбы, самостоятельно обнаружив 36 ошибок в расчётах.
4. Частота фактических ошибок на внутреннем сложном тесте снизилась с 23,4% до 8,3%.
5. Версия Highspeed работает в 2–3 раза быстрее стандартной модели.
Отдельно разработчики ограничили возможности модели в поиске и эксплуатации уязвимостей, удалив часть данных по кибербезопасности из обучения.
Kimi K3.1 Pro уже доступна через веб-интерфейс, Kimi Code и API. Полные веса модели обещают открыть до 4 ноября 2026 года.
Результаты сравнений приведены разработчиками и зависят от методики тестирования.
https://www.kimi.ai/blog/kimi-k3-1-pro
https://t.me/data_analysis_ml | 17 952 |
| 13 |  ✔️ Банки США начали блокировать ИИ-агентов
По данным Axios, JPMorgan Chase, Morgan Stanley, Bank of America, Citi и Wells Fargo столкнулись с волной инцидентов, когда автономные агенты выполняли операции в онлайн банкинге от имени клиентов.
Пользователи добровольно передавали ассистентам свои учетные данные для решения финансовых задач, что нарушает базовые правила платформ, требующие исключительно ручной аутентификации человеком.
В ряде случаев мониторинг выявил попытки ботов действовать без прямой команды владельца счета - агенты самостоятельно обращались в службы поддержки, запрашивали перемещение средств и пытались инициировать транзакции.
Главная проблема для безопасности заключается в том, что существующие антифрод-системы не способны достоверно различать паттерны поведения человека и сложных мультимодальных агентов, а также проверять легитимность конкретных решений модели в реальном времени.
Из-за регуляторных и финансовых рисков институты начали принудительно закрывать доступ сторонним агентским процессам.
В качестве долгосрочного решения банки рассматривают перевод подобных систем на изолированные API в режиме по аналогии с интеграциями сервисов финансового учета, параллельно готовя протоколы экстренной изоляции скомпрометированных счетов.
@ai_machinelearning_big_data
#news #ai #ml | 18 667 |
| 14 |  ✔️ OpenAI обязала шлюзы и роутеры моделей проходить проверку
С 20 ноября сторонние сервисы, дающие доступ к API, то есть шлюзы, роутеры и реселлеры, смогут работать только после одобрения компании.
Базовых правил уже недостаточно, от них требуют фильтры безопасности, согласование блокировок и разбор случаев вредоносного использования API.
Вместе с этим введена и система SafetyID, через которую партнёр будет изолироветь пользователя при расследовании подозрительной активности или утечке ключей.
openai.com
✔️ Anthropic впервые с 2023 года обновила Claude API
Параметры temperature, top_p и top_k, отвечавшие за вариативность и стиль ответов, больше не принимаются, при попытке передать их возвращается ошибка.
Кроме отказа от ручной настройки сэмплирования поправлены форматы сообщений и убраны устаревшие поля в схемах запросов.
Предыдущая ревизия остаётся доступной, срочно переносить работающие системы не придётся, а обновлять API Anthropic обещает регулярно, чтобы разработчики заранее проверяли совместимость кода с новыми моделями.
claude.com
✔️ Google представила сервис для запуска агентов в изолированных машинах
Agent Compute Engine выводит на рынок инфраструктуру собственных агентов Gemini и рассчитан на агентский режим, когда короткие всплески вроде запуска кода чередуются с долгим ожиданием ответа модели или пользователя.
Обычные виртуальные машины для таких циклов медленные, поэтому агенту выделяется микромашина на Cloud Hypervisor с общими страницами памяти из шаблона ОС.
В простое среда замораживается в снимок, файлы и контекст переживают паузы на томах Hyperdisk, сетевых интерфейсов у гостевых систем нет, а трафик идёт через прокси, не раскрывающие токены коду.
Для Kubernetes есть открытая среда Agent Substrate, возобновляющая работу меньше чем за полсекунды, а публичная предварительная версия обещана в ближайшие месяцы.
cloud.google.com
✔️ Фонд OpenAI вложился в нейрочип против опухолей мозга
Американский Coherence Neuro поднял 45 млн долларов, кроме OpenAI Startup Fund в раунде участвовали Питер Тиль, Lux Capital и 8VC. Его интерфейс SOMA лечебный и основан на том, что клетки глиобластомы обмениваются электрическими сигналами с нейронами и влияют на активность мозга.
