Анализ данных (Data analysis)

⚡️ Новые открытые модели стремительно сокращают разрыв с закрытыми флагманами в агентских задачах. На бенчмарке Terminal-Bench Hard (кодинг и терминальные агенты) модели DeepSeek V3.2 Exp, Kimi K2 0905 и GLM-4.6 показали серьёзный рост - DeepSeek уже обогнал Gemini 2.5 Pro. Это значит, что open-source-модели теперь становятся реальной альтернативой для агентных сценариев и разработки — выбор разработчиков шире, чем когда-либо. Внизу - анализ цены и производительности ведущих провайдеров 👇 🟠DeepSeek V3.2 Exp: https://artificialanalysis.ai/models/deepseek-v3-2-reasoning/providers 🟠GLM-4.6: https://artificialanalysis.ai/models/glm-4-6-reasoning/providersKimi 🟠K2 0905: https://artificialanalysis.ai/models/kimi-k2-0905/providers

🙂 Почему зрители привязываются к ИИ-стримерам и как это меняет взаимодействие Исследование, в котором анализирует феномен Neuro-sama – виртуального стримера, полностью управляемого крупной языковой моделью. Neuro-sama ведёт трансляции от лица анимированного аватара, общаясь с чатом в реальном времени без участия человека. Исследователи использовали опросы, интервью и анализ логов чата, чтобы понять, как зрители открывают для себя ИИ-стримера, почему остаются и как формируется эмоциональная связь. 🧩 Ключевые наблюдения: - Зрители приходят из любопытства: их привлекает новизна, скорость ответов и непредсказуемость поведения ИИ. - Они остаются из-за эмоциональных моментов, которые создают чувство общности и групповую идентичность вокруг персонажа. - Несмотря на осознание, что это программа, фанаты общаются с ИИ как с живым существом, формируя социальную привязанность. - Для зрителей аутентичность = стабильность, а не человечность. Последовательное поведение и узнаваемая личность важнее реалистичных эмоций. - В чате преобладают прямые вопросы и команды, превращая стрим в интерактивный тест ИИ. - 85% платных сообщений используются, чтобы направлять поведение Neuro-sama, делая зрителей соавторами контента. Основная дилемма: Создателям нужно сохранять устойчивый характер персонажа, но при этом давать пространство для импровизации и неожиданности. Слишком предсказуемый ИИ теряет интерес, но слишком изменчивый разрушает ощущение «личности». В итоге такие проекты показывают, как человеческое восприятие аутентичности постепенно адаптируется: нам всё меньше нужна «реальность», и всё больше – постоянство и вовлечённость, даже если источник этой личности — алгоритм. 📌 Подробнее: https://arxiv.org/abs/2509.10427 @data_analysis_ml

🚀 NeuTTS Air - on-device TTS с мгновенным клонированием голоса Это первая реалистичная модель синтеза речи, запускаемая на устройстве, без api. Формат - GGML, что позволяет работать на телефонах, ноутбуках и даже на Raspberry Pi. Клонирование голоса за 3 секунды: достаточно короткого аудиофрагмента, чтобы сконструировать голос для последующих синтезов. Базируется на лёгком языковом ядре (0,5 B) + нейрокодек NeuCodec, что обеспечивает баланс между качеством и скоростью. Генерируемые аудио отмечаются водяным знаком с помощью Perceptual Threshold Watermarker — для борьбы с злоупотреблениями. GitHub: https://github.com/neuphonic/neutts-air

🚀 Примеры и руководства по моделям DeepMind Gemini Репозиторий содержит небольшие примеры, фрагменты кода и руководства, демонстрирующие эксперименты с моделями Gemini от Google DeepMind. Здесь вы найдете полезные образцы для интеграции и использования различных функций Gemini, включая работу с OpenAI SDK и Google Search. 🚀 Основные моменты: - Примеры использования Gemini с OpenAI и Google Search - Руководства по функциям и агентам - Скрипты для работы с браузером и генерации контента - Интеграция с LangChain и PydanticAI 📌 GitHub: https://github.com/philschmid/gemini-samples #python

