Machine learning Interview

🧠 Intern-S1 — мощная open-source модель для мультимодальных научных задач Команда InternLM представила Intern-S1 — продвинутую модель, способную обрабатывать и текст, и изображения, включая научные данные. Что под капотом: – Языковая модель 235B (MoE) + визуальный энкодер 6B – Предобучена на 5 триллионах токенов, больше половины — научные данные – Понимает молекулярные формулы, белковые последовательности, сейсмические сигналы — благодаря динамическому токенизатору – Сопоставима по качеству с закрытыми коммерческими моделями в научных бенчмарках 🤗 HuggingFace: https://huggingface.co/internlm/Intern-S1-FP8 💻 GitHub: https://github.com/InternLM/Intern-S1 🌐 Онлайн-демо: https://chat.intern-ai.org.cn @machinelearning_interview #ml #ai #Intern

💣 Higgsfield — фреймворк для распределённого обучения ML-моделей, который обещает избавить разработчиков от адской настройки окружений и конфигов. Проект сочетает в себе оркестрацию GPU-ресурсов с готовыми шаблонами для обучения больших языковых моделей, таких как LLaMA 70B. Репозиторий интегрируется с GitHub Actions для автоматического развертывания экспериментов на выделенных нодах. Вместо тонн YAML-конфигов Higgsfield предлагает простой Python-интерфейс, поддерживающий как стандартные PyTorch-практики, так и сложные сценарии вроде Zero-3 шардинга. 🤖 GitHub @machinelearning_interview

⚡️ Почему лучшие разработчики всегда на шаг впереди? Потому что они знают, где брать настоящие инсайд! Оставь “программирование в вакууме” в прошлом, выбирай свой стек — подпишись и погружайся в поток идей, лайфхаков и знаний, которые не найдёшь в открытом доступе. ИИ: t.me/ai_machinelearning_big_data Python: t.me/pythonl Linux: t.me/linuxacademiya Devops: t.me/DevOPSitsec Базы данных: t.me/sqlhub Мл собес t.me/machinelearning_interview C++ t.me/cpluspluc Docker: t.me/DevopsDocker Хакинг: t.me/linuxkalii МЛ: t.me/machinelearning_ru Data Science: t.me/data_analysis_ml Javascript: t.me/javascriptv C#: t.me/csharp_ci Java: t.me/java_library Python собеседования: t.me/python_job_interview Мобильная разработка: t.me/mobdevelop Golang: t.me/Golang_google React: t.me/react_tg Rust: t.me/rust_code ИИ: t.me/vistehno PHP: t.me/phpshka Android: t.me/android_its Frontend: t.me/front Big Data: t.me/bigdatai МАТЕМАТИКА: t.me/data_math Kubernets: t.me/kubernetc Разработка игр: https://t.me/gamedev Физика: t.me/fizmat SQL: t.me/databases_tg Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка FRONTEND: https://t.me/addlist/mzMMG3RPZhY2M2Iy 🎓954ГБ ОПЕНСОРС КУРСОВ: @courses 😆ИТ-Мемы: t.me/memes_prog 🇬🇧Английский: t.me/english_forprogrammers 🧠ИИ: t.me/vistehno 🖥 Chatgpt для кода в тг: @Chatgpturbobot - 📕Ит-книги: https://t.me/addlist/BkskQciUW_FhNjEy 💼ИТ-вакансии t.me/addlist/_zyy_jQ_QUsyM2Vi Подпишись, чтобы всегда знать, куда двигаться дальше!

