Machinelearning

🚀 SQL знаете, BI — тоже. А что дальше? Если хочется строить модели, тестировать гипотезы и оптимизировать процессы — вам в Data Science. Тратить время на банальные Excel-таблицы смысла нет. На курсе «Data Scientist» от Академии Eduson вы сразу погрузитесь в машинное обучение. 🧠 За 9 месяцев обучения вы: • В своём темпе пройдёте 240 уроков по EDA, A/B-тестам, BI, Git, Agile и feature engineering. • Освоите Python, Pandas, NumPy, Scikit-learn, SQL, Jupyter Notebook, Matplotlib, Seaborn. • Решите 11 реальных бизнес-кейсов из ритейла, кредитной оценки и других сфер. • Потренируетесь в симуляторах SQL, Python, Jupyter. • Получите удостоверение о повышении квалификации, подтверждённый «Сколково» диплом Eduson + помощь с трудоустройством. ✔️ Среди спикеров — эксперты-практики из Microsoft, «Сбера» и «Альфа-Банка». Они погрузят вас в современные требования к Data Science, включая тренды нейросетей и ChatGPT. Личный куратор будет на связи 365 дней, а доступ ко всем материалам и их обновлениям — бессрочный. Не бойтесь зависнуть без работы после обучения: Eduson возвращает деньги, если вы не получите оффер — это зафиксировано в договоре. А пока в онлайн-школах несезон, пройти курс можно со скидкой 65% — оставьте заявку с промокодом DATA на сайте. Реклама. ООО "Эдюсон". ИНН: 7729779476. Erid: 2W5zFJVzq9i

🌟 Новое исследование Anthropic: как люди используют Claude для эмоциональной поддержки, советов и общения Ключевые выводы : - Большинство чатов с ИИ (97%) посвящены практическим задачам — код, планирование, поиск информации. - Всего 2,9 % диалогов классифицированы как «эмоциональные», и всего 0,5 % — как ролевые или «компаньонские» беседы. 🔜 Тематика аффективных чатов (это диалоги с ИИ, в которых ключевую роль играют эмоции и эмоциональная поддержка) невероятно разнообразна, пользователи запрашивали: **Это исследование: типичные темы и запросы в аффективных беседах с Claude** Запросы: **Советы по межличностным вопросам — 2,3 % всех бесед** • 3,8 % — улучшение устных и письменных коммуникативных навыков • 3,5 % — преодоление сложностей в романтических отношениях • 2,2 % — анализ психологической динамики в паре • 1,4 % — решение задач воспитания детей • 1,3 % — профессиональные переходы и неопределённость в карьере • 1,0 % — несоответствие сигналов в личных отношениях Коучинг — 1,1 % всех бесед • 4,5 % — разработка персональных стратегий развития и роста • 2,5 % — философские темы: смысл жизни, сознание • 2,5 % — оптимизация поиска работы и карьерные переходы • 1,6 % — принятие решений в условиях жизненных перемен • 1,5 % — борьба с выгоранием и профессиональной усталостью • 1,3 % — эмоциональные и коммуникативные трудности в отношениях Психотерапия и консультирование — 0,3 % всех бесед • 4,6 % — стратегии управления психическим здоровьем и благополучием • 4,5 % — развитие профессиональных навыков для терапевтов • 3,1 % — создание и ведение клинической документации • 3,3 % — борьба с хроническими симптомами и тревожностью • 2,9 % — экзистенциальный кризис и потеря смысла жизни • 2,7 % — стресс на работе и профессиональные проблемы Компаньонство — 0,3 % всех бесед • 7,2 % — сложности и динамика в романтических отношениях • 4,7 % — вопросы самоидентичности и экзистенциального смысла • 3,2 % — формулировка поддерживающих сообщений при эмоциональном дистрессе • 2,8 % — преодоление сильного эмоционального страдания • 2,3 % — постоянное одиночество и трудности в налаживании связей • 1,9 % — противостояние экзистенциальному страху и потере смысла Большинство пользователей Клода готовы углубляться в сложные темы при условии стабильной эмпатии от ИИ. ➡️ «Отказы» (pushback) в эмоциональных чатах встречаются в менее 10 % случаев — почти всегда из соображений безопасности (диеты, самоповреждения, медицинская диагностика). Эффект на настроение пользователя: • При анализе первых и последних трёх сообщений аффективных диалогов отмечается явный рост положительных эмоций у пользователей. • Пользователи завершают такие сессии с более оптимистичным настроем. Методика исследования - Проанализировано 4,5 млн диалогов пользователей Claude Free и Pro. - Отобрано 131 484 «эмоциональных» диалога с помощью Clio — системы анонимного анализа от Anthropic. - Исключены генеративные задачи (статьи, рассказы и т. п.), чтобы сфокусироваться на личном общении. Что дальше? - Исследователи планируют изучить долгосрочные психологические эффекты: от эмоциональной зависимости до изменения ожиданий в реальных отношениях. - Расширить исследования на голосовые и видеоформаты. - Выработать лучшие практики кризисной поддержки и направления к профессионалам. ➡️ Читать полностью @ai_machinelearning_big_data #Anthropic #claude