⚡️ Модель ModernVBERT с 250 млн параметров показывает результаты, сопоставимые или превосходящие модели, которые в 10 раз больше, в задачах поиска по документам. Модель лидирует среди моделей до 1 млрд параметров и кодирует запросы в 7 раз быстрее на обычных CPU. В отличие от декодеров, которые читают текст слева направо и не могут пересматривать ранние токены, ModernVBERT использует двунаправленный текстовый энкодер, обученный на маскировании слов, и небольшой визуальный модуль. Каждое изображение страницы разбивается на патчи, которые отображаются в то же пространство, что и текст, а затем объединяются с токенами слов. Механизм позднего взаимодействия (late interaction) сохраняет векторы всех токенов, позволяя каждому токену запроса находить наиболее точное соответствие. Эта комбинация двунаправленного внимания и позднего взаимодействия превосходит декодерные архитектуры при извлечении документов. Более высокое разрешение страниц и короткая «high-resolution cooldown» фаза повышают точность поиска, хотя могут ухудшить работу с обычными изображениями. Добавление пар «только текст» в контрастивное обучение помогает модели эффективно объединять текстовое и визуальное пространство. ColModernVBERT - остаётся компактной, демонстрирует высокие показатели на бенчмарках и работает эффективно даже на стандартных CPU. Интересное чтиво: https://arxiv.org/abs/2510.01149

💾 Генеральный директор Western Digital заявил, что жёсткие диски остаются центральным элементом хранения данных для ИИ: примерно 80% данных гиперскейлеров хранятся на HDD, 10% — на SSD и ещё 10% — на лентах. Такое распределение объясняется экономикой и энергопотреблением: диски примерно в 5–6 раз дешевле SSD при больших объёмах и потребляют меньше ватт на терабайт. В дата-центрах данные распределяют по уровням: «горячие» — на флэше, «тёплые и холодные» — на HDD, архивные — на ленте. Это оптимальный баланс стоимости и производительности. Однако спрос на хранение для ИИ настолько вырос, что производители не успевают удовлетворять рынок: время ожидания дисков сверхвысокой ёмкости (32 ТБ+) растягивается от нескольких месяцев до года. pcguide.com/news/hard-drives-far-from-obsolete-says-western-digital-ceo-and-ai-is-one-big-reason-why/

💡 Модель Ming-UniAudio — это универсальный фреймворк, сочетающий понимание речи, генерацию и редактирование. - Модель Ming-UniAudio — это универсальный фреймворк, сочетающий *понимание речи*, *генерацию* и *редактирование*. - В её основе лежит единый непрерывный токенизатор речи, интегрирующий семантические и акустические признаки. - Поддерживается инструкционное редактирование: можно менять звук, содержание или тональность без указания временных фрагментов. - В бенчмарках показывает конкурентные результаты и для распознавания, и для генерации речи. - Лицензия: Apache-2.0. 💻 GitHub: https://github.com/inclusionAI/Ming-UniAudio 🤗 Tokenizer: https://huggingface.co/inclusionAI/MingTok-Audio 🤗 Model: base: https://huggingface.co/inclusionAI/Ming-UniAudio-16B-A3B edit: https://huggingface.co/inclusionAI/Ming-UniAudio-16B-A3B-Edit 🤗 Benchmark: https://huggingface.co/datasets/inclusionAI/Ming-Freeform-Audio-Edit-Benchmark 🌍 blog: https://xqacmer.github.io/Ming-Unitok-Audio.github.io/ #AI #Speech #SpeechLLM #LLM #GenerativeAI #Audio #ASR #TTS #SpeechEditing

🚀 IBM Granite 4.0 теперь доступен в Unsloth 🧩 Модель в формате GGUF с гибридной архитектурой (Hybrid Mamba) — сочетание плотных слоёв и MoE для ускорения и снижения памяти. ⚡ Основные факты: - Доступные размеры: Micro (3B), Tiny (7B/1B активный), Small (32B/9B активный). - Контекст до 128K токенов. - Тренировка в Unsloth до 2× быстрее и требует на 50% меньше VRAM. - Поддержка Ollama, llama.cpp и Docker для лёгкого запуска. 🎯 Где полезно: чат-боты, edge-развёртывания, длинные документы, кастомизация через fine-tuning. Подробнее: https://docs.unsloth.ai/new/ibm-granite-4.0 Hf: https://huggingface.co/collections/unsloth/granite-40-68ddf64b4a8717dc22a9322d

