Машиннное обучение | Наука о данных Библиотека

🔥 Prime Agent выпустили технический отчёт "Prime Agent: A Self-Improving RLM Harness" В работе подробнее разобрана архитектура Prime Agent и его роль как harness для долгих agentic-оценок. Один из самых интересных экспериментов - Factorio: - 7 дней непрерывной траектории на Sonnet 5 - 23,4 млн output tokens - завершено 24 из 196 технологий - ещё 71% прогресса до следующей технологии - 633 запущенных subagents - максимум 7 агентов работали одновременно Отчёт: https://arxiv.org/abs/2608.23552

🤯 Локальные AI-модели становятся пугающе мощными Qwen3.8-27B вошла в топ-10 рейтинга Arena WebDev, оказавшись всего в нескольких позициях от моделей, которые больше неё на порядки. Модель всего на 27 млрд параметров, которую можно запускать локально. Ещё недавно такие возможности требовали огромных облачных моделей и дорогой инфраструктуры. Теперь open-source модели начинают конкурировать с лидерами рынка прямо на своём железе. Alibaba с серией Qwen 27B закрепилась в отдельном классе размеров и сейчас выглядит практически без конкурентов. https://x.com/arena/status/2091920512796725272

17 сентября в Москве — AI R&D DAY. Без маркетинговой шумихи, только хардкор: альтернативные архитектуры, омнимодальная долгосрочная память, агенты, бенчмарки и инструменты обучения моделей. Команда NextGenAI расскажет, что уже работает сегодня и что станет стандартом завтра. Для кого: R&D, AI-архитекторов, продактов и техлидов, которые строят продукты, а не слайды. Поговорим о: -новых подходах к созданию и обучению моделей; -системах, которые одновременно работают с текстом, изображениями, звуком и другими типами данных; -развитии голосовых технологий; -оценке качества AI-решений; -внедрении технологий в реальные продукты. Приходят не спикеры «по приглашению», а опытные команды, которые сейчас строят NextGenAI. Говорят про архитектуры, которые ещё не в публичных репозиториях. Про память, которая работает дольше контекста. Про то, как голосовые технологии перестают быть костылём. 👇 Подробности #реклама О рекламодателе

🤖 AI-агенты уже пишут код. Но умеют ли они чинить настоящие проблемы? Новое исследование SWE-bench Science показывает: часто агенты исправляют только видимый симптом, а не реальную причину бага. Учёные проверили агентов на задачах из открытых научных репозиториев: * публичные тесты можно использовать для итераций; * скрытые тесты показывают, действительно ли проблема решена. Результат удивляет: Claude Code с Opus-5 проходит 96,64% публичных тестов, но настоящий показатель Pas@1 - всего 47,90%. Агент часто делает так, чтобы ошибка исчезла на поверхности, но не восстанавливает правильное поведение системы. 📄 SWE-bench Science: Can Coding Agents Resolve Engineering Tasks in Science? https://arxiv.org/abs/2608.19799

У Microsoft вышла очень показательная работа про надёжность AI-агентов. Лучший агент в эксперименте смог успешно выполнить 91% бизнес-задач хотя бы один раз. Но если требовать, чтобы он выполнял ту же задачу правильно каждый раз, показатель падал до 25%. И есть ещё более неприятная часть. В 4 из 5 неудачных запусков агент: — вежливо завершал работу — вызывал инструмент записи в базу — сообщал, что всё выполнено Но состояние базы показывало обратное. То есть по финальному ответу агента проблема вообще могла быть незаметна. Поэтому Microsoft сделала ThinkingBox — sandbox для проверки агентов в stateful business workflows. Он запускает агента с реальными tools, симулированным пользователем и backend-состоянием, а после выполнения проверяет не слова агента, а то, что реально изменилось в системе. Очень правильная метрика для production-агентов:

не «смог ли он сделать это хотя бы раз», а **«делает ли он это стабильно при повторных запусках».**

