Data Secrets

Сны при температуре 38:

Breaking: Илон Маск положительно высказался о GPT-5 P.S. На самом деле умение модели говорить «не знаю» действительно впечатляет.

Сейчас будет интересная история про ИИ и физику В Caltech есть специальная команда физиков, которая занимается поиском самых точных способов измерить гравитационные волны – крошечные колебания пространства-времени, возникающие при столкновениях черных дыр и других космических катастрофах. Для этих целей был даже построен гигантский детектор LIGO, способный замечать изменения длины тоннелей в миллиард раз меньше атома. Тем не менее, даже точность LIGO ограничена, и его чувствительность пытались повысить кучу лет подряд. Так вот в апреле этого года они решили попробовать новый метод и применить ИИ для поиска новых конфигураций прибора. Использовались, если что, специализированные системы, специально заточенные под многомерную оптимизацию и перебор вариантов. И тут начались странности. Алгоритмы начали буквально фантазировать и вместо знакомых ученым симметричных схем выдавать что-то с первого взгляда совершенно хаотичное. В общем, в глазах исследователей это выглядело как галлюцинации. Но проходит несколько месяцев тестов, и тут одна из таких инопланетных схем, выдуманная ИИ, вдруг повышает чувствительность детектора на 10–15%. Для фундаментальной науки это скачок на годы вперёд. Это не все. Наблюдая за положительным опытом коллег, другая команда из института Макса Планка запустила аналогичный ИИ под названием Urania, цель которого состоит уже в придумывании новых оптических конструкций. И он не просто нашел лучшие решения, а внезапно переоткрыл старый советский закон, о котором научное сообщество почти забыло. Дело в том, что он был открыт еще в 70-х, но но в те годы технология не позволяла реализовать эту идею на практике. И тут почти такой же дизайн в 2025 году реализовала уже ИИ-система 🚨 Ну разве не в удивительное время живем? www.wired.com/story/ai-comes-up-with-bizarre-physics-experiments-but-they-work/

Данные — новая нефть, и именно дата-инженеры умеют эту нефть «добывать», очищать и хранить. Спрос на них стремительно растёт, конкуренция пока минимальна, а зарплаты — выше среднего. Освоить ключевые компетенции дата-инженера поможет онлайн-магистратура Нетологии и НИУ ВШЭ «Инженерия данных». За 2 года вы на практике изучите Python, Java, Scala, Kotlin и SQL, научитесь проектировать пайплайны и обрабатывать данные, работать с системами хранения данных и базами данных в облаке. Программа даёт широкий простор для переквалификации, поэтому после учёбы сможете перейти в MLOps, DevOps или менеджмент. Онлайн-формат позволяет учиться без отрыва от привычной жизни и совмещать занятия с работой. При этом у вас будет отсрочка от армии, льготы на проезд и все остальные бонусы очного обучения. Станьте магистром программной инженерии с дипломом одного из лучших вузов страны и получите веское преимущество при приёме на работу: https://netolo.gy/ekaw 🎁 В этом году при поступлении на программу вы получаете курс по ещё одной IT-профессии в подарок — отличная возможность расширить свой профиль и усилить CV. Реклама. ООО "Нетология". ИНН 7726464125. Erid: 2VSb5webMbX

Ха, Meta* открыли в своей новой лаборатории «обычную» вакансию не за миллионы долларов Позиция – Product Operations Manager. Ставка – всего лишь 122 000-177 000 $ в год. То есть, по самым грубым рассчетам, «бедняга» будет получать в десятки раз меньше всех своих коллег 🥹 Непонятно, как вообще выживать на такую сумму… www.metacareers.com/jobs/717327034414949