🔮 SuperDuperDB — фреймворк для создания AI-приложений, напрямую интегрированных с базами данных. Позволяет развертывать модели машинного обучения и векторные поиски прямо в MongoDB, SQL, Snowflake или Redis, избегая сложных ETL-процессов. Вместо выгрузки данных в отдельные ML-пайплайны, вы добавляете AI-функциональность поверх существующей БД через простые Python-декораторы. Поддерживает популярные библиотеки вроде PyTorch и Hugging Face, что упрощает переход от прототипа к продакшену. 🤖 GitHub @data_analysis_ml

Яндекс представил крупнейшую языковую модель в облаке — Qwen3‑235B. Она поддерживает работу с длинным контекстом, владеет 119 языками и обеспечивает высокое качество генерации. Модель доступна в Yandex AI Studio: можно протестировать в интерфейсе или подключить через API. Стоимость начинается от 50 копеек за 1000 токенов.

🌠 CoreML-Models — коллекция готовых ML-моделей для iOS-разработчиков. Этот репозиторий содержит более 50 предобученных моделей машинного обучения, конвертированных в формат CoreML для легкой интеграции в iOS-приложения. Среди них — классификаторы изображений, детекторы объектов, модели для сегментации и даже Stable Diffusion для генерации изображений. Все модели доступны через Google Drive с указанием лицензий оригинальных проектов. Для удобства разработчиков есть примеры интеграции в Xcode и скрипты для конвертации дополнительных моделей. 🤖 Github @machinelearning_interview

📊 Metabase — это мощная и простая в использовании платформа для бизнес-аналитики! 🌟 Она позволяет визуализировать данные, создавать отчёты и дашборды, а также находить инсайты без необходимости писать сложные SQL-запросы. Metabase поддерживает подключение к различным базам данных, включая MySQL, PostgreSQL, MongoDB и другие, предоставляя интуитивный интерфейс для работы с данными. 🔐 Лицензия: AGPL-3.0 🖥 Github @machinelearning_interview

🧠 Sam Altman: целые профессии исчезнут из‑за ИИ — и это уже началось Выступая в Вашингтоне, CEO OpenAI заявил: 🗣️ “Некоторые профессии, как, например, поддержка клиентов — просто исчезнут. Совсем. Звонок в поддержку? Это будет ИИ — и это нормально.” 📞 По его словам, современные линии поддержки уже работают на больших языковых моделях: — мгновенные ответы — ноль переводов — минимум ошибок 🩺 Та же технология помогает в медицине: ИИ учится на миллионах пар “симптом → диагноз” и быстрее врачей находит причины болезней. ⚠️ Но есть и тёмная сторона: “Представьте: враждебная страна соединяет ИИ с кибератаками — и за секунды стирает балансы или останавливает биржи. Вот это меня пугает.” 🔜 Полный материал

🌟 Mixture-of-Recursions: концепция селективного ризонинга. Архитектура Mixture-of-Recursions (MoR), предложенная Google в соавторстве с KAIST AI объединяет в едином фреймворке традиционные подходы разделения параметров и адаптивные вычисления, заставляя модель думать над каждым токеном с разной глубиной. Под капотом MoR - рекурсивный трансформер, который прогоняет входные данные через один и тот же блок слоев несколько раз. Но главная фишка в том, что количество этих прогонов, или глубина рекурсии, не фиксированное, а динамическое и определяется для каждого токена индивидуально. Легковесный обучаемый роутер анализирует токен и решает, сколько вычислительных усилий на него потратить. Простые слова могут пройти всего один цикл рекурсии, в то время как семантически нагруженные термины отправятся на более глубокую обработку из нескольких циклов. Это дает два главных преимущества: 🟢Во-первых, модель тратит вычислительные ресурсы только на те токены, которые все еще активны на данной глубине рекурсии. Токены, которые вышли раньше, в дальнейших вычислениях не участвуют. Это уже само по себе сокращает объем вычислений. 🟢Во-вторых, что самое интересное для инженеров, MoR позволяет реализовать очень эффективное KV caching. Вместо того чтобы хранить в памяти огромный кеш для каждого виртуального слоя, модель кеширует KV-пары только для активных в данном цикле рекурсии токенов. Это кардинально снижает требования к памяти и ускоряет инференс, решая одну из главных головных болей при развертывании LLM. При одинаковом бюджете на обучение (в FLOPs) и меньшем размере самой модели MoR показывает более низкую перплексию и лучшие результаты в few-shot задачах, чем стандартные и рекурсивные аналоги. ▶️ Попробовать MoR можно на практике - код для трейна и оценки доступен в репозитории проекта на Github. 📌Лицензирование: Apache 2.0 License. 🟡Arxiv 🖥GitHub @ai_machinelearning_big_data #AI #ML #LLM #Architecture #MoR