Массив электродов считывает импульсы, модели оценивают опухоль и в замкнутом цикле подбирают параметры локальной стимуляции, чтобы остановить её рост. В комплекте - имплант размером с монету, заушный модуль питания и приложение для смартфона, наблюдение идёт онлайн и непрерывно, без плановых томографий.
На животных технология предсказывала динамику опухоли на пять недель вперёд, в июне начались первые интраоперационные тесты на людях в Королевском госпитале Мельбурна.
Привлечённые деньги пойдут на клинические испытания и проверку метода на других опухолях.
wired.com
✔️ Hugging Face выпустила открытую языковую модель для анализа ДНК
Carbon-X на 14 млрд параметров, сделанная совместно с учёными Китая и Италии, объединяет геномные последовательности и естественный язык, так что про ДНК можно спрашивать текстом, например о влиянии точечных мутаций на экспрессию генов.
Словарь базовой модели расширили, нуклеотиды читаются по шесть символов, обучение шло на 300 млрд токенов с геномами млекопитающих, растений и грибов, вирусные данные исключили из-за рисков создания патогенов.
Запуск рассчитан на локальное использование, что снимает главную проблему биоинформатики, когда данные пациентов нельзя отдавать в облака.
Контекст держит до 50 тысяч пар оснований, этого хватает для точечного поиска мутаций под таргетную терапию, но не для разбора генома целиком. Выводы модели расчётные и лабораторной проверки пока не прошли.
huggingface.co
@ai_machinelearning_big_data
#news #ai #ml | 17 529 |
| 15 |  MiniMax открыла веса M3.1 Flash - MoE-модели на 428 млрд параметров для программирования и ИИ-агентов.
При обработке каждого токена активируются около 23 млрд параметров. Модель ориентирована на многошаговые задачи: работу с инструментами, разработку ПО и управление приложениями.
Результаты по оценкам разработчика:
- 73,7% на DeepSWE v1.1 — сложные задачи разработки.
- 61,7 на OSWorld V2 — работа с компьютерным интерфейсом.
- 76,2 на BankerToolBench — использование инструментов в банковских сценариях.
- 29,6 на Agents’ Last Exam — комплексные профессиональные задачи.
- 82,2 на CyberGym — воспроизведение уязвимостей.
За эффективность отвечают MiniMax Sparse Attention и DSpark speculative decoding: разреженное внимание и спекулятивное декодирование, ускоряющее генерацию.
Теперь веса можно использовать для собственного развёртывания и независимых тестов. 23 млрд активных параметров сокращают вычисления, но хранить нужно всю модель — это по-прежнему серьёзная нагрузка на инфраструктуру.
Hugging Face: https://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash
API: https://platform.minimax.io
@ai_machinelearning_big_data
#MiniMax | 19 998 |
| 16 |  🌟 Sakana AI предложила метод рекомендаций, который ищет набор разных вариантов
QD-Rec - метод подбора рекомендаций для решений, где человеку важно сравнить варианты, а не получить один ответ.
Единица поиска здесь не сам кандидат, будь то компания, клиент или научная статья, а пара из кандидата и гипотезы, то есть написанного словами объяснения, чем он подходит и что с ним можно сделать.
🟡Механика
В основе лежит идея качества и разнообразия из эволюционных алгоритмов. Система ведёт архив удачных пар и крутит один и тот же цикл из трёх шагов.
Сначала кандидата выбирает алгоритм, который взвешивает прошлые оценки и добавляет бонус за непохожесть на то, что уже в архиве.
Затем языковая модель пишет гипотезу, опираясь на три случайные записи архива как на родительские, и либо переносит их угол зрения на нового кандидата, либо скрещивает две идеи, либо предлагает что-то своё.
Наконец новая пара проходит отбор. Если судья считает её довод реально новым, она занимает отдельную нишу, если нет, спорит один на один с ближайшим соседом по смыслу, и проигравший вылетает.
Общего рейтинга нет, поэтому непохожие идеи уживаются рядом.