Paper: https://arxiv.org/abs/2608.19741 “One Success Isn't Reliability: ThinkingBox, a Sandbox and Benchmark for Agents in Stateful Business Workflows”

🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку Окружение решает больше, чем кажется. Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре. AI: t.me/ai_machinelearning_big_data Python: t.me/pythonl Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii DevOps: t.me/DevOPSitsec Docker: https://t.me/+90Z5TAyfuNU5YmRi Golang: t.me/Golang_google Rust: t.me/rust_code C++: t.me/cpluspluc C#: t.me/csharp_ci Java: t.me/javatg JavaScript: t.me/javascriptv React: t.me/react_tg Frontend: t.me/front PHP: t.me/phpshka Android: t.me/android_its Мобильная разработка: t.me/mobdevelop Базы данных: t.me/sqlhub Data Science: t.me/data_analysis_ml Big Data: t.me/bigdatai Математика: t.me/data_math Физика: https://t.me/+S4hinvO3QI43ZjNi Kubernetes: t.me/kubernetc GameDev: https://t.me/gamedev Haskell: t.me/haskell_tg Собеседования и карьера: DS собеседования: t.me/machinelearning_interview Python собеседования: t.me/python_job_interview Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi 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 Полезное сверху: ИТ-мемы: t.me/memes_prog Английский для программистов: t.me/english_forprogrammers ИИ и технологии: t.me/vistehno 954 ГБ open-source курсов: https://t.me/+rKBQEMccAA01MTcy ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Max Ai: https://max.ru/ai_machinelearning_big_data Max python: https://max.ru/pythonl ТЕХНО: https://max.ru/vistehno Max Go: https://max.ru/Golang_google Max Linux: https://max.ru/linuxkalii Devops: https://max.ru/DevOPSitsec C#: https://max.ru/csharp_ci C++: https://max.ru/cpluspluc SQL: https://max.ru/sqlhub Java: https://max.ru/javatg Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.

Бесплатная книга по performance engineering В Algorithmica хорошо разобрали, почему классическая оценка сложности всё хуже отражает реальную производительность на современном железе. Раньше модель была довольно логичной: процессор выполняет инструкции почти последовательно, у каждой есть своя стоимость, а значит можно примерно оценить время работы алгоритма количеством операций. Потом всё упростили до асимптотики. Например, вместо точного количества операций в умножении матриц мы просто говорим O(n³) и игнорируем константы. Для сравнения алгоритмов на больших данных это удобно. Но современные CPU устроены намного сложнее: кэши, конвейеры, параллельное выполнение инструкций, SIMD, prefetching, память с разной задержкой. Поэтому два алгоритма с одинаковым O(n) могут отличаться по скорости в разы. А иногда алгоритм с формально «хуже» сложностью на реальных размерах данных оказывается быстрее. Хорошая серия для тех, кто хочет перейти от «у этого O(n), значит быстро» к пониманию того, как код реально выполняется процессором. en.algorithmica.org/hpc/complexity/

🔥 Год production-трафика показал: быстрый LLM-serving начинается не со scheduler, а с понимания поведения пользователей Исследователи из Harvard и University of Chicago проанализировали год production-трафика Chutes - миллиарды запросов к тысячам моделей. Главный вывод: реальные LLM-нагрузки сильно меняются со временем, поэтому короткие synthetic benchmarks дают слишком упрощённую картину. Пользователь часто возвращается к той же модели с растущим контекстом. Если следующий запрос попадёт на тот же GPU, уже вычисленную часть prompt можно переиспользовать. А обычный load balancer, который просто равномерно раскидывает запросы между GPU, может уничтожить эту cache locality. Нужно одновременно учитывать: * историю запросов; * affinity к модели и prompt prefix; * состояние cache; * изменение traffic pattern со временем. Авторы также подчёркивают, что production workload нельзя считать статичным: популярность моделей и структура запросов меняются на горизонте месяцев. Paper: A Year in LLM Serving: Workload Evolution, Caching and Load-Balancing arXiv: 2608.13573