🚨 Цукерберг переманил трёх топовых исследователей из OpenAI для своей команды по суперинтеллекту • Лукас Бейер • Александр Колесников • Сяохуа Чжай Все трое работали в цюрихском офисе OpenAI. 💰 По слухам, предложение в ~$100M оказалось убедительнее философии OpenAI. Самое забавное, что всего несколько дней назад Сэм Альтман заявлял:

Цукерберг пытался нанять многих, но лучшие из наших пока не ушли.

Похоже, это уже не так. 📉 Ранее компания приобрела 49% долю в Scale AI за $14,3 млрд. В команду разработчиков переманили Александра Ванга — 28-летнего CEO Scale AI — для работы над проектами в области "суперинтеллекта". Это часть агрессивной стратегии компании Цукерберга по быстрому наращиванию лидерства в гонке за AGI. 📌 Новость @ai_machinelearning_big_data #openai #news #ai #ml

✔️ OpenAI расширяет возможности ChatGPT Pro. OpenAI запустила Search Connectors для ChatGPT Pro и Team, функцию, которая напрямую связывает облачные хранилища (Google Drive, Dropbox и OneDrive) с интерфейсом чата. Теперь пользователи могут искать, анализировать и обобщать документы, не загружая их вручную. Лимит файлов на проект для Pro-подписчиков вырос с 20 до 40, а поддержка охватывает 12 сервисов, включая GitHub, Gmail и Outlook. Пока новинка доступна за пределами ЕС, Великобритании и Швейцарии. Open AI в сети Х ✔️ Google открыла доступ к Imagen 4. Imagen 4, усовершенствованные модели генерации изображений по текстовым запросам, стали доступны в двух версиях: базовая Imagen 4 (4 цента за изображение) для повседневных задач и Imagen 4 Ultra (6 центов) с повышенной детализацией и точностью исполнения инструкций. Обе модели доступны в Gemini API для платных пользователей, а также в ограниченном бесплатном тестировании через Google AI Studio. Разработчики обещают улучшенное отображение текста на картинках и расширение тарифных планов в ближайшие недели. Все сгенерированные изображения получат скрытый цифровой водяной знак SynthID. developers.googleblog.com ✔️ HPE и NVIDIA представили новую линейку решений для корпоративного ИИ. HPE и NVIDIA анонсировали совместные решения для создания «фабрик искусственного интеллекта» на базе модульной инфраструктуры. В линейку вошли серверы HPE ProLiant DL380a Gen12 с GPU NVIDIA RTX PRO 6000 Blackwell, которые предлагают универсальную платформу для генеративного и промышленного ИИ. Также был представлен HPE Private Cloud AI — готовое решение для быстрого внедрения ИИ, совместимое с фреймворком NVIDIA Enterprise AI Factory. Для финансового сектора планируется тестирование агентного ИИ с Accenture, а 26 новых партнеров расширят экосистему HPE, добавив 70 преднастроенных сценариев: от детекции мошенничества до кибербезопасности. Решения доступны для заказа, а система HPE Compute XD690 с GPU Blackwell Ultra начнет отгружаться в октябре. blogs.nvidia.com ✔️ Google DeepMind представила AlphaGenome. AlphaGenome — нейросеть, которая предсказывает, как мутации в ДНК влияют на регуляцию генов. Модель обрабатывает участки длиной до миллиона пар оснований, анализируя их на уровне отдельных «букв» и оценивая тысячи молекулярных свойств: активность генов, сплайсинг РНК, доступность участков ДНК. AlphaGenome сочетает сверточные слои для поиска коротких паттернов и трансформеры для анализа длинных последовательностей. Одна из ключевых особенностей - точное моделирование сплайс-сайтов, важное для изучения редких заболеваний. Модель превзошла аналоги в 22 из 24 тестов, предсказывая как структуру ДНК, так и эффекты вариантов. Доступ к AlphaGenome открыт через API для некоммерческих проектов. deepmind.google ✔️ LongWriter-Zero: модель, которая пишет длинные тексты благодаря RL. Группа исследователей из Сингапура и Китая представила LongWriter-Zero, модель, которая генерирует тексты длиной более 10 тысяч слов, обучаясь только через RL, без использования синтетических данных. Модель опирается на три специализированных «наградных» алгоритма, оценивающих структуру, качество и длину текста, а также уникальный метод «усреднения преимущества», который балансирует приоритеты между ними. LongWriter-Zero использует «промты-размышления»: перед написанием модель планирует структуру текста, улучшая его связность. Бенчмарки показали рост эффективности с 700 до 1200 поинтов Elo. Однако у модели есть слабые места: она склонна к повторам и переиспользованию слов, которые система поощряет в процессе обучения. Модель и датасет доступны на Hugging Face. huggingface.co @ai_machinelearning_big_data #news #ai #ml

