Научный опенсорс

Ещё один предметный открытый проект, на этот раз из области биологии:

Завершим рабочий неделю подборкой опенсорс-релизов разного рода: 1) Как уже обсудили в чате, Яндекс выкатил Alice AI‑T5-35B‑A0.6B. Модель обучена с нуля, в онлайн-эксперименте винрейт 56% против Google AI Overview. На картинке - фронт Парето для моделей схожих весовых категорий. Веса - https://huggingface.co/yandex/AliceAI-T5-35B-A0.6B Техпрепорт - https://habr.com/ru/companies/yandex/articles/1080654 2) Нашумевшая оцифровка мухи-дроздофилы. Мемы про использование этого мозга видели наверное многие, а вот репо c туториалом по использованию данных вряд ли - https://github.com/sjcabs/fly_connectome_data_tutorial На картинке соответственно муха и её мозг со 140 тыс параметров нейронов. Вообще считаю это хорошим примером, как потенциал опенсорс и агентов сочетается. Статья без открытых данных так и осталась бы интересной только узким специалистам. Вручную делать все эти примеры использования тоже вряд ли бы кто-то стал. А так околонаучный вайбкодинг позволяет проверять даже самые забавные гипотезы очень быстро. 3) Отчет Antropic "Detecting and countering misuse of AI: September 2026", где рассказывается множество интересных историй о том, как люди со всего мира используют Claude разными необычными способами. Наиболее пугающие из них как раз околонаучные (про "engineering highly pathogenic mammal-adapted avian influenza")... Но даже для более здоровых применений важно помнить что провайдеры LLM вам не друзья, и для многих чувствительных задач локальные модели подходят лучше. Иначе можно увидеть свои запросы заопенсоршенными в очередном отчете. На приложенной картинке - мем с реддита, а не настоящий отчет, если что)

#зоопарк_одобряет #дорогая_редакция Автоматический генератор Supplementary Information для статей! Нам пишут: Привет! Я Данила, занимаюсь органической химией и сделал Auto Support Generator — программу, которая помогает избавиться от ручной сборки Supporting Information (SI). Она собирает готовый SI в Word из таблицы соединений, экспериментальных данных и исходных спектров: переносит структуры из ChemDraw, обрабатывает ЯМР через MestReNova и оформляет всё под выбранный журнал. Ещё помогает заметить возможные несоответствия в ЯМР и HRMS. Готовый документ можно быстро править, переоформлять под другой журнал и дополнять новыми соединениями, не собирая всё заново. Сам генератор полностью бесплатный, исходный код доступен на GitHub. Хочется поделиться им с другими химиками-органиками, которым он может облегчить работу, и получить обратную связь — что удобно, а чего пока не хватает. https://github.com/danilalebedev/Auto_support_generator/tree/Auto_support_generator_beta.1.1

Пишут про узкотематический научный опенсорс-инструмент для органической химии. С одной стороны, выглядит весьма полезно для авторов, статей, надеюсь пригодится кому-то из подписчиков. Но с другой - хоть сам код и открыт, но какой-то конкретной лицензии не заявлено. А на такой случай позиция гитхаба: "You're under no obligation to choose a license. However, without a license, the default copyright laws apply, meaning that you retain all rights to your source code and no one may reproduce, distribute, or create derivative works from your work"

Открытый семинар: «Образование после ChatGPT: опенсорс-курс на Физтехе и план развития на 2026–2028» В среду, 16 сентября, в 15:30 состоится совместный семинар Учебно-научного центра гуманитарных и социальных наук и Центра научного программирования МФТИ. Докладчик — Антон Костин, доцент УНЦ ГСН МФТИ, автор опенсорс-курса «Анализ данных в научной литературе». О чём поговорим: - почему нейросети обесценили домашние задания и как превратить курс в настоящий опенсорс-проект; - что показал первый запуск: слушатели пишут код, размечают датасеты и чинят формы вместе с преподавателем; - четыре курса 2026/27 на Физтехе, ИИ-сокурсник botai и стандарт качества курсов OCA, Open-Course Advisor, OSA для образования; - планы развития опенсорс-образования на Физтехе и за его пределами — и что нужно проекту от научного сообщества и индустриальных партнеров. Участие свободное, офлайн и онлайн. Дата: среда 16 сентября Время: 15:30 - 18:30 Место: МФТИ, поточная ауд. Арктики Трансляция: доступна по ссылке До встречи на семинаре!

Про открытый курс Антона Костина мы уже упоминали - а теперь коллеги из Центра научного программирования МФТИ проводят семинар с его участием. Упомянут и нашу разработку OSA (которую недавно расширили на учебные задачи в формате отдельного инструмента OSA Edu - скоро про это расскажем).

