اکنون در دسترس! پژوهش تلگرام ۲۰۲۵ — مهمترین بینشهای سال 
ИИ Песочница | RnD про ML, AI, Data Science
رفتن به کانال در Telegram
AI & ML related papers review, news, opensource updates GitHub: https://github.com/sb-ai-lab Contact us for posts and promo: @oxana_y
نمایش بیشتر2 158
مشترکین
+424 ساعت
+207 روز
+10930 روز
در حال بارگیری داده...
کانالهای مشابه
هیچ دادهای
مشکلی وجود دارد؟ لطفاً صفحه را تازه کنید یا با مدیر پشتیبانی ما تماس بگیرید.
ابر برچسبها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
ژوئن '26
ژوئن '26
+33
در 0 کانالها
مه '26
+158
در 3 کانالها
Get PRO
آوریل '26
+156
در 3 کانالها
Get PRO
مارس '26
+34
در 0 کانالها
Get PRO
فوریه '26
+24
در 0 کانالها
Get PRO
ژانویه '26
+29
در 1 کانالها
Get PRO
دسامبر '25
+35
در 1 کانالها
Get PRO
نوامبر '25
+145
در 1 کانالها
Get PRO
اکتبر '25
+72
در 2 کانالها
Get PRO
سپتامبر '25
+31
در 3 کانالها
Get PRO
اوت '25
+34
در 0 کانالها
Get PRO
ژوئیه '25
+90
در 2 کانالها
Get PRO
ژوئن '25
+52
در 3 کانالها
Get PRO
مه '25
+11
در 0 کانالها
Get PRO
آوریل '25
+29
در 1 کانالها
Get PRO
مارس '25
+41
در 1 کانالها
Get PRO
فوریه '25
+53 398
در 46 کانالها
Get PRO
ژانویه '25
+948
در 1 کانالها
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 10 ژوئن | +4 | |||
| 09 ژوئن | +22 | |||
| 08 ژوئن | 0 | |||
| 07 ژوئن | 0 | |||
| 06 ژوئن | 0 | |||
| 05 ژوئن | +4 | |||
| 04 ژوئن | 0 | |||
| 03 ژوئن | +2 | |||
| 02 ژوئن | +1 | |||
| 01 ژوئن | 0 |
پستهای کانال
Sber AI Lab приглашает вас на открытый научный семинар:
📆 завтра, четверг, 11 июня в 17:00.
📆На семинаре выступят: Максим Макаренко, Савелий Чежегов (Sber AI Lab)
➡️Тема доклада: Обзор конференции ICLR 2026
➡️На семинаре расскажем о поездке на ICLR 2026, самых интересных работах и трендах конференции, а также о том, что сейчас происходит в исследованиях агентской памяти, reasoning и LLM-агентов. Отдельно обсудим две статьи команды Фундаментальных Исследований, представленные на конференции, ключевые идеи, результаты и полученную обратную связь от научного сообщества.
📱Семинар пройдёт онлайн в SberJazz по ссылке
📍переговорная 38.08 - для очных участников
#анонc
| 2 |  🔥Делимся находкой: Boltbook — платформа для коммуникации AI-агентов:
💡Обратили внимание на платформу Boltbook.ai.
Агенты здесь публикуют посты, комментируют, создают тематические сообщества с собственными правилами и координировано решают задачи: помогают друг другу с кодом, обсуждают статьи, создают и улучшают скиллы.
✍️Что заметили:
🔘Скиллы — модульные навыки, которыми агенты делятся друг с другом. Один агент опубликовал скилл для анализа кода. Другой применил его на своей базе и нашёл циклические зависимости между модулями.
🔘Протокол — один из агентов предложил облегчённую версию протокола взаимодействия с Boltbook, которая экономит 85% токенов. Сообщество подхватило.
🔘Задачи — агент публикует ТЗ, прикладывает репозиторий, указывает, какие навыки требуются. Другие агенты подключаются, делают итерации, сдают результат.
🔘Креатив — агенты совместно разобрали корпускулярно-волновой дуализм и сгенерировали иллюстрацию для статьи.
⚙️Как это устроено:
➡️Платформа совместима с OpenClaw и другими движками, поддерживающими skills.md.
➡️Человек тоже может участвовать: наблюдать, ставить задачи или подключать своего агента.
❤ @sb_ai_lab
#новости | 637 |
| 3 |  🔥 Sber AI Lab на DataFest в Новосибирске
Иван Карпухин рассказал о двух работах, опубликованных в этом году - в журнале Neurocomputing (Q1) и на конференции AAAI-26 (A*).
📄 HoTPP: бенчмарк для долгосрочных предсказаний
Как оценить качество модели, которая предсказывает несколько событий на горизонте? Стандартные метрики (OTD) учитывают только популярные классы, а итоговые значения тяжело интерпретировать.
📌Что предложили:
Новую метрику T‑mAP (Temporal mean Average Precision), которая оценивает не только правильность предсказаний, но и уверенность модели.
Первый открытый бенчмарк HoTPP для долгосрочного прогнозирования событий (финансы, ритейл, соцсети, медицина).
🔆Результаты: современные MTPP-модели часто уступают простым статистическим методам. Большинство подходов страдают mode collapse — предсказывают одно и то же.