Qwen только что релизнули собственную Image Edit модель В основе Qwen Image 20B – она была выпущена 4 августа. А Edit версия – это моделька специально для редактирования изображений: всяких там изменений стиля, корректировок деталей, добавления или удаления объектов, изменение поз и прочего. Сам Qwen Image – это мультимодальный диффузионный трансформер (MMDiT). А Edit – затюненная версия, в которую добавили к тому же двойное кодирование входного изображения: VAE Encoder для контроля визуала и Qwen2.5-VL для семантического понимания, то есть управления смыслом изменений. Ну и результаты довольно приятные. По крайней мере, по первым примерам. К тому же в чате можно попробовать бесплатно. Ну и конечно, все как всегда в опенсорсе (веса, гитхаб) Короче, теперь у Qwen сформировалась настоящая полноценная экосистема моделей на любой вкус и задачу, с чем мы нас всех и поздравляем

Пример того, как это будет работать

Claude Opus 4 и 4.1 впервые в мире получили функцию «завершения диалога» Теперь, если вы слишком долго будете пытаться выбить из бота что-то запрещенное или не прекращая оскорблять кого-то, включая саму модель, она может решить просто не говорить с вами дальше и завершить диалог. Говорят, что большинство пользователей никогда с таким не столкнется, потому что функция активируется только как последнее средство, когда все попытки перенаправить диалог в конструктивное русло не дали результата. И тем не менее, это вообще первый в мире случай, когда у модели появляется что-то типа права выбирать, «хочет» ли она вести диалог. И Anthropic утверждают, что делают это НЕ потому что наделяют ИИ сознанием. В то же время, они вводят термин «model welfare», то есть «благополучие модели» и не отрицают возможности обсуждать, например, стресс моделей или их поведенческие реакции в контексте элаймента и безопасности. www.anthropic.com/research/end-subset-conversations

Технологическая платформа Авито вошла в топ-3 лучших работодателей для IT-специалистов в сфере ИИ и работы с данными. Аналитическая платформа DevCrowd подвела итоги исследования среди Data-специалистов и составила рейтинг компаний, наиболее привлекательных для профессионалов в области искусственного интеллекта и данных. Авито занял второе место, опередив таких лидеров рынка, как Сбер, МТС и Т-Банк, за год поднявшись сразу на 3 места. В опросе DevCrowd приняли участие специалисты по работе с данными – data scientists, ML-инженеры, дата-инженеры и аналитики. Почти 47% респондентов назвали технологическую платформу Авито компанией мечты. Ключевыми факторами для выбора работы отметили интересные задачи, конкурентные зарплаты и возможности для карьерного роста. Авито активно развивает направление искусственного интеллекта: компания планирует вложить в эту сферу более 12 миллиардов рублей за 3 года. 🤍 Подпишитесь на полезные каналы Авито.

Наконец-то стали известны названия тех самых профессий, которые создает ИИ на рынке

Появился новый бенчмарк, который оценивает способность ИИ предсказывать будущее – Prophet Arena Идея очень крутая. Во-первых, это в целом довольно занятный способ оценивать способности моделей. Тут тебе и вероятностное мышление, и стратегическое, и критическое, и способность улавливать причинно-следственные связи и закономерности. Во-вторых, с точки зрения бенчмаркинга это прямо идеальный сетап. Такой тест не перенасыщается (потому что в мире что-то происходит постоянно), а еще тут совсем нет возможности лика данных: для предсказаний специально используются еще не произошедшие события. Работает это так: агенты сами собирают новостной контекст и анализируют данные в Интернете, а затем на основе всего найденного выдвигают свои прогнозы. Ну и как только событие случается в реальном мире, подсчитываются метрики. Две основные – это реальный средний доход от ставок на событие и обычная статистическая точность Брайера. Пока лидерборд такой: 3 место – Gemini 2.5 Pro 2 место – o3 1 место – GPT-5 (Ну и гран-при – Симпсоны) А по средней доходности, кстати, пока лидирует o3-mini. Интересно, что многие модели склонны демонстрировать какие-то определенные личностные байесы. Например, кто-то постоянно принимает более консервативные решения, а кто-то более рисковые. Лидерборд полностью и актуальные ставки моделек на разные события (в том числе на спорт, естественно) смотрите тут: www.prophetarena.co/