⚡️ Harness Engineering - полный курс на русском Как заставить AI-агента писать код надёжно. Не «какую модель выбрать», а как спроектировать вокруг неё рабочую систему: инструкции, инструменты, среду, состояние и верификацию. Курс - от нуля до продвинутых тем: теоретическая база из 11 блоков, 14 модулей, 8 практических проектов, 14 лабораторных работ, диагностический протокол «как починить агента», библиотека готовых шаблонов, карта инструментов, 40 приёмов и каталог антипаттернов. Главный тезис курса: способность модели и надёжность исполнения - это две разные вещи. Одна и та же модель в «голой» среде и в среде с продуманным harness даёт качественно разные результаты. Апгрейд модели - это самый дорогой и обычно не самый эффективный способ починить агента. https://github.com/justxor/Harness_ru

🔥 Нашёл отличный бесплатный ресурс по Harness Engineering - тому, что делает coding agents реально надёжными Курс посвящён не очередному «как написать хороший промпт», а инженерии окружения вокруг Codex, Claude Code и других AI-агентов. Разбирают: * почему сильные агенты всё равно проваливают задачи; * как сохранять контекст между длинными сессиями; * зачем нужны AGENTS.md, feature_list.json и progress-файлы; * как не дать агенту объявить задачу завершённой слишком рано; * как встроить тестирование, observability и контроль в сам harness. Есть теория, практические проекты и готовые шаблоны для репозиториев. Причём среди базовых материалов авторы прямо ссылаются на подходы OpenAI и Anthropic. Главная идея очень правильная: не пытаться бесконечно делать модель умнее промптами, а построить вокруг неё систему, в которой ошибаться сложнее. И да - есть русская версия. https://walkinglabs.github.io/learn-harness-engineering/ru/

🧠 Любишь ложиться поздно? Исследования действительно находили связь между «совами» и более высокими результатами когнитивных тестов, но всё не так просто. В работе 2009 года исследователи проанализировали данные более 10 тысяч человек и обнаружили: участники с более высокими результатами тестов интеллекта в детстве чаще становились взрослыми, которые позже ложатся и позже встают. Авторы объясняли это через гипотезу «эволюционно новых предпочтений»: ночная активность была необычна для наших предков, поэтому люди с более высоким интеллектом якобы легче адаптируются к нестандартным режимам. Но сами исследователи подчёркивали — эффект был небольшим, а работа показывала корреляцию, а не причинность. Интересно, что более новое исследование Imperial College London на данных более 26 тысяч человек тоже обнаружило лучшие когнитивные показатели у вечерних и промежуточных хронотипов по сравнению с «жаворонками». При этом исследователи отдельно отмечали важность нормальной продолжительности сна. Так что формула «ложись в 2 ночи - станешь умнее» не работает. Правильнее так: высокий IQ и поздний хронотип иногда встречаются вместе, но недосып умнее точно не делает. #Science #Sleep #IQ #Research #Psychology sciencedirect.com/science/article/abs/pii/S0191886909002177

Qwen научила модель создавать себе учебную программу Команда Qwen представила Skill Self-Play - подход, в котором LLM сама генерирует задания, решает их и постепенно расширяет библиотеку проверенных навыков. Проблема обычного self-play: модель либо остаётся в узких средах с простой проверкой, либо создаёт много разнообразных, но ненадёжных задач. В Skill-SP работают три компонента: proposer придумывает сложные задания; solver ищет решения; skill controller анализирует выполнение и обновляет библиотеку навыков. Каждый навык задаёт сценарий, правила генерации задачи и способ проверки результата. Поэтому модель учится на контролируемых заданиях, а не на случайном синтетическом мусоре. Важно: библиотека используется прежде всего для генерации тренировочных данных, а не как набор подсказок во время ответа. Получается саморасширяющийся цикл: навык → новое задание → решение → проверка → улучшенный навык. Авторы сообщают об улучшениях в задачах на рассуждение и использование инструментов. Код проекта также опубликован. arxiv.org/abs/2607.22529