🟡Тесты
Проверяли на трёх задачах. В первой система искала среди 6300 американских компаний цели для поглощения покупателями Disney и JPMorgan. Во второй подбирала покупателей продукта среди 10 тысяч вымышленных профилей, в третьей советовала статьи из 17,5 тысячи работ с недавних конференций.
Гипотезы писали модели Claude, оценивала их GPT-5.6 Terra.
На поиске целей для Disney средняя оценка архива составила 2,91 против 2,40 у упрощённого варианта, который пишет каждую гипотезу с нуля и в архив не заглядывает, а сам архив вырос до 214 записей против 85.
Для JPMorgan вышло 3,04 против 2,88, в маркетинге 7,05 против 6,81.
На подборе статей разницы почти нет, 6,24 у всех вариантов.
Выигрывает метод не везде. С моделью послабее на одной из задач он уступил упрощённому варианту и по оценке, и по размеру архива.
Оценки ставит языковая модель, а значит, система может научиться угождать судье вместо того, чтобы придумывать дельное, и авторы советуют подключать человека. Про это надо просто помнить.
Код проекта выложен на GitHub, модели подключаются через OpenRouter.
📌Лицензирование: Apache 2.0
🟡Блогпост
🟡Arxiv
🖥GitHub
@ai_machinelearning_big_data
#AI #ML #Recomendation #QDRec #SakanaAI | 16 739 |
| 17 |  📌 Кейноут GTC Berlin 2026
Главные темы – физический ИИ, суверенные вычисления и перевод дата-центров в формат фабрик, которые выпускают в качестве товара интеллект.
За год Nvidia вложила в Европу почти 10 млрд долларов, объявила 14 инвестиций в стартапы и насчитала больше 12 тысяч партнёрств в регионе.
🟡Vera Rubin в полном производстве
Платформа пошла в серию. Каждый ускоритель выдаёт 20 петафлопс, стойка NVL72 через коммутатор NVLink собирает 72 ускорителя в одну систему на 1,44 экзафлопса.
Охлаждение полностью жидкостное, сборка узла занимает меньше пяти минут против двух часов у Grace Blackwell.
🟡DSX POD
Готовая фабрика в контейнере - семь жидкостных вычислительных стоек, 17 км кабелей Spectrum-X, питание 800 В постоянного тока и теплоноситель до 45 °C.
Собирают и тестируют POD на заводе, на площадке он встаёт за две недели, а полное развёртывание сокращается с четырёх-пяти месяцев примерно до одного.
Поставками с начала 2027 года займутся Dell, HPE, Gigabyte, Delta и QCT.
🟡DSX MaxLPS
Система управления питанием для таких фабрик. Компания заявляет снижение энергопотребления на 30% при той же выработке, а на масштабе 2 ГВт обещает экономить 54 млн литров воды в сутки.
🟡Spectrum-X с оптикой в корпусе
Сетевой уровень получил co-packaged optics на технологии COUPE, разработанной с TSMC - 512 портов по 200 Гбит/с. Производственные планы по оптическим решениям Nvidia обозначила ростом мощностей в 15 раз с выходом на тридцатикратный к концу 2028 года.
🟡OpenShell и Nvidia Sentry
Открытый защищённый рантайм для агентов, анонсированный как референсная архитектура, плюс Sentry – следящий за агентами слой политик, который работает на BlueField-4 в отдельном от хоста домене доверия и способен изолировать агента почти мгновенно. Доступность Sentry обещана в начале 2027 года.
Рядом анонсирован Confidential Bare Metal – режим, в котором разработчик модели запускает чувствительные нагрузки на чужой инфраструктуре, сохраняя контроль над весами и данными.
🟡Открытые модели
Выложены Nemotron 3.5 Super VL и Bolt, поисковая линейка Nemotron Retriever для эмбеддингов, переранжирования и разбора документов, мировые модели Cosmos из трёх размеров, Kumo для структурированных бизнес-данных вместе с библиотекой Kumo Engine.
Облегчённый Bolt E4B и Alpamayo 2 Edge для автономного транспорта обещают выложить до конца месяца.