Вышло исследование, в котором назвали самые важные навыки айтишника в эру ИИ Смотрите: креативность, системное мышление, адаптивность, настойчивость, критичность, саморефлексия и способность к устойчивой коллаборации. Да, ни одного хард-скилла, друзья 😭 Сейчас вообще какой-то глобальный тренд на софты. Не мудрено: отовсюду твердят, что весь код скоро будет писать ИИ, и работодатели начинают искать скорее тех, кто может грамотно всем этим управлять, доносить идеи и понимать бизнес в целом. И обидно, и понятно. Надо адаптироваться. Почитайте, например, канал от Саши Мальцева (если кто не знает, это маркетинг дир в Yandex, Playrix, eBay). Он часто пишет что-то, о чем на технарских курсах вам вряд ли расскажут. – Про постановку целей, понятных бизнесу – Запуск крупных продуктов – Проактивность и майндсет для роста – Правильную подготовку к интервью и особенно Performance Review (повышение зарплаты же мы все хотим?) – … и многое другое В общем, это канал про то, как быть не просто исполнителем, а ценным партнером для бизнеса. Подпишитесь, в наше время мастхэв: Мальцев. Карьера. Маркетинг. AI.

Мы как-то пропустили, но оказывается Hugging Face недавно тихо выпустили так называемые AI sheets Это ни много ни мало мечта ML-инженера: инструмент позволяет интерактивно и очень быстро создавать и размечать датасеты почти под любую задачу. Для этого надо просто выбрать доступную открытую модель (а вообще проект опенсорс, так что можно и закрытую, и свою собственную прикрутить при желании), задать текстовый промпт и получить готовый датасет. Затем его можно еще и отредактировать. Ну и, конечно, можно загружать уже готовые датасеты, расширять их или менять. С мультимодальностью все тоже работает. Легко запускается локально, инструкция лежит у них на гите. github.com/huggingface/aisheets

Оказалось, что DeepSeek откладывают запуск R2 не просто так, а как раз из-за перехода на те самые чипы Huawei Ascend 910 Об этом пишет FT со ссылкой на анонимные источники. Говорят, после бума релиза R1 китайские власти плотно взялись за DeepSeek и буквально заставили их перейти на отечественные чипы. И вроде бы все ничего: на бумаге Ascend выглядят даже лучше H20 от Nvidia. Там и памяти побольше, и производительность заявлена неплохая. Но это все, видимо, в теории. А на практике дипсику даже выделили команду инженеров Huawei, чтобы те помогли адаптировать всю инфру под новое железо, НО ни одного трейнлупа на этих чипах завершить так и не удалось. Во-первых, из-за низкой надежности видеокарт, медленного соединения и хромого ПО. Во-вторых, из-за того что вся экосистема DeepSeek годами оптимизировалась именно под Nvidia. Например, у них там все на fp8, а 910 этот формат даже не поддерживает 🤷‍♂️ Короче сейчас, вроде как, Ascend оставили только для инференса, а обучать будут-таки на H20. Вот только жаль, что пока сыр до бор, время уже ушло…

Хаха, зацените: внутренний мерч Anthropic Кстати, дизайн придумал и реализовал агент Claudius (тот самый, который работал у них в офисе в вендинговом автомате) Теперь хочется такую же 😛

В ближайшем будущем рекомендации в X могут начать работать на Grok 4 Mini Об этом написал Илон Маск. Он говорит, что они прямо сейчас тестируют новый алгоритм, и что он работают явно лучше. Есть нюанс: чтобы раскатить такое на всех пользователей, потребуется около 20000 GPU, и даже при этом задержка обновления ленты значительно увеличится. Но Маск говорит, что игра «может стоить свеч».