Ищете мощный сервер без переплаты? Выгодное решение для обработки и анализа больших данных — выделенный сервер конфигурации AR45-NVMe от Selectel. Он подойдет для эффективной работы с многопоточностью и Python, R, Spark в рамках одной машины, а также машинного обучения на CPU. Преимущества сервера: - 16 высокочастотных ядер, - Безлимитный интернет-трафик и приватная сеть — 1 Гбит/с, - DDoS-защита, публичный IPv4, SLA — 99,8%, - Автоустановка ОС и загрузка своих ISO-образов, - Техподдержка 24/7 и замена комплектующих за 3 часа. Закажите сервер конфигурации AR45-NVMe на сайте в несколько кликов: https://slc.tl/2kf85?erid=2W5zFK8n6et

✔️ Прорыв в квантовых вычислениях Физики Гарварда создали первый в мире квантовый компьютер, который работает непрерывно без перезапуска. Ранее квантовые машины держались миллисекунды, максимум - около 13 секунд. Новая установка работает более 2 часов и может функционировать бесконечно. Ключевое новшество - решение проблемы потери атомов: система в реальном времени пополняет кубиты, впрыскивая 300 000 атомов в секунду с помощью оптических инструментов. Учёные считают, что практические, постоянно работающие квантовые компьютеры могут появиться уже в течение 2 лет - с огромным влиянием на медицину, финансы и научные исследования. thecrimson ✔️ Anthropic делает ставку на AI-приложения для бизнеса По данным The Information, Anthropic продвигает свою модель Claude как основу для создания enterprise-замен привычных приложений вроде Slack. Компания делает ставку на обучение с подкреплением, чтобы улучшить способности модели к программированию. Похожую стратегию развивает и xAI Илона Маска, но эксперты сомневаются, что крупные корпорации откажутся от укоренившихся систем вроде SAP или ServiceNow. Более вероятно, что первыми такие AI-first инструменты начнут использовать небольшие стартапы. Тем временем JPMorgan и другие банки активно заявляют об интеграции решений OpenAI, Anthropic и Google, хотя реальные масштабы затрат пока не соответствуют публичному энтузиазму. theinformation ✔️ Perplexity объявила, что её AI-браузер Comet, ранее доступный только по подписке $200/месяц, теперь стал бесплатным для всех (с ограничениями по запросам). Comet, запущенный в июле 2025 года, работает как встроенный ассистент: он умеет анализировать страницы, вытаскивать ключевые детали и сердить по ссылкам, проводя многошаговые исследования. Perplexity также представила Comet Plus за $5 — партнёрскую подписку, которая открывает доступ к контенту от CNN, The Washington Post, Fortune, Los Angeles Times и Condé Nast (The New Yorker, Wired и др.). Однако запуск совпал с продолжающимися исками от крупных издателей, включая Dow Jones (The Wall Street Journal) и New York Post, обвиняющих стартап в использовании их материалов для обучения ИИ. Скачать Comet ✔️ OpenAI раскалывает запуск Sora: ИИ-видео как TikTok, но сотрудники бьют тревогу TechCrunch пишет, что запуск нового соцприложения Sora 2 вызвал тревогу внутри самой OpenAI. Это TikTok-подобная лента, наполненная видео, созданными ИИ, включая дипфейки самого Сэма Альтмана. Часть исследователей OpenAI считает, что компания уходит от своей миссии ради хайпового контента. Один из сотрудников прямо заявил: «AI-ленты - пугающие. Я был шокирован, узнав, что мы выпускаем Sora 2…» Сторонники проекта объясняют, что такие продукты нужны, чтобы финансировать фундаментальные исследования и дать пользователям почувствовать силу технологий. В OpenAI утверждают, что хотят «показать людям что-то классное, чтобы они улыбнулись». Но вместе с ростом Sora OpenAI рискует повторить судьбу классических соцсетей: зависимость, манипуляции c информацией, проблемы с дипфейками и давлением на метрики вовлечённости. techcrunch ✔️ США продолжают контролировать большинство мировых мощностей для обучения ИИ, строя самые большие и энергоемкие кластеры Китай в 2025 году вложит до 98 млрд долларов, но экспортные ограничения на топовые чипы Nvidia и AMD тормозят прогресс. Huawei продвигает Ascend 910C, однако по памяти, пропускной способности и софту он уступает решениям Nvidia. США разрешили ограниченные продажи H20 и MI308 в Китай с 15% налогом, но топовые GPU недоступны китацы, и разрыв в производительности всё ещё в пользу американцев. X @ai_machinelearning_big_data #news #ai #ml