📌Тренируем LoRA: эффективный тюнинг LLM в гайде от Unsloth. Добиться от LLM нужного поведения - задача нетривиальная, особенно в тонкой настройке с помощью LoRA. LoRA позволяет адаптировать модель под конкретные задачи, не переобучая ее целиком, но результат сильно зависит от правильно подобранных гиперпараметров. Небольшой, но очень полезный гайд от Unsloth - ваш гид по основным настройкам LoRA, которые помогут повысить точность, стабильность и качество, попутно снижая риск галлюцинаций и переобучения. Успешное обучение - это, прежде всего, баланс. Слишком высокая скорость обучения может ускорить начальное обучение, но рискует дестабилизировать модель или привести к пропускам оптимальных решений. Слишком низкая замедлит процесс и, как ни странно, тоже помешает обучению или переобучит вашу LoRa. Оптимальный диапазон обычно лежит между 1e-4 и 5e-5. Аналогично с эпохами: прогонять данные слишком много раз значит рисковать тем, что модель просто "зазубрит" датасет, потеряв способность к обобщению. Недобор эпох грозит недообучением, это когда модель так и не улавливает нужные паттерны. Но вот, вы разобрались с эпохами и скоростью обучения и добрались до специфичных параметров LoRA, например - ранг. Это один из ключевых параметров, он определяет размерность "адаптеров", добавляемых к модели. Больший ранг дает больше "места" для обучения, но требует больше памяти и времени. Следующий после ранга: lora_alpha. Это своего рода усилитель для этих адаптеров. Часто его ставят равным рангу или удваивают, чтобы усилить влияние дообученных весов. Unsloth предлагает в своих ноутбуках отличные дефолтные параметры, основанные на большом накопленном опыте файнтюна моделей и предлагает проверенные решения для управления ресурсами и стабильностью. Подбор гиперпараметров — это всегда итеративный процесс. Экспериментируйте, сверяйтесь с лучшими практиками, и тогда ваши дообученные модели покажут наилучшие результаты. 🔜 Читать гайд полностью #AI #ML #LLM #Tutorial #LoRA #Unsloth

🛡️ GigaConf 2025: мультиагенты в кибербезопасности Автономные AI-системы могут стать основой будущей защиты. Об этом рассказал Сергей Лебедь, вице-президент по кибербезопасности Сбера. По его словам, мультиагентные атакующие системы уже в ближайшем будущем смогут искать уязвимости, писать вредоносный код и запускать фишинг. Противостоять им можно только такими же автономными системами — но на стороне защиты. При минимальном участии человека они смогут быстрее и точнее реагировать на инциденты. 🧩 В модели киберзащиты четыре ключевых блока: — поиск уязвимостей — детектирование — управление средствами защиты — реагирование Каждый работает через взаимодействие AI-агентов — от мониторинга до устранения угроз. 💬 Лебедь отметил, что мультиагенты в том числе могут закрыть кадровый дефицит — если не хватает специалистов, задачи берут на себя ИИ. А у людей остаются роли более высокого уровня: разработка подходов, прогнозирование, обучение моделей. Среди новых профессий: — тренер моделей — конструктор AI-агентов — специалист по знаниям ИИ @ai_machinelearning_big_data #AI #Cybersecurity #ML #MultiAgent #Sber #GigaConf2025

🌟 alphaXiv —выпустили расширение для хрома alphaXiv упрощает работу с научными статьями (arXiv, bioRxiv, PDF): ● чат с ИИ прямо в документе: выделение текста открывает диалог ● ссылки на другие статье через “@” для быстрого вызова статей ● позволяет генерировать блог одним кликом: иллюстрации к статьям, ключевые идеи, перевод ● закладки и автоматические BibTeX-цитаты для хранения и ссылок Ранее был поставлен ИИ-агент для работы со статьями https://chromewebstore.google.com/detail/alphaxiv-understand-resea/liihfcjialakefgidmaadhajjikbjjab @ai_machinelearning_big_data #ArXiv #ai #