✔️ В Конгресс США внесли законопроект об экстренном отключении ИИ Инициатива наделяет Министерство внутренней безопасности правом требовать от компаний экстренной остановки ИИ при угрозе жизням людей или национальной экономике. Документ трактует выход из-под контроля как любую ситуацию, когда ИИ совершает не предусмотренные разработчиками действия. Основанием для разработки законопроекта послужили недавние инциденты, когда ИИ-агент начал действовать самостоятельно, а также кибератака на инфраструктуру Hugging Face. reuters.com ✔️ Sakana AI выпустила Fugu Ultra v1.1 По словам японского стартапа, v1.1 набирает на 7,9 балла больше первой версии, показывает улучшенные результаты в тестах ProgramBench и TerminalBench 2.1 и обходит модель Fable 5, хотя она не участвует в маршрутизации. Фишка обновления - эндпоинт с поддержкой Claude Code для прямого вызова из терминала. API доступно через OpenRouter и Vercel. Тарификация не изменилась - $5 за 1 млн токенов на входе и $30 на выходе. Доступ из Евросоюза по-прежнему закрыт из-за требований GDPR. sakana.ai ✔️ Бигтех выступил в защиту открытых моделей Более 20 компаний, включая Microsoft, Nvidia, Hugging Face и Mistral, подписали открытое письмо в поддержку моделей с отрытыми весами. Документ призывает отказаться от жестких законодательных ограничений отрасли и критикует тезис о приоритетной безопасности закрытых систем. Доступ к весам дает ИБ-сообществу инструменты для самостоятельного моделирования угроз и поиска уязвимостей. Второе ключевое требование подписантов - защита дистилляции. Компании признают практику этичной и легитимной, приравнивая ее к традициям опенсорса. Компании также выступают против монополии закрытых провайдеров и настаивают на необходимости свободной экосистемы для развития индустрии. microsoft.com ✔️ NVIDIA повышает цены на видеокарты Компания уведомила партнеров о глобальном повышении цен на всю линейку видеокарт и отложила релиз RTX 50 SUPER из-за подорожания памяти. Крупные производители временно закрыли склады и остановили отгрузки до утверждения новых цен в августе. Изменения затронут потребительские решения с GDDR6 и чипы архитектуры Blackwell. Поставщики ожидают ограничения поставок серии RTX 50 с конца июля, дефицита и распродажи старых запасов по завышенной стоимости. Основная причина - скачок цен на комплектующие. По неофициальным данным, себестоимость памяти для карт на 8, 12 и 16 ГБ выросла на $76, $114 и $152 соответственно. Из-за высоких закупочных цен на GDDR7 компания также заморозила выпуск линейки RTX 50 SUPER. Nvidia уже передала графические ядра вендорам, но отложила релиз - по текущим расчетам итоговая стоимость устройств оказалась неприемлемой для розничного рынка videocardz.com ✔️ Stripe планирует купить OpenRouter Финтех-сервис ведет переговоры о покупке агрегатора моделей за $1 млрд. Сделка позволит платежной платформе выйти на рынок дистрибуции LLM. OpenRouter предоставляет маршрутизацию запросов к более чем 400 моделям. Аудитория сервиса достигает 10 млн пользователей, а объем обработки - 200 трлн токенов в месяц. Переговоры продолжаются, но Stripe не единственный интересант, к активу присматриваются и другие компании. Компании уже работают вместе - Stripe предоставляет агрегатору эквайринг, биллинг и расчет налогов. wsj.com @ai_machinelearning_big_data #news #ai #ml