Небольшой кейс не-кодового образательного опенсорса от коллег: В конце июля в ИТМО проводили ДПО для преподавателей образовательных программ топ-уровня в сфере искусственного интеллекта (проект Минцифры России при участии АНО «Аналитический центр при Правительстве Российской Федерации"). Участвовали 331 преподаватель из 19 российских вузов - они учились применять компетентностно-ролевые модели при разработке рабочих программ дисциплин и комплексных фондов оценочных средств. По итогам обучения участники представили экспертам 54 проекта учебных дисциплин, посвященных MLOps, инженерии данных, компьютерному зрению, большим языковым моделям и другим направлениям искусственного интеллекта. И чтобы максимизировать полезность данного мероприятия - участники выложили каждый проект в свой мини-репозиторий (на GitHub или GitVerse), а организаторы агрегировали всё это в один общий каталог: https://github.com/aimclub/top-ai-dpo Можно посмотреть как в разных университетах видят связанные с ИИ курсы, переиспользовать их или закинуть issue авторам. Шаблоны репозиториев тоже выложили - на случай, если пригодится будущим разработчикам таких учебных материалов.

Попался интересный лонгрид про конкурентоспособность людей и ИИ-агентов: https://t.me/vgcourse/560 Разбираются различные модели продуктивности, методики её оценки, статьи по теме и т.п. Цитируя основные выводы автора: - Большинство студентов не понимает, почему они могут быть конкурентоспособны в век агентов и как двигаться к этой конкурентоспособности. - В свежем исследовании METR рассматривается Expenditure Horizon — момент, начиная с которого агент становится менее эффективен, чем квалифицированный человек, что будет использоваться как для измерения эффективности агентов, так и для повышения эффективности использования агентов человеком. - Наиболее перспективны в век ИИ AI-Amplifier задачи, когда использование ИИ существенно повышает производительность наиболее квалифицированных людей, увеличивая их отрыв от менее опытных. Доля таких задач будет с ближайшие годы расти просто потому, что в AI-Equalizer задачах ИИ будет все сильнее вытеснять людей, а их работа будет использоваться в первую очередь как разметка для ИИ. - В ваших руках увеличение доли AI-Amplifier задач в вашей работе/учебе. Если она мала — дружеский совет — меняйте работу/учебу.

Попался интересный лонгрид про конкурентоспособность людей и ИИ-агентов, методики её измерения и т.п. https://t.me/c/2710734751/680

Коллеги из Sber AI Lab написали в своем канале про новой репозиторий https://github.com/sb-ai-lab/SIRIN (Semantic Inconsistency Recognition and Inspection Nexus) - инструмент для поиска смысловых ошибок в ответах языковых моделей. Что умеет SIRIN: - Проверяет соответствие ответа исходному контексту на уровне токенов, последовательностей и отдельных утверждений. - Поддерживает детекцию галлюцинаций и оценку answerability - достаточности данных для ответа. - Объединяет несколько классов детекторов: llm-as-a-judge, uncertainty, probing с использованием метамоделей. - Позволяет сравнивать и комбинировать разные методы детекции - работает как инструмент для исследований и разработки. Ссылки: 🔗GitHub 🔗GitVerse 🔗Демо на Hugging Face 🔗Статья на arxiv Поддержать традационно можно звездочками.

#зоопарк_одобряет #конференции Вернее, не конференция, а интересный (и бесплатный) вебинар от girafe.ai "Рабочее окружение ML-инженера: делегируем рутину ИИ-агентам" Почему интересно: хотя бы по той причине, что у girafe.ai есть совместная онлайн-мага с МФТИ, что, на наш взгляд, уже знак качества (Физтех очень разборчив в выборе таких партнеров) Темы: • организация удобного рабочего окружения ML-инженера с нуля • настройка безопасного состояния удалённого сервера для любых нужд • автоматизация всех рутинных процессов агентами • формирование скиллов агентов для однокнопочного воспроизводства операций • кастомизация под свои вкусы и нужды Когда: 5 августа (среда), в 19:00 (МСК) Спикер: Владислав Гончаренко - основатель girafe.ai и автор курса MLOps онлайн-магистратуры MSAI (girafe.ai × МФТИ) Язык русский, участие, повторяем, бесплатное, но нужна предварительная регистрация - вот тут

Анонсируют такой вот вебинар из цикла опенсорс-курсов по ИИ:

Тематически близкая конференция про качество кода с близким дедлайном (17 августа): https://www.iccq.ru/2026.html Публикации в IEEE Xplore/Scopus, локация - уютный декабрьский Новосибирск.