Cloud․ru представил новые AI-инструменты Cloud․ru сегодня зарелизили две свежие разработки: AI-помощника для автоматизации работы пользователей в облаке — Клаудию. Помощник на основе GenAI доступен в режиме Public Preview. Клаудии можно будет передать часть DevOps-рутины, чтобы освободить время для стратегических и архитектурных задач. Клаудия поможет пользователям управлять облачными ресурсами и инфраструктурой, самостоятельно выполняя конкретные действия. AI-помощник упростит подбор облачных сервисов под задачи пользователя, развернет виртуальные машины, поможет работать с консолью в режиме Co-pilot, а также настроить опции мониторинга и алертинга. Основные сценарии применения AI-помощника: - создание базовой инфраструктуры в облаке; - подбор персонализированных рекомендаций по решениям, которые лучше всего соответствуют бизнес-задачам пользователей; - подсказки команд для работы в серийной консоли виртуальных машин в режиме Co-pilot и другое. Cloud․ru Evolution AI Factory. Облачная среда с готовыми AI- и ML-инструментами. С ее помощью бизнес и разработчики смогут ускорить процесс дообучения и развёртывания ML-моделей для различных задач, разрабатывать AI-агентов и запускать мультиагентные системы. Простой интерфейс позволяет реализовать идеи даже без навыков программирования, так что Cloud․ru Evolution AI Factory рассчитана не только на опытных разработчиков, но и на тех, у кого нет специальных знаний в ML. В составе ИИ-фабрики: - Evolution Foundation Models. Сервис с популярными AI-моделями доступными по API; - Evolution ML Inference. Инструмент для развертывания ML-моделей: GigaChat и других open source моделей из библиотеки Hugging Face; - Evolution Managed RAG. Готовый сервис для Retrieval Augmented Generation; - Evolution ML Finetuning. Сервис для быстрой адаптации LLM-моделей; - Evolution Notebooks. Среда визуализации данных и работы с кодом Jupyter Notebooks как сервисами ; Evolution AI Agents. Визуальный редактор агентов на базе LLM. В Cloud․ru отмечают, что платформа доступна не только опытным разработчикам, но и тем, кто не обладает специальными знаниями в области ML.

🖥 А вот уже официально Google выпустили Gemini CLI: ИИ-агента для работы в терминале • Лёгкий и мощный инструмент для разработки в командной строке • Open-source • Поддержка контекста в 1 миллион токенов • Бесплатный тариф: до 60 запросов в минуту и 1000 в день • Привязка к Google Search для актуальных ответов • Поддержка плагинов и скриптов • Интеграция с VS Code (Gemini Code Assist) 🔜 Анонс: https://blog.google/technology/developers/introducing-gemini-cli-open-source-ai-agent/ 🔜 Github: https://github.com/google-gemini/gemini-cli/ @ai_machinelearning_big_data #AI #ML #agent #Google

🌟 VideoPrism: энкодер, заточенный для понимании видеоконтента. VideoPrism - базовый визуальный энкодер от Google. Это универсальный инструмент, способный разобраться в самых разных нюансах видеоконтента: от простого распознавания объектов до генерации описаний или ответов на вопросы. По заявлению создателей, VideoPrism демонстрирует топовые результаты на 31 из 33 общедоступных бенчмарков. В тестах на zero-shot, VideoPrism обошел аналоги в задачах классификации (Kinetics-600) и ответов на вопросы (MSRVTT-QA), даже не используя дополнительных модальностей вроде аудио. В основе VideoPrism - ViT, но с существенными модификациями, учитывающими специфику видеоданных. В его создании инженеры Google DeepMind применили так называемый "факторизованный" подход, разделяя обработку пространственных и временных измерений и исключили слой глобального усреднения, чтобы сохранить максимум информации из каждого кадра и его временной позиции. Секрет эффективности VideoPrism кроется в его тщательно продуманном двухэтапном методе обучения на гигантском корпусе данных в 600+ миллионов пар "видео-текст" и чуть менее миллиарда "изображение-текст" из набора данных WebLI: На первом этапе модель осуществляет своего рода "синхронизацию" между видео- и текстовым энкодерами. Используя огромные массивы пар "видео-текст", они учатся сопоставлять визуальные данные с их семантическими описаниями посредством контрастивного обучения. Это позволяет видеоэнкодеру освоить основные визуальные концепции. На втором этапе обучение продолжается уже исключительно на видеоданных, применяя усовершенствованную технику маскированного моделирования. Здесь часть видеороликов подвергается маскированию, а VideoPrism должен восстановливать скрытые части. Token shuffling (предотвращает "копипасту" ошибок декодера) и global-local distillation (перенос знаний из первого этапа), помогают VideoPrism одновременно усваивать детали изображений и тонкости движений, избегая при этом "катастрофического забывания". ▶️В открытом доступе опубликованы 2 версии, Base и Large: 🟢VideoPrism-B, 114М параметров, на базе ViT-B; 🟠VideoPrism-L, 354M параметров, на базе ViT-L. 📌Лицензирование: Apache 2.0 License. 🟡Статья 🟡Набор моделей 🟡Arxiv 🟡Google Collab 🖥GitHub @ai_machinelearning_big_data #AI #ML #Encoder #VideoPrism #Google #DeepMind