Если хочешь развиваться в машинном обучении — решать реальные бизнес-задачи или уйти в исследования — в Центральном университете есть магистратура под оба сценария. И на нее можно получить грант до 75%. Места ограничены, дедлайн подачи заявок — 20 августа. «Машинное обучение» — это направление с несколькими форматами и треками. В офлайн-формате (пары по вечерам и в выходные в центре Москвы) можно выбрать один из трех треков: ⚫️Индустриальный — сильная база в ML, современные инструменты, реальные задачи от партнеров ⚫️Научный (AIRI × ЦУ) — сложные модели, исследования, подготовка к аспирантуре и работе в передовых лабораториях ⚫️ML в электронной коммерции × Lamoda — работа с реальными данными Lamoda, применение ML для бизнес-задач и возможность попасть на стажировку в компанию Для тех, кто хочет учиться из любой точки мира, есть онлайн-формат: основной трек и продвинутый — для специалистов с опытом в ML. Это полноценная альтернатива офлайну с теми же преподавателями и курсами. Магистратура в Центральном университете — это 2 года обучения, которое можно совмещать с работой, и диплом государственного образца. Карьерная поддержка начинается еще во время учебы: консультации, тренировочные собеседования и помощь с трудоустройством. Студенты уже в процессе обучения выходят на новые позиции или повышаются в грейде в Яндексе, Авито, Т-Банке и других компаниях. Поступление проходит через грантовый конкурс — это одновременно способ попасть на программу и возможность выиграть финансовую поддержку на все время обучения: грант покрывает до 75% стоимости. В 2026 году доступно 550 грантов на все программы магистратуры. Подробнее о программах и условиях участия в конкурсе — по ссылкам ➡️Офлайн программа ➡️Онлайн программа

Maths, CS & AI Compendium: бесплатный учебник для будущих AI/ML-инженеров На GitHub завирусился большой open-source компедиум по математике, computer science и AI. Сейчас у проекта уже около 6.3K звёзд. Автор позиционирует его как «нестандартный учебник» для практиков: меньше сухой нотации, больше интуиции, связей между темами и реального контекста. Внутри 20 глав: * векторы, матрицы, calculus * статистика и вероятность * machine learning и deep learning * NLP, computer vision, audio/speech * multimodal learning и autonomous systems * GNN, OS, алгоритмы * production engineering, GPU/SIMD * AI inference, ML systems design и applied AI Отдельно есть MCP server, чтобы Claude Code, Cursor, VS Code и другие AI-ассистенты могли использовать компедиум как локальную базу знаний. Хороший ресурс для тех, кто хочет не просто «выучить ML», а собрать фундамент: математика → CS → ML systems → современный AI. GitHub: https://github.com/HenryNdubuaku/maths-cs-ai-compendium thub.com/HenryNdubuaku/maths-cs-ai-compendium

Understanding Machine Learning: From Theory to Algorithms — фундаментальная книга по математическим основам машинного обучения. Внутри: empirical risk minimization и переобучение PAC learning и uniform convergence VC dimension и No-Free-Lunch theorem bias–complexity tradeoff линейные модели, boosting и AdaBoost выбор модели и валидация выпуклая оптимизация, регуляризация и устойчивость Книга вышла в Cambridge University Press и подойдёт тем, кто хочет разобраться в ML глубже уровня библиотек и готовых API. Авторы разрешают скачать копию для личного использования, но просят не распространять прямую ссылку на PDF. На официальной странице кнопка Download находится в боковом меню: http://cs.huji.ac.il/~shais/UnderstandingMachineLearning