⚡ Это прорыв! Команда UCLA создала оптическую генеративную модель, которая работает на свете, а не на GPU. В демонстрации шум сначала кодируется в фазовые паттерны с помощью лёгкого энкодера, а затем свободное распространение света (оптический декодер) превращает их в изображения, цифры, одежду, бабочек, лица и даже картины в стиле Ван Гога. 🔥 Главное - во время генерации нет никакой вычислительной нагрузки. Результаты сопоставимы с цифровыми диффузионными моделями и открывают путь к сверхбыстрому и энергоэффективному ИИ на фотонике. 📄 Paper (Nature): https://nature.com/articles/s41586-025-09446-5#MOESM1

🧠 RamTorch: Эффективное использование памяти для глубокого обучения RamTorch — это библиотека для PyTorch, оптимизирующая использование памяти при обучении и выводе больших моделей, которые не помещаются в память GPU. Она использует гибридные реализации компонентов нейронных сетей, храня параметры в памяти CPU и передавая их на GPU по мере необходимости. 🚀 Основные моменты: - Эффективные линейные слои с хранением параметров на CPU - Асинхронные CUDA потоки для минимизации задержек - Поддержка оптимизатора ZeRO-1 для распределенного обучения - Совместимость с существующим кодом PyTorch 📌 GitHub: https://github.com/lodestone-rock/RamTorch #python

Бизнесу данные нужны как воздух📊 На их основе компании принимают важные стратегические решения. Поэтому спрос на аналитиков растёт в самых разных сферах: от банковской до медицинской. На курсе «Аналитика данных с МФТИ» готовят специалистов универсальной квалификации. За 10 месяцев вы научитесь использовать Python для анализа данных, применять методы ИИ в своих задачах и работать с базами данных. С универсальными знаниями вы сможете строить карьеру в одном из трёх направлений аналитики: ➡️Аналитика данных. ➡️Data Science. ➡️Инженерия данных. 🎓 После обучения получите дипломы о профессиональной переподготовке от МФТИ и Нетологии. Центр развития карьеры поможет с трудоустройством, резюме и портфолио. Записывайтесь на курс и становитесь универсальным специалистом в аналитике → https://netolo.gy/eovL Реклама. ООО "Нетология". ИНН 7726464125 Erid: 2VSb5wPuu7P

💰 The Information пишет: Мира Мурати привлекла рекордные $2 млрд для своего нового ИИ-стартапа при оценке $10–12 млрд. Это крупнейший посевной раунд в истории США. Мурати сохранила полный контроль над компанией: её голос в совете директоров весит больше всех остальных вместе взятых, а у основателей акции с 100-кратным правом голоса. Инвесторы: Andreessen Horowitz, Accel, Nvidia, AMD и Cisco. Ставка делается на доступ к вычислительным мощностям, выход в корпорации и масштабирование. В команду стартапа вошёл Джон Шульман (сооснователь OpenAI) и группа экс-исследователей. Фокус команды будет направлен на обучение моделей и совершенствование их архитектуры. Компания зарегистрирована как public benefit corporation, обещает открытые публикации и первый продукт уже в ближайшие месяцы (дропнутчто-то в open-source). 🎯 Главная идея стартапа: сделать ИИ предсказуемым и детерминированным. Команда Мурати уверена, что это решаемая проблема. Если убрать случайность, ИИ станет безопасным для медицины, финансов и других критичных областей. Источник: theinformation.com/articles/10-billion-enigma-mira-murati