✔️ Microsoft разработала компактную языковую модель Mu для Windows Settings. Microsoft представила мини-модель Mu с 330 млн. параметров для локальной работы на NPU в Windows Settings. На чипах Qualcomm модель показывает в 4,7 раза быстрее генерацию токенов, чем аналоги. Mu адаптировали под особенности NPU: настроили размеры слоев, применили квантование весов до 8-16 бит и уменьшили потребление памяти. Mu уже используется в агенте Settings, который преобразует запросы вроде «увеличь яркость» в системные команды. Модель обучали на 3,6 млн примеров, добавили синтетические данные и шум, чтобы повысить точность. Результат: ответы за 500 мс даже на сложных задачах. При этом Mu в 10 раз меньше Phi-3.5-mini, но сохраняет конкурентную производительность. blogs.windows.com ✔️ SYNTHETIC-2: децентрализированный проект генерации логических данных. Prime Intellect запустила SYNTHETIC-2, децентрализованную систему генерации для обучения ИИ. Проект позволяет любым GPU, от бытовых до промышленных, присоединиться к генерации данных. Управляет процессом TOPLOC v2, технология, которая проверяет корректность вычислений через хэширование активаций и распределяет награды за успешные результаты. Датасет включает более 20 задач: математика, генерация JSON и неформальные задания для разнообразия данных. Верификация работает через сравнение ответов разных моделей (Qwen3, DeepSeek и др.). Все данные доступны на HuggingFace. Присоединиться может любой желающий, арендовав ресурсы через Prime Intellect или подключив собственные GPU. Цель проекта - ускорить развитие открытой суперинтеллектуальной системы, где контроль распределен, а технологии общедоступны. primeintellect.ai ✔️ DIY-устройство для превращения снов в фильмы с помощью ИИ. «The Dream Recorder», открытый DIY-гаджет от компании Modem Works, превращающий воспоминания о снах в короткие фильмы с помощью ИИ. Устройство использует Raspberry Pi, микрофон и экран, а его стоимость сборки составляет около $310. После пробуждения пользователь рассказывает сон, который транскрибируется и отправляется в ChatGPT, а затем в Luma AI для генерации видео. Итоговый ролик сохраняется в цифровой дневник. Проект сочетает DIY-культуру и доступные технологии, демонстрируя, как ИИ может визуализировать субъективный опыт. Все схемы и исходники доступны на GitHub, включая 3D-модели для печати. Примерная стоимость записи одного сна составляет $0.15, что делает эксперименты с памятью и сознанием доступными. И это не прототип, а рабочее решение, которое можно собрать самостоятельно. dreamrecorder.ai ✔️ Мини-движок nano-vLLM. Исследователь Синькай Ю из DeepSeek разработал nano-vLLM, облегченный движок для работы с LLM. Он написан на Python вручную, объемом всего 1,2 тыс. строк кода, и воспроизводит основные функции оригинального vLLM. nano-vLLM поддерживает кэширование префиксов, тензорный параллелизм, компиляцию с torch.compile и CUDA Graphs. Это позволяет достичь скорости, близкой к vLLM, но без сложных алгоритмов планирования задач или динамического батчинга. Зато разработчики получают четкую архитектуру в одном месте: токенизатор, управление кэшем и механизм выборки токенов. Проект подойдет для исследований, обучения или небольших систем, где важна простота. github.com ✔️ OpenAI готовит ChatGPT к конкуренции с Google Workspace и Office 365. По данным источников, OpenAI разрабатывает продвинутые функции для ChatGPT, превращая его в платформу для командной работы. Пользователи смогут группировать чаты, загружать файлы, использовать голосовой ввод и сохранять контекст диалогов. Все это позиционируется как альтернатива офисным пакетам. Мобильное приложение получит поддержку загрузок и переключения моделей на лету. Этот проект, задуманный в 2024 году, активно развивается сейчас и OpenAI видит в ChatGPT «операционную систему для жизни», интегрируемую в рабочие процессы. Microsoft, поддерживающий стартап, теперь рискует стать конкурентом самому себе, а Google получает нового серьезного оппонента. theinformation.com @ai_machinelearning_big_data #news #ai #ml

🤖🚀 iRonCub3: Первый гуманоид, взлетевший на реактивной тяге Учёные из AMI Lab впервые в истории подняли гуманоидного робота в воздух с помощью реактивных двигателей. Робот iRonCub3 поднялся на ~50 см, оставаясь устойчивым в воздухе — всё это благодаря: 🔸 интеллектуальной системе управления 🔸 точной аэродинамической модели 🔸 адаптивной стабилизации в реальном времени Маленький шажок к будущему, где гуманоиды смогут летать и выполнять миссии в экстремальных условиях. @ai_machinelearning_big_data #роботы #технологии #реактивныйвзлет #гуманоид #инновации #инженерия