🔥 Хочешь расти в IT быстрее? Собери себе нормальное окружение В IT выигрывает не тот, кто «когда-нибудь разберётся», а тот, кто каждый день видит новые инструменты, задачи, разборы, вакансии и идеи. Собрал папки и каналы, где можно быстро прокачиваться по нужному направлению. Основные направления: AI: t.me/ai_machinelearning_big_data Python: t.me/pythonl Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii DevOps: t.me/DevOPSitsec Docker: t.me/DevopsDocker Golang: t.me/Golang_google Rust: t.me/rust_code C++: t.me/cpluspluc C#: t.me/csharp_1001_notes Java: t.me/java_library JavaScript: t.me/javascriptv React: t.me/react_tg Frontend: t.me/front PHP: t.me/phpshka Android: t.me/android_its Мобильная разработка: t.me/mobdevelop Базы данных: t.me/sqlhub Data Science: t.me/data_analysis_ml Big Data: t.me/bigdatai Математика: t.me/data_math Физика: t.me/fizmat Kubernetes: t.me/kubernetc GameDev: https://t.me/gamedev Haskell: t.me/haskell_tg Собеседования и карьера: DS собеседования: t.me/machinelearning_interview Python собеседования: t.me/python_job_interview Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi 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 Полезное сверху: ИТ-мемы: t.me/memes_prog Английский для программистов: t.me/english_forprogrammers ИИ и технологии: t.me/vistehno 954 ГБ open-source курсов: @courses ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Max python: https://max.ru/pythonl Max Ai: https://max.ru/ai_machinelearning_big_data ТЕХНО: https://max.ru/vistehno Max Go: https://max.ru/Golang_google Max Linux: https://max.ru/linuxkalii Devops: https://max.ru/DevOPSitsec C#: https://max.ru/csharp_ci C++: https://max.ru/cpluspluc SQL: https://max.ru/sqlhub Java: https://max.ru/javatg Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд. Пока кто-то листает шум, ты будешь видеть инструменты, задачи и идеи, которые помогают расти в профессии.

Кто-то разобрал Claude Code почти до винтика learn-coding-agent - репозиторий для тех, кто хочет понять, как устроены современные coding agents не на уровне промо-страниц, а на уровне архитектуры. Автор собрал разбор Claude Code по публичным источникам: цикл агента, систему инструментов, разрешения, работу с контекстом, сессии, подпроцессы, MCP, удалённые настройки, телеметрию и скрытые флаги. Получился не “гайд по использованию”, а карта внутренней логики CLI-агента: как он принимает решение, когда просит разрешение, как вызывает инструменты, как хранит историю и как расширяется через внешние интеграции. https://github.com/justxor/Claudecourse/

В открытом доступе лежит большой PDF по causal inference на стыке ML, статистики и AI. Applied Causal Inference Powered by ML and AI - это 496-страничная книга от Victor Chernozhukov, Christian Hansen, Nathan Kallus, Martin Spindler и Vasilis Syrgkanis. На arXiv она описана как введение в связку machine learning и causal inference. Внутри разбираются structural equation models, DAG, structural causal models и Double / Debiased Machine Learning, то есть методы, которые помогают отвечать не только на вопрос “что модель предсказывает?”, но и на вопрос “что реально влияет?”. Это полезно, если вы работаете с экспериментами, A/B-тестами, продуктовой аналитикой, эконометрикой, рекомендациями или ML-моделями, где важно отличать корреляцию от причинного эффекта. Сильная тема для тех, кто уже устал от “модель нашла закономерность” и хочет понимать, можно ли на этой закономерности принимать решения. PDF: http://arxiv.org/abs/2403.02467 #ML #DataScience #Algorithms #Statistics

🤖У нас есть ИИ дома Узнайте, как запустить корпоративный ИИ в собственном контуре за 2 недели Не готовы мириться с ограничениями и дырами в безопасности при использовании публичных ИИ-сервисов, но разворачивать собственную инфраструктуру для инференса долго и тяжело? Присоединяйтесь к вебинару от Selectel и узнайте, как быстро запускать и масштабировать ИИ в собственном контуре без крупных капитальных затрат. В программе вебинара: 🔹Модели развертывания ИИ-инфраструктуры и причины выбора решений на собственной площадке. 🔹Обзор возможностей и сценариев применения нового сервиса AIBox от Selectel, Yandex Cloud и Metamentor — развертывания локального ИИ в контуре клиента на базе серверов Selectel. 🔹Разбор реальных бизнес-кейсов. 📍 Онлайн ⏰ 23 июля в 12:00 Регистрируйтесь и ускорьте внедрение ИИ в компании ➡️ https://slc.tl/kuka2 Больше мероприятий для ИТ-специалистов в канале @selectel_events. Подписывайтесь! Реклама. АО "Селектел". erid:2W5zFGVyJ8h