Случайно наткнулись Это статья 2018 года. Получается, всего 7 лет назад. Если бы они тогда знали…

В Claude Code добавили два новых режима работы 1. Пояснительный, когда агент объясняет свои действия шаг за шагом. Поможет разобраться, что он делает и почему. Полезно, если не хотите, чтобы после вайб-кодинга ваш проект стал для вас тесным лесом. 2. Обучающий, когда модель пишет код с вами пошагово, а не генерирует готовый скрипт целиком сразу. Похоже на парное программирование с ментором. Переключить режим можно в настройках или с помощью команды /output-style. Обучающий стиль также завезли в основной чат, там он доступен всем пользователям бесплатно. Приятно 🍯 Документация

Уйти в IT и эффективно качать навыки — мечта? Вы, конечно, знаете, что многие оценивают доход айтишника как очень высокий и хотя бы раз задумывались о смене профессии. Такой ажиотаж немного напрягает, кажется, конкуренция будет только расти. Сразу хочется ещё больше прокачать скилы, что-то новое узнать и программы новые освоить… Ну для начала можно пройти обучающие курсы, которые укрепят базу и систематизируют знания. Например, практические интенсивы по сервисам Yandex Cloud для инженеров, аналитиков, архитекторов и DevOps‑инженеров. Суть интенсивов в том, что теоретический материал совмещён с практикой: предусмотрены лабораторные работы с обратной связью, доступ к инфраструктуре Yandex Cloud на время интенсива, а также воркшопы и Q&A‑сессии с наставниками. Старт ClickHouse для дата‑инженеров уже 25 августа, Kubernetes для разработчиков — 8 сентября, а DataLens Enterprise для администраторов — 6 октября. Длительность интенсива — 4–6 недель, до 8 часов в неделю. Кроме того, по итогам успешного прохождения интенсива участники получают сертификат — явное преимущество при трудоустройстве.

MetaAI выпустили DINOv3 – первую в мире vision foundation модель, которая обходит по качеству специализированные решения Это универсальная открытая модель, которая подходит почти для любых задач компьютерного зрения: детекция, сегментация, depth estimation, dense prediction. При этом на всех этих задачах она стабильно превосходит не только предыдущие foundation-модели, но и узкоспециализированные решения, заточенные на отдельные задачи (даже CLIP-based, SigLIP 2 и Perception Encoder). Это фактически исторический сдвиг. Но это не единственная особенность DINOv3. Модель (внимание!) обучена вообще без разметки, то есть в режиме self-supervised learning. Собственно, это заложено в названии: DINO – DIstillation with NO labels. Ядро – Vision Transformer. На вход огромный корпус изображений (более 2 миллиардов снимков) и ни одной аннотации, чистые пиксели. Обучение происходило по схеме студент/учитель:

1. На каждое изображение применяют набор аугментаций. Например, вырезают из него какие-то части (кропы). 2. Разные варианты изображения (разные кропы) поступают на вход студенту и учителю. Это две копии одной нейросети, но изначально с разными весами. 3. Студента учат воспроизводить предсказания учителя для кропов из одного и того же изображения, даже если сами кропы абсолютно разные. Лосс – кросс-энтропия между выходом студента и учителя, но градиент считают только по студенту.

Выглядит витиевато, но суть в том, что в процессе студент учится находить инвариантные признаки, устойчивые к преобразованиям. Например, модель понимает, что кошка на разных участках фотографии – всё та же кошка, а не новые объекты. Как использовать на практике: ➖ Вот тут лежит бэкбон. Это основная часть сетки, которую в большинстве случаев вам дообучать не придется. Он уже заморожен и готов к применению. ➖ К нему цепляем адаптер. Это обычно небольшой дополнительный линейный слой или линейная голова. Адаптер преобразует фичи из бэкбона под конкретную задачу: классификацию, сегментацию, детекцию, depth estimation и тд. ➖ Если задач сразу несколько, можно шарить фичи на лету. То есть стоимость и время инференса почти не увеличатся, а сетка будет выполнять для вас сразу несколько тасок. Спасибо, Цукер, сегодня порадовал Блогпост