⚡ OmniGen2 Что умеет: • Генерация и редактирование изображений по текстовому описанию • Поддержка разрешения до 1024×1024 • Полностью open-source: модель, код и веса • Лицензия Apache 2.0 • Можно вызвать модель через MCP — просто запусти с .launch(mcp_server=True) 📌 Тестим здесь: https://huggingface.co/spaces/OmniGen2/OmniGen2 @data_analysis_ml

✔️Turbo ML Conf 2025 от Т-Технологий — материнской компании Т-Банка — пройдет в России во второй раз. В этом году конфа для AI и ML- разработчиков пройдет в кластере “Ломоносов” 19 июля. В программе предусмотрено 5 блоков: NLP, CV & Speech, RecSys, Research & RnD, а центральной темой станет разработка LLM-приложений и Copilot-решений. На Turbo ML Conf 2025 соберутся более 1000 техлидов AI/ML-команд, ML-инженеров, исследователей, Go и Python-разработчиков, и других ИТ-специалистов из ведущих компаний России. Гости услышат десятки докладов и кейсов от более, чем 30 экспертов из Т-Банка, Яндекса, Авито, Сбера, VK, МТС и других ИТ-корпораций и университетов. ✔️В каждом зале гости смогут познакомиться с одним из пяти ключевых направлений программы конференции. Первое из них — LLM Applications & Copilots. Оно посвящено разработке LLM-платформ, архитектуре решений, тулингу, агентным системам, RAG и LLM для разработки программного обеспечения. Второе направление NLP — обработка естественного языка, а также автоматизация поддержки, alignment, рассуждающие и мультимодальные LLM, mechanistic interpretability естественного языка. Третье — CV & Speech – синтез и распознавание речи, audio-to-audio-модели и LLM для распознавания и генерации аудио, генеративные сети, VLM, OCR и другие темы. Четвертым направлением станет RecSys, то есть рекомендательные системы, инсайты из продовых A/B-тестов, применение нейросетей для разных этапов систем, применение графовых нейронных сетей и другие темы. Финальное направление Research & RnD посвящено фундаментальным и прикладным исследованиям в России, мультимодальным LLM, alignment, и mechanistic interpretability. ✔️Спикерами станут более 30 экспертов в области ИИ — практики и руководители команд ИИ из крупнейших технологических компаний и научных организаций страны. Они расскажут, как строить масштабируемые решения и применять ML в реальных продуктах, поделятся результатами последних научных исследований и объяснят, как технологии влияют на бизнес-задачи. О подготовке LLM в эпоху сильного Open Source расскажет Анатолий Потапов из Т-Банка. Егор Швецов из AIRI даст совет по достижению компромиссов между безопасностью и эффективностью при сжатии моделей, а Сергей Овчаренко из Яндекса поделится результатами 3-летнего обучения диффузионных моделей. ✔️В программе конференции также запланированы интенсивы и интерактивы. Гости смогут проконсультироваться с HR в IT, создать ML-комиксы и диджитал-сканворд в творческой зоне, пообщаться с другими участниками и отдохнуть на афтепати с DJ-сетами, настольными играми, лото и стильным мерчем. Онлайн-трансляция в этот раз проводиться не будет, поэтому участие в конференции возможно только очно – бесплатно по предварительной регистрации. @ai_machinelearning_big_data #news #ai #ml #ai #llm

🤖 Gemini Robotics выпускает автономный AI для роботов Google представили Gemini Robotics On-Device — первую модель, объединяющую зрение, язык и действия, которая работает прямо на роботах, без постоянного подключения к интернету. 🔍 Что делает эту модель особенной: 🔹 Объединяет универсальность и точность Gemini, но работает локально 🔹 Моделька справляется со сложными задачами с двумя руками (манипуляции, сборка, перенос) 🔹 Обучается новым действиям всего по 50–100 демкам Модель уже поддерживает разные типы роботов — от гуманоидов до промышленных двухруких манипуляторов. И это несмотря на то, что изначально она была обучена только на датасете ALOHA под управлением человеческих инструкций. 🛠 В комплекте выходит SDK Gemini Robotics — для разработчиков, которые хотят дообучить модель под свои нужды, включая тесты в физическом симуляторе MuJoCo. 🌐 Полностью автономная работа — идеально для сценариев с ограниченной связью или требованиями к высокой скорости отклика. Gemini Robotics продолжает двигаться к будущему, где AI становится частью физического мира. 👉 Подробнее: https://goo.gle/gemini-robotics-on-device @ai_machinelearning_big_data #ai #robots #vlm #google #Gemini