🚨 BREAKING: Цукерберг переманил трёх топ-исследователей из Google DeepMind — именно тех, кто стоял за моделью, взявшей золото на Международной математической олимпиаде (IMO) 🧠 Это авторы модели, которая без дообучения решила задачи уровня золотой медали IMO и показала, что ИИ может соревноваться с лучшими математиками мира. 🔥 Цукерберг явно нацелен на лидерство в области ИИ. Цук не останавливается.

🧠 Хочешь подключить свой LLM к MCP-серверу без Cursor и Claude? mcp-use — open-source фреймворк, который позволяет: 🔌 Подключать любой LLM к любому MCP-серверу 🤖 Строить собственных MCP-агентов без закрытых решений 💻 Работать полностью локально: 100% контроль и приватность ✅ Совместим с Ollama, LangChain и другими LLM-инструментами ✅ Открытый код, легко настраивается под любые пайплайны Идеально для: — разработчиков, строящих кастомных агентов — локальных ассистентов без внешних API — продвинутых LLM‑интеграций 📦 Попробуй и собери своего MCP‑клиента без ограничений! GitHub → https://github.com/mcp-use/mcp-use

В рекомендациях есть две точки зрения: 1. Бигтех: закинем в нейросеть пару петабайт данных, добавим побольше трансформерных блоков, тысячи видеокарт — и вот вам рексис нового поколения. Но вы не сможете это проверить, потому что только у нас столько данных. 2. Академия: пораскинем мозгами, добавим inductive bias в линейный автоэнкодер и получим соту на всех открытых датасетах. Обучаем на макбуке 19 года. Мы любим оба подхода, но на ридинг-группе поговорим про второй. Роман Логойда, ML-инженер AI VK, представит статью Why is Normalization Necessary for Linear Recommenders? 🔹Начало встречи 24 июля в 18:00. Зум: ссылка ID: 313 292 5940 Код: 473906 Параллельно запустим стрим прямо в канале AI VK Hub.

В рекомендациях есть две точки зрения: 1. Бигтех: закинем в нейросеть пару петабайт данных, добавим побольше трансформерных блоков, тысячи видеокарт — и вот вам рексис нового поколения. Но вы не сможете это проверить, потому что только у нас столько данных. 2. Академия: пораскинем мозгами, добавим inductive bias в линейный автоэнкодер и получим соту на всех открытых датасетах. Обучаем на макбуке 19 года. Мы любим оба подхода, но на ридинг-группе поговорим про второй. Роман Логойда, ML-инженер AI VK, представит статью Why is Normalization Necessary for Linear Recommenders? 🔹Начало встречи 24 июля в 18:00. Зум: ссылка ID: 313 292 5940 Код: 473906 Параллельно запустим стрим прямо в канале AI VK Hub.