🟡 Agile ONE и Hyperion
Референсного гуманоида Agile ONE SN представила Agile Robots, собран он на платформе Isaac GR00T и вычислителе Jetson Thor, выпуск обещан в начале 2027 года.
Hyperion – серийная платформа датчиков и вычислений для роботакси и машин четвёртого уровня автономности, заявлен набор из 14 камер, 9 радаров, 3 лидаров и ультразвука. Партнёры - Volvo, JLR, Mercedes-Benz, Uber, Hyundai, GM, Toyota, BYD и Geely.
🟡Mistral AI и инженерное моделирование
Французская лаборатория берёт библиотеки Nvidia CUDA-X, Warp и Omniverse, чтобы ускорять расчёты физики, генерировать на GPU трёхмерные сцены и ассеты SimReady и получать данные для обучения инженерных моделей.
Планируют замкнутые циклы, где моделирование, разработка моделей и проектирование идут вместе, с прицелом на авиацию, автопром и полупроводники, а также публичные бенчмарки для проверки физических моделей и агентов в системах автоматизированного проектирования.
🟡Суверенные проекты и инструменты разработки
В Швеции консорциум AstraZeneca, Ericsson, Saab, SEB и Wallenberg строит общий суперкомпьютер Sferical One под дообучение Nemotron.
Барселонский суперкомпьютерный центр открыл акселератор для стартапов, а под инициативу Еврокомиссии AI in Science Enablers Nvidia обещала европейским исследователям свои открытые модели и датасеты, участие в 35 строящихся суперкомпьютерах и бесплатный курс-хаб.
Из инструментов расширен Agent Toolkit, в ранний доступ вышли библиотека cuDSS для разреженных систем на GPU, и Factory Operations, на котором Siemens строит агентов для своего завода в Эрлангене.
@ai_machinelearning_big_data
#news #ai #ml | 17 312 |
| 18 |  +2🔬️️️️️️ Задачу старше Google решили с помощью ИИ: Microsoft Research сообщила о доказательстве гипотезы KLS, сформулированной в 1995 году.
Авторы - Чжао Сун и Синьчжи Чжан. В процессе работы ИИ-агенты исследовали более 100 подходов, а учёные отбрасывали слабые направления и выбирали, что развивать дальше.
О чём гипотеза? Представьте многомерное выпуклое тело. Его можно разделить плоскостью или хитрой изогнутой поверхностью. KLS утверждает: лучший плоский разрез уступает лучшему произвольному лишь в фиксированное число раз — независимо от количества измерений.
Это связано со скоростью, с которой случайное блуждание исследует пространство, и даёт теоретическую основу для алгоритмов выборки, статистики и оптимизации.
ИИ помог найти ключевой критерий, выполнить вычисления и проверить промежуточные рассуждения. Рекурсивный метод и оценку ошибок, завершившие доказательство, разработали сами исследователи.
Показательная деталь: попытки решить задачу без руководства человека, с примерно таким же бюджетом токенов, успеха не дали.
По сообщению Microsoft, результат также поддержан отдельными доказательствами и формализацией в Lean 4.
https://www.microsoft.com/en-us/research/blog/solving-a-31-year-old-grand-challenge-in-mathematics-the-kls-conjecture/
@ai_machinelearning_big_data
#microsoft | 19 501 |
| 19 |  ✔️ В PHP устранили критическую уязвимость, найденную ИИ-моделями
ИБ-специалисты в программе Patch the Planet нашли серьёзную брешь в кодовой базе PHP, задевающую все популярные CMS, которая существовала более десяти лет. На момент публикации команда PHP выпустила экстренные обновления безопасности.
На устранение ушло два месяца и пять этапов согласований между мейнтейнерами языка, Calif, Wiz, Cloudflare, CISA и Белым домом, и OpenAI предлагает закрепить эту схему типовым регламентом для раскрытия найденных ИИ проблем безопасности.
Разработчикам и администраторам советуют проверить серверы, для аудита запущенных установок PHP на GitHub выложен диагностический инструмент.
openai.com
✔️ ElevenLabs выпустила сквозную голосовую модель Eleven Realtime
Модель ведёт двусторонний разговор в реальном времени и вышла в версиях Mini для простых сценариев и Max для сложных диалогов с вызовом инструментов.