🔥 VLMgineer — когда робот сам себе конструктор Основная идея VLMgineer - путь к роботам, которые сами изобретают нужные приборы под конкретные задачи, экономя время инженеров и расширяя границы автоматизации. Что это ● Фреймворк, объединяющий Vision-Language-модель и эволюционный поиск. ● Полностью автоматизирует два процесса:  1) проектирует физический инструмент;  2) пишет пошаговый план, как этим инструментом пользоваться. Как это работает 1️⃣ VLM получает описание задачи («забей гвоздь», «разбей лёд») и создаёт начальный эскиз инструмента + набор движений робота. 2️⃣ Симуляция проверяет, насколько успешно связка «инструмент + действие» решает задачу. 3️⃣ Эволюционный алгоритм вносит правки (меняет форму, размеры, материалы), VLM уточняет план. 4️⃣ Цикл повторяется, пока не найден оптимальный дизайн. Никаких шаблонов и ручной настройки — всю «физическую креативность» выполняет модель. Исследователи протестировали возможности VLMgineer по созданию инструментов и планов действий в сравнении с тремя типами участников: • специалист по LLM • эксперт по робототехнике • обычный человек без технического бэкграунда 📊 Результаты: VLMgineer показал на 64,7% более высокий средний успех выполнения задач, чем решения, предложенные людьми, скоро обещают дропнуть код проекта. 🔜 Подробнее: vlmgineer.github.io/release @ai_machinelearning_big_data #ai #robots #vlm

🌟 Reinforcement Learning Teachers: как модели на 7B параметров обучают гигантов. Reinforcement Learning Teachers (RLT) от Sakana AI - метод обучения LLM рассуждениям, где компактная модель-"учитель" не решает задачи сама, а учится объяснять уже готовые решения так, чтобы студент-модель лучше их усваивала. Вместо дорогого обучения "с нуля" через проб и ошибку (как в классическом RL), учитель фокусируется на ясности пошаговых пояснений, используя и вопрос, и правильный ответ как подсказку. Это радикально удешевляет процесс и выравнивает цель учителя быть полезным студенту. Архитектура строится вокруг петли обратной связи. Учителю (например, крошечной модели на 7B параметров) на вход подаются и задача и ее верное решение. Его работа - сгенерировать максимально понятное пошаговое объяснение, как прийти от условия к ответу. Эффективность учителя измеряется не тем, решил ли он задачу сам (он даже не обязан это уметь), а тем, насколько хорошо студент-модель понимает его объяснение. Ключевая метрика - "логарифмические вероятности": чем выше вероятность, что студент, прочитав объяснение учителя, правильно предскажет следующий шаг или итоговый ответ, тем лучше работа учителя. Это и есть сигнал подкрепления для обучения RLT. Вся магия метода состоит в этом смещении фокуса RL. Вместо чтоб награждать модель за самостоятельное нахождение ответа (что требует огромных вычислительных ресурсов и приводит к "узкой" специализации), RLT поощряют за педагогическую эффективность. Благодаря наличию готового ответа во время обучения, в роли учителя могут выступать даже небольшие, дешевые модели, которые не смогли бы решить сложные задачи в одиночку. Объяснения от RLT затем используются как высококачественные данные для обучения (дистилляции или "холодного старта") студент-моделей любого размера. Главный нюанс: метод требует наличия готовых правильных решений для задач в обучающем наборе. Он не заменяет полностью сбор данных, а перепрофилирует их для обучения "преподаванию". Пока метод тестировался в основном на задачах математики и естественных наук. Но его сила в эффективности: 7B RLT-учитель превосходит в обучении студентов-гигантов ( 671B DeepSeek R1). Он обучает даже студентов крупнее себя (32B) быстрее (менее суток против месяцев) и лучше, а его объяснения четче, без лишнего "шума" вроде юмора или подсказок калькулятора, свойственных традиционным RL-моделям. ▶️ Проект RLT открытый, в репозитории на Github опубликован код для воспроизведения экспериментов из техотчета, а на HF - тестовые модели учителей на 7 и 32 млрд. параметров, обученные на базе Qwen2.5 с помощью сета Bespoke-Stratos-17k. 📌Лицензирование: Apache 2.0 License. 🟡Статья 🟡Набор моделей 🟡Arxiv 🖥GitHub @ai_machinelearning_big_data #AI #ML #LLM #RL #RLT #SakanaAI

Поступи в магистратуру с грантом до 1,2 млн рублей Современная магистратура – это не пары для галочки, а возможность продвинуть карьеру и стать сильным специалистом. Центральный университет ведет набор на пять программ магистратуры по популярным ИТ-направлениям. Партнеры – ведущие компании на рынке РФ: ВТБ, Сбер, Т-Банк, Яндекс, Avito, Ozon, Х5 Tech и другие. 62% магистрантов ЦУ находят новую работу с ростом зарплаты в 1,6 раза уже на первом курсе. Средняя зарплата – 195 тысяч рублей. Обучение можно совмещать с работой, а поступить – уже с третьего курса. Стань частью новой волны специалистов и получи грант на обучение до 1,2 млн рублей. И подавай заявку на поступление уже сейчас. Реклама. АНО ВО "Центральный университет", ИНН 7743418023, erid:2Ranykywg6M