🔥 Новая SOTA среди моделей на 1.5B параметров QuestA 🤖 показывает двузначный прирост Pass@1 и даже обгоняет ранние 32B-модели: - AIME24: 72.50% (+10.73%) - AIME25: 62.29% (+12.79%) - HMMT25: 41.67% (+10.11%) 🚀 Секрет в обучении: QuestA использует RL с scaffolded-problems — это снимает конфликт между лёгкими и сложными задачами и даёт более масштабируемое рассуждение. 🔓 Всё в открытом доступе: - Модель: https://huggingface.co/foreverlasting1202/QuestA-Nemotron-1.5B - Тренировочный пайплайн: https://github.com/foreverlasting1202/QuestA - Статья: https://arxiv.org/abs/2507.13266 - Блог: https://mercurial-kidney-02d.notion.site/QuestA-Expanding-Reasoning-Capacity-in-LLMs-via-Question-Augmentation-216b21d08abb81a1bcecfe79e7d1e88a?pvs=73 #LLM #Reasoning #AI #SOTA @data_analysis_ml

🧠 Интеллектуальный исследовательский агент для глубоких исследований SGR Research Agent использует Schema-Guided Reasoning для автоматического планирования и цитирования. Он поддерживает многоязычность и адаптируется к изменениям в данных, обеспечивая структурированные отчеты с источниками. 🚀 Основные моменты: - 🤔 Приоритет уточнений при неопределенности - 🔄 Автоматическая адаптация плана - 📎 Управление источниками и цитированием - 🌍 Поддержка русского и английского языков - 📊 Генерация детализированных отчетов в Markdown 📌 GitHub: https://github.com/vakovalskii/sgr-deep-research #python

📢 ML-трек и аналитика на восьмом международном чемпионате по программированию Yandex Cup Яндекс открыл регистрацию на международный чемпионат по программированию Yandex Cup с призовым фондом 12 млн рублей и финалом в Стамбуле. Участники смогут соревноваться за призы и выход в финал, а ещё — пройти собеседование в Яндекс по упрощённой схеме. Главное для участников ML-трека и трека «Аналитика»: — Квалификация в ML-треке: с 15 октября по 5 ноября — Трек «Аналитика» начнется с пробного тура 20-29 октября, за которым последует квалификация 2 ноября — Финал пройдет 5-7 декабря и соберет 180 лучших разработчиков со всех направлений Регистрация открыта до 29 октября на сайте чемпионата.

🔥 Refly — это открытая AI-платформа для создания контента с интуитивным интерфейсом на основе свободного полотна! 🌟 Она поддерживает многопоточные диалоги, интеграцию с базами знаний, контекстную память, интеллектуальный поиск и WYSIWYG-редактор. Refly помогает легко превращать идеи в готовый контент, поддерживает облачное и локальное развертывание через Docker. 🔐 Лицензия: Apache-2.0 🖥 Github @data_analysis_ml

Как выбрать IT-инфраструктуру для ML и как внедрить MLOps? Реальные бизнес-кейсы Присоединяйтесь к Selectel Tech Day 8 октября, чтобы узнать о лучших практиках масштабирования ML-проектов и актуальных трендах инфраструктурного ML. На отдельном ML-треке обсудят: 🔺Как превратить экспериментальные модели в стабильные продакшн-системы. 🔺Как оценить эффективность внедрения ML-решений. 🔺Какая инфраструктура закроет все потребности ML-проектов. Вас ждет насыщенная программа: содержательные доклады, экспертная дискуссия и воркшоп. Участие бесплатное, нужно только зарегистрироваться → Реклама. АО "Селектел". erid:2W5zFGWQBHr

🚀 Мощные мультимодальные модели LLaVA-OneVision-1.5 LLaVA-OneVision-1.5 — это открытая платформа для обучения мультимодальных моделей, демонстрирующая выдающиеся результаты при низких затратах. Модели обучаются на высококачественных данных и обеспечивают превосходную эффективность. 🚀 Основные моменты: - Полностью открытый исходный код и данные для обучения - Высокое качество и разнообразие обучающих данных - Эффективная структура для экономного обучения - Поддержка современных технологий, таких как MoE и FP8 - Оптимизированный код для масштабируемости 📌 GitHub: https://github.com/EvolvingLMMs-Lab/LLaVA-OneVision-1.5 #python