🤖 Интересная дискуссия развернулась по поводу open-weights моделей – после того, как стало известно об инициативах в правительстве США по запрету использования китайских моделей в американских компаниях. Дженсен Хуанг (CEO NVIDIA) – с еще семью десятками ИТ- и ИИ-лидерами – написал открытое письмо, в котором заявил, что open source – это, вообще-то, замечательно, да и open-weight тоже, так что не надо, пожалуйста, ничего и нигде запрещать. 🔹В этой связи хорошо вспомнить, что open source – это практически никогда не про благотворительность. Все самые большие проекты – они про деньги, просто не деньги за сам код. — Большая часть контрибьюторов в ядро Linux и спонсоров Linux Foundation – это компании и их сотрудники. Intel вкладывается в Linux, потому что это помогает продавать больше серверов. — Facebook (организация ужасная и запрещенная, потому что ужасная) вложился в PyTorch, чтобы Google со своим TensorFlow не монополизировал нейронки и все не сидели на их облаках. — На карточках NVIDIA, конечно же, гоняется огромное количество open-weights ИИ-моделей – тут коммерческий ущерб от их запрета пошел бы на миллиарды. Да, на тех же карточках можно гонять и американские модели, но перестройка существующих бизнес-процессов была бы катастрофической. — Perplexity и другие подписавшиеся тоже хотят использовать в своих продуктах open-weights: не все хотят переплачивать за дорогой ChatGPT, так как в этом случае конкурентоспособность сервисов радикально снизится. 🔹Почему же Anthropic отказалась подписывать это все? Скорее всего, у них самый независимый стек технологий, где open-weights используется немного, и проблемы зажравшейся NVIDIA и компаний, которые делают более дешевые, но не такие хорошие продукты, им на руку. Ну а про кибербез и репрессии китайского народа в их заявлении – для того, чтобы эгоизм не выглядывал. 🔹Есть и более позитивная сторона open source: иногда ребята открывают проекты, потому что хотят, чтобы технологии развивались в целом, и чтобы кадры росли, и чтобы экономика двигалась вперед. А где деньги заработать – это уже потом придумаем. Или не придумаем, но карму точно заработаем🌟 Так, Т-шники на TurboML выкатили пару очень прикольных релизов – T-Search и Perseus. T-Search – агентный фреймворк для многошагового поиска на английском и русском языках. Многошаговый поиск нужен, чтобы агент сначала понял контекст из всего поверхностно найденного, а потом постепенно улучшал запросы. Получилось очень круто с точки зрения сотношения полноты найденного и потраченных ресурсов. Допиленный Qwen работает на одной карточке. Всем страдающим от невозможности закупить мощностей, но страждущим сделать агентный поиск – крайне рекомендую. А штука с романтичным названием Perseus – это фреймворк для построения рекомендательной системы на потоке данных о человеке без каких-либо специальных обработок этих самых данных. То есть если у вас есть поток данных, вы хотите что-то рекомендовать человеку, и вам при этом не хочется учиться на кафедре РЭСИК два года, можно просто поставить Персея – он сам разберется и все порекомендует.

"У нас есть воспроизводимость дома" - ШАД и Сириус анонсировали "Интенсив по воспроизведению современных научных результатов — 2026" в начале октября. Бесплатный научный интенсив для тех, кто интересуется машинным обучением, архитектурами нейросетей и системами обработки данных. Участники воспроизведут эксперименты из реальных исследований и разберут их вместе с менторами — учёными и разработчиками Яндекса и ведущих университетов. Для студентов старших курсов бакалавриата и магистратуры технических вузов, а также аспирантов. Кроме, дают сертификат ШАД и удостоверение о повышении квалификации) Подробности и подача заявок (до 13 августа): https://shad.yandex.ru/science

Moonshot AI выпустила Kimi K3 на Hugging Face: Это первая модель с открытыми весами в классе ~3T. Благодаря MoE на каждый токен активируются лишь 104B параметров (16 экспертов из 896). По заявлению разработчиков, K3 создана для длинных агентных задач: работы с большими репозиториями, использования терминала, исследований, оптимизации GPU-ядер, компиляторов и других многошаговых инженерных сценариев. Что внутри: - контекст 1 048 576 токенов - нативная мультимодальность (для текста и изображений и видео) - 93 слоя: 69 KDA + 24 Gated MLA - веса MXFP4 + активации MXFP8 - заявлено ~2,5× более эффективное масштабирование по сравнению с Kimi K2. Веса модели: https://huggingface.co/moonshotai/Kimi-K3 Но в плане открытости есть нюанс - веса выложены под лицензией Kimi K3 License, ограничивающей коммерческое использование после определенного порога выручки.