✔️ Mistral AI обновила модель Small до версии 3.2. Mistral AI выпустила минорное обновление Small, улучшив точность и стабильность. Инструкции теперь выполняются точнее, а повторяющиеся или бесконечные ответы встречаются вдвое реже, вызовы функций стали надежнее за счет более надежных шаблонов. Размер модели не изменился, 24B, Сравнение в бенчмарках с Small 3.1: в Wildbench v2 результаты выросли до 65.33% (на 10% выше, чем у версии 3.1), а в сложных сценариях Arena Hard v2 модель прибавила почти 24%. В задачах на логику (MMLU Pro) и программирование (HumanEval Plus) показатели улучшились на 2–4%. Правда, в некоторых визуальных тестах (MMMU) показатели снизились, но незначительно. Модель доступна на Hugging Face, сообщество уже сделало квантованные версии. huggingface.co ✔️ GitHub Copilot прекращает поддержку 4 моделей. С 7 июля по 6 августа 2025 года платформа постепенно отключит несколько версий моделей OpenAI: GPT-4.5, o1, o3-mini и GPT-4o, их заменят на более новые аналоги, GPT-4.1, о3 или o4-mini. Администраторам Copilot Enterprise нужно заранее активировать политики доступа к новым моделям в настройках, чтобы они появились в VS Code и интерфейсе GitHub. Удаление устаревших моделей после даты отключения произойдет автоматически. github.blog ✔️ Google Magenta RT: модель для создания музыки в реальном времени. Google выпустила Magenta RealTime (Magenta RT) - открытую ИИ-модель для живого создания музыки. Она генерирует по текстовым запросам и аудиосэмплам (можно комбинировать), используя Transformer с 800 миллионами параметров, обученный на 190 тысячах часов инструментальной музыки. Код и веса модели доступны на GitHub и Hugging Face. Попробовать Magenta RT в действии можно через бесплатный Colab-ноутбук с поддержкой TPU. Google обещает добавить возможность локального запуска и кастомизацию, а также опубликовать техотчет. magenta.withgoogle.com ✔️ Apple рассматривает приобретение Perplexity AI. Инсайдеры сообщают, что Apple ведет внутренние обсуждения о возможной покупке стартапа Perplexity. Глава M&A Адриан Перича и руководитель сервисов Эдди Кью уже обсудили идею с командой по вопросам ИИ. Пока переговоры находятся на ранней стадии, а официального предложения сделано не было. Согласно источникам, компания планирует внедрить ИИ-поиск в Safari, чтобы снизить зависимость от Google. Это решение может стать частью стратегии диверсификации ИИ-продуктов перед запуском новых функций в будущих версиях iOS или macOS. reuters.com ✔️ WormGPT эволюционирует: новые версии на базе Grok и Mixtral продаются по подписке в сети. Оригинальный WormGPT, созданный на основе GPT-J, стал первым массовым инструментом для киберпреступников, позволяя генерировать вредоносный код и фишинговые письма без цензуры. После его закрытия в 2023 году на форумах появились новые варианты: один работает на Grok от xAI, другой на Mixtral от Mistral AI. Вместо создания собственных моделей злоумышленники адаптируют существующие, используя jailbreak-промты, чтобы обойти защитные механизмы. Анализ, проведенный Cato CTRL показал, что keanu-WormGPT - это обертка Grok с измененным системным промтом, заставляющим нейросеть игнорировать ограничения. xzin0vich-WormGPT, в свою очередь, основан на Mixtral и обучен на данных с дарквеба. Оба проекта распространяются через Telegram-боты по подписке, коммерциализируя генерацию фишинга и вредоносного кода как услугу. catonetworks.com @ai_machinelearning_big_data #news #ai #ml

🚀 Alphabet (GOOGL) — теперь самая прибыльная компания в мире • Google сейчас удерживает титул лидера по чистой прибыли —111 млрд $ в год • Такая финансовая мощь даёт дополнительный импульс к развитиб AI-инфраструктуры компании • Ит-гигант уже консолидирует больше вычислительных ресурсов, чем кто-либо ещё • Финансовая стабильность позволяет вкладываться в новые центры обработки данных и R&D • За последний год Gemini вырос из нишевого решения в один из самых популярных и качественных LLM • Всё это ставит Google в исключительное положение для доминирования в будущем ИИ @ai_machinelearning_big_data #ai #googel #finance