🔊 OpenVoice — опенсовр инструмент для клонирования голоса Вы можете сгенерировать копию любого голоса всего по одной короткой записи — и озвучивать тексты с нужной интонацией, эмоцией и даже на другом языке. 💡 Что умеет: — Воспроизводит голос с точным тембром и стилем — Меняет тон, темп, эмоции и акцент — Работает даже с языками, которых не было в обучении (zero-shot) — Быстрая генерация и минимальные ресурсы — дешевле многих коммерческих решений ⚙️ Как устроено: OpenVoice использует комбинацию моделей: одна отвечает за стиль, вторая — за тональность и характеристики речи. Обучена на сотнях тысяч голосов и стилей. Онлайн-демо: https://huggingface.co/spaces/myshell-ai/OpenVoice 🎯 Кому подойдёт: — Авторам подкастов, дикторам и блогерам — Разработчикам — для интеграции озвучки в приложения — Исследователям — для изучения архитектуры голосовых моделей • Github: https://github.com/myshell-ai/OpenVoice/tree/main

🤖 ChatGPT Agent vs. Genspark Super Agent — битва ИИ-ассистентов нового поколения Не так давно OpenAI выпутили ChatGPT Agent, способного выполнять сложные многошаговые задачи — от ресёрча до автоматизации. Но Genspark пошёл ещё дальше и предлагает интеллектуального супер-агента, ориентированного на пользователей и сложные команды. 🔹 ChatGPT Agent — Доступ к браузеру, API, терминалу — Глубокий поиск + Gmail/Calendar интеграция — Контроль, безопасность и прозрачность — Идеален для профессиональных пользователей и команд, которым важна защита данных и максимальный контроль 🔹 Genspark Super Agent — No-code-процессы + генерация слайдов, видео — 80+ встроенных инструментов: CRM, задачи, API, документы — Агент сам выбирает подходящий инструмент и переключается в процессе — Интеллектуальный feedback-loop и динамическая оркестрация действий — В бенчмарках Genspark часто обходит конкурентов по точности и эффективности 📌 Для индивидуальных пользователей и малых команд Genspark имеет явные приемущества: мощь, гибкость и доступность — без кода и без боли.

⚡️ 1.3 млн токенов/сек на H800 — новый рекорд для LLM-инференции Команда Yiakwy-XPU показала, как эффективно запускать большие языковые модели (например, DeepSeek V3) на 13×8 H800 DGX SuperPod с помощью SGlang в разнесённой архитектуре (disaggregated serving): 📊 Что удалось достичь: • 1.3M токенов/сек на входе (prefill) • 20K токенов/сек на выходе (decode) • До 80K токенов/сек суммарной производительности • При 50–150 параллельных запросах — стабильный throughput до 55K токенов/сек 📌 Важные выводы: • Префилл — главное узкое место (TTFT ↑ при длинных запросах и больших батчах) • Оптимальное соотношение вход/выход — 4:1, а prefill/decode — 3:1 • Меньшие tp и chunked-prefill уменьшают задержки между токенами (ITL) • В режиме смешанного сервинга (decode + prefill) — лучше использовать батчинг именно с chunk-prefill, иначе резко растёт latency 🔧 Бенчмарки: bench_one_batch_server.py, genai-bench, evalscope 🔥 Используемая модель: Yi-1.5 34B 📦 Полная статья и код

📝 Pen and paper exercises in machine learning — интересный сборник упражнений по машинному обучению. Проект содержит подборку задач с подробными решениями по линейной алгебре, оптимизации, байесовским сетям и другим фундаментальным темам. Автор делает акцент на математическую основу, а не на программирование. Все материалы доступны в PDF и исходных LaTeX-файлах под лицензией CC BY 4.0. Упражнения разрабатывались для курсов Эдинбургского и Хельсинкского университетов, что гарантирует их академическую ценность. Подходит как для самостоятельного изучения, так и для преподавания. 🤖 GitHub @machinelearning_interview

IT-осень начинается с E-CODE 2025 13-14 сентября IT-сообщество ждет масштабное событие — E-CODE от Ozon Tech. E-CODE объединяет доклады и вечеринки, нетворкинг и 1х1, научные лекции и караоке. И всё это в атмосфере Ozon Tech. Потому что главный принцип команды разработки — «делать как для себя». По ML будет отдельный трек с экспертами от лидеров отрасли. Берите багаж побольше, чтобы все знания поместились. Оформить билет на E-CODE