RAGU - на HuggingFace! Сегодня мы выложили на HuggingFace препринт про открытый GraphRAG-фреймворк RAGU. RAGU - это модульный GraphRAG-движок, который превращает сырой текст в граф знаний: извлекает сущности и связи, строит и чистит граф, а затем ищет ответы через локальные, глобальные или гибридные стратегии. Этот проект сейчас разрабатывается совместно Лабораторией прикладных цифровых технологий НГУ (Иван Бондаренко) и Лабораторией автоматизированного мульти-агентного ИИ ИТМО (Николай Никитин). В разработке активно участвуют студенты обоих университетов. В комплект фреймворка входит также новая компактная модель Meno-Lite-0.1 на 7B параметров (первое место на SemEval-2026 Task 8 MTRAG). В препринте, (сейчас он на рецензии на одной из A*-конференций), мы показали, что для построения качественного графа знаний не обязательно задействовать большие модели: наш 7B-экстрактор показывает результат лучше, чем Qwen2.5-32B на построении графов. Также, фреймворк недавно ставил одним из победителей конкурса Yandex Open Source. Если говорить о конкретных цифрах: RAGU достает до 84% релевантного контекста в медицинских бенчмарках (у конкурентов ≤76%). Мы обходим HippoRAG 2 на креативных задачах (59.0 против 56.9). При этом стоимость обработки — $0.001 за документ в сравнии с $0.10 у API-решений. Как пользоваться RAGU: Ставится одной командой pip install graph_ragu, работает на обычной потребительской видеокарте. Код открыт (MIT), веса — Apache 2.0. Как поддержать: Если разработка заинтересовала, то ее можно поддержать в Daily Papers на Huggingface, поставив upvote тут: https://huggingface.co/papers/2607.11683 Также, будет рады звездочкам на репозиторий: https://github.com/RaguTeam/RAGU Если есть вопросы - пишите в комментариях или в Issues на GitHub. P.S. Если хотите посмотреть, как всё работает: - 2 минуты: базовая настройка и первый запуск - 11 минут: глубокое погружение в конфигурации пайплайна

Hugging Face и alphaXiv объявили соревнование по воспроизведению результатов научных статей с ICML 2026 - тема, на которую периодически пишем. Из каждой статьи выделено несколько claims, корректность которых и нужно проверить. Цель проекта – создать публичную базу проверок научных работ, чтобы сделать их более прозрачными и воспроизводимыми. За участие организаторы предлагают GPU-кредиты на каждую статью (но их быстро разбирают) + отдельные призы от OpenResearch. Дедлайн - 2 августа. P.S. Спс каналу Навука и моя жизнб за информирование, а то как-то мимо прошло)

Анонсированы репозитории-победители очередного опенсорс-конкурса KaiCode: 1) raprogramm/yew-nav-link 6★ - Вьетнам - Perfect $2048 А navigation-link library for the Yew framework in Rust with automatic active-state detection, demonstrated perfect software development practices: clean and idiomatic code, requirements captured as formal specifications and architecture decision records, strict static analysis (clippy, CodeQL, Scorecard, zizmor), mutation, fuzz, and property testing with enforced 95% coverage, an mdBook documentation site, semantic-versioned releases with a maintained changelog, protected branching, and exemplary REUSE-compliant licensing. Source files are small, meticulously documented, and every file carries SPDX headers. 2) ahoo-wang/wow 296★ - Китай - Excellent $1024 А reactive CQRS and Event-Sourcing microservice framework built on Domain-Driven Design, written in Kotlin, showed us an excellent codebase: clean, modular DDD/CQRS design, genuine multi-reviewer code review, Testcontainers-backed integration testing, enforced coverage thresholds and detekt static analysis, a bilingual documentation site, and a long history of semantic-versioned releases on Maven Central. However, issue labeling is inconsistent across recent tickets.  3) choplogic/chop-logic-components 5★, Сербия - Awesome $512 A library of reusable React components and hooks written in TypeScript, showed us awesome coding practices: conventions enforced by Biome, Prettier, commitlint, and Husky git hooks, mutation testing with Stryker on top of Codecov-tracked coverage, a Storybook gallery published as a documentation site, and semantic-versioned releases to npm with a maintained changelog. However, pull requests are self-merged by the sole author without review, and licensing stops at a single MIT file, with no SPDX headers in the sources Всего принимало участие 153 проекта. От нас тоже подавали, но не вышло.

Сбер выкатил новые опенсорс-модели - теперь со звуком: 1) Новая GigaChat Audio. Audio-native LLM на базе GigaAM Multilingual и GigaChat3.1-10B-A1.8B. Поддерживает multi-turn диалог, классификацию аудио, перевод и распознавание речи, и temporal grounding (локализацию событий во времени), описание интервала аудио и суммаризацию с временными метками. В комплекте идет датасет TimeGround-1M — для обучения LLM привязке событий ко времени. 📖 arXiv 🤗 ai-sage/GigaChat3.1-Audio-10B-A1.8B 🤗 ai-sage/TimeGround-1M 2) Обновление GigaAM Multilingual. Расширение модели распознавания речи на казахский, киргизский, узбекский и английский. 📖 arXiv 🤗 ai-sage/GigaAM-Multilingual 👩‍💻 salute-developers/GigaAM