Заявлена поддержка больше 90 языков и каталог на 17 тысяч голосов. Перебивания, паузы и наложение голосов модель разбирает сама, так что отдельные модели распознавания и синтеза речи не нужны.
В бенчмарке Artificial Analysis старшая Max дала точность рассуждений 98,8% при средней задержке ответа 0,57 секунды, тогда как Qwen Audio 3.0 Realtime Plus набрала близкие 99,2%, но отвечала за 1,54 секунды.
Доступ открыт через ElevenAgents и Realtime API, причём транспортный уровень совместим со спецификацией WebSocket от OpenAI, поэтому готовые клиентские SDK работают без переписывания кода.
elevenlabs.io
✔️ Intel и AMD упростят разработку ИИ на процессорах x86
Компании договорились свести наработки по ускорению PyTorch в открытую библиотеку глубокого обучения oneDNN, которую развивают под эгидой Unified Acceleration Foundation.
Так они рассчитывают убрать разнобой в программной части экосистемы x86, а саму oneDNN признали библиотекой по умолчанию для оптимизации ИИ-задач на процессорах обоих производителей. AMD уже переносит наработки из ZenDNN в кодовую базу oneDNN и входит в управляющий комитет.
Кроме унификации нынешних средств компании проектируют набор инструкций следующего поколения AI Compute Extensions для аппаратного ускорения матричного умножения, его поддержку в PyTorch тоже обещают через oneDNN.
intel.com
✔️ Google и PyTorch открыли код TorchTPU
Набор инструментов для запуска конвейеров PyTorch на тензорных процессорах опубликован в открытом доступе, и это переводит TPU в разряд полноправных ускорителей наравне с процессорами и видеокартами.
Существующий код запускается с минимальными правками, разработчикам доступны режим отладки, компиляция и примитивы распределённых вычислений.
Инициативу поддержали ключевые проекты открытого ИИ - в transformers добавили выгрузку моделей, а движки vLLM и SGLang получили бэкенды для TPU с непрерывной пакетной обработкой и ядрами Pallas.
google.com
✔️ Uber чистит свои репозитории от мёртвого кода агентами
Внутренняя платформа AutoClean непрерывно убирает устаревшие фича-флаги и мёртвый код, с её помощью уже вычищено 16 тысяч флагов и больше миллиона строк.
Агент разбирает контекст и цепочки вызовов, а точечную булеву алгебру и упрощение условий отдаёт движку PolyglotPiranha через протокол MCP, упавшие в CI тесты правят агенты без прав на продуктовый код.
Готовые патчи проходят многоступенчатую проверку, где параллельные агенты смотрят, сохранена ли семантика программы, держится ли фокус строго на целевом флаге и нет ли посторонних правок.
При расхождениях патч отбрасывается сам, а прошедшие проверку задачи уходят инженерам на окончательное утверждение.
uber.com
@ai_machinelearning_big_data
#news #ai #ml | 19 247 |
| 20 |  Что делать с данными? 💬
Строить отчёты. А ещё, например:
✅находить закономерности в больших массивах;
⬜️предсказывать поведение пользователей;
⬜️строить рекомендательные системы;
⬜️обучать и улучшать ML-модели;
⬜️создавать продукты и помогать бизнесу расти.
В Школе аналитиков данных МТС учатся решать такие задачи на практике.
В программе — SQL и Python, математика и статистика, анализ данных, машинное обучение и большие данные, а также нейросети и рекомендательные системы.
Занятия ведут действующие эксперты Центра BigData MWS. Теория чередуется с практикой, а преподаватели дают обратную связь по работам и помогают отслеживать прогресс.
Это будет интересно:
➡️студентам последних курсов и выпускникам технических вузов
➡️алитикам данных, которые хотят погружаться в исследования
➡️ИТ-специалистам, которые хотят перейти в новое для себя направление
Обучение продлится 10 месяцев и будет полностью бесплатным.
⚡️ Сейчас — последний шанс подать заявку, так как прием закрывается 25 октября. Для поступления кандидатам предстоит заполнить анкету, написать мотивационное письмо и пройти отборочное тестирование.
Отправить заявку ↗️ | 16 612 |