🔗Статья и arXiv
📄 DEF: новый способ прогнозирования будущих событий
Авторегрессионные модели при длинном горизонте сходятся к константе или повторениям. Методы, предсказывающие все события сразу, тоже далеки от идеала.
📌Что предложили:
Модель DEF, которая предсказывает несколько событий одновременно.
Функция потерь на основе динамического связывания предсказаний с реальными событиями (как в детекции объектов в компьютерном зрении).
🔆Результаты: до +50% относительного улучшения качества долгосрочных предсказаний. При этом модель остаётся одной из самых быстрых на инференсе и не теряет в качестве предсказания следующего события.
🔗Статья и arXiv
Интересный факт: обе работы адаптируют идеи из компьютерного зрения в новый домен, попутно развивая и улучшая выбранные подходы.
🔥 - если интересны такие обзоры исследований
✈ @sb_ai_lab
#science | 993 |
| 4 |  🧬Synolitic AI: как работать с медицинскими данными, где признаков больше, чем пациентов
В биомедицинских задачах часто возникает типичная проблема: данных мало, а признаков много. Например, в геномике, физиологических измерениях или медицинских записях один пациент может описываться сотнями и тысячами параметров.
Для классических ML-моделей это сложная постановка: растёт риск переобучения, падает устойчивость, а перенос знаний между датасетами становится нестабильным.
В статье Overcoming the Curse of Dimensionality with Synolitic AI, написанной исследователями Sber AI Lab, совместно с профессором University College London, мы исследуем синолитические графовые нейросети (Synolitic Graph Neural Networks), подход, который переводит табличные данные в графовое представление.
⚙️Как это устроено:
🟣признаки становятся узлами графа
🟣для каждой пары признаков обучается небольшой классификатор
🟣его оценка задаёт силу связи между признаками
🟣дальше граф обрабатывается GNN-моделью: GCN или GATv2
✨Важная часть подхода - не только сами связи, но и топология графа: степень узла, сила связей, closeness и betweenness centrality. Именно такие структурные признаки дают основной прирост качества.
В экспериментах SGNN проверяли на 15 UCI-датасетах и на реальном протеомном датасете по раку яичников.
✨Что получилось:
🟣 в foundation setting GATv2 достигает ROC-AUC 92.22 против 86.05 у XGBoost
🟣при обучении на отдельных датасетах лучший результат SGNN - 83.12 macro ROC-AUC против 80.28 у XGBoost
🟣в low-data режиме SGNN сохраняет ROC-AUC около 85% уже с 10% обучающих данных
🟣на протеомных данных foundation-style обучение повышает стабильность и качество модели
📝Главный вывод:
Графовое представление помогает работать с высокоразмерными биомедицинскими данными, особенно когда выборка маленькая, признаки избыточны, а классические модели начинают терять устойчивость.
✈ @sb_ai_lab
#medicine | 843 |
| 5 |  🔥Присоединяйся к Sber AI Lab: новые проекты в EdTech, HR, агентах для бизнеса и LLM-инференсе
Работай над продуктами и исследованиями в области LLM и агентных систем.
EdTech - одно из направлений, где мы:
🔘создаём агентов для учеников и учителей,
🔘инструменты проверки заданий и генерации контента.
🔘проект сочетает LLM (RAG, агенты, fine‑tuning) с задачами OCR, document understanding и оценкой качества генераций.
⚡️расширяем команду и ищем:
➡️Senior Data Scientist / AI Researcher в команду ИИ в образовании
Что делать:
🔘разрабатывать LLM‑агентов и RAG для учебных сценариев; решать OCR и document understanding (структура учебников, обработка PDF/изображений);
🔘настраивать multi‑agent оркестрацию (LangGraph, LangChain, schema‑guided pipelines);
🔘экспериментировать с GigaChat, Gemini, Qwen и др.;
🔘проводить fine‑tuning (instruction‑tuning, adapters, LoRA, SFT);
🔘строить метрики и evaluation pipeline.
🔘Нужен: практический опыт от 3 лет в NLP/LLM/агентах.
Актуальные вакансии в других командах:
➡️LLM Engineer / Inference Engineer в команду развитие OpenSource технологий
🔘Обучать LLM на GPU-кластерах, доводить модель до продакшена, выжимать максимум из инференса.
🔘Нужен: практический опыт обучения LLM, Python от 3 лет, distributed training.
➡️Middle/Senior ML Engineer в команду GenAI для HR
🔘Строить прикладных AI-агентов для HR-направления.
🔘Нужен: практический опыт вывода в прод агентов или LLM-решений.
➡️ML Engineer в команду ИИ агенты и оптимизация
🔘Придумывать новые алгоритмы, проверять гипотезы, писать статьи A*/Q1.
🔘Нужен: сильный Python, PyTorch, опыт с LLM и агентами.
➡️ML Engineer в команду ИИ-агенты для бизнеса
Проект: разработка ассистента руководителя для автономного решения рутинных задач.
Разрабатывать NLP и мультимодальные пайплайны, RAG-системы, создавать ИИ-агентов и мультиагентные системы.
Нужен: сильный Python, опыт в разработке агентов, понимание всех этапов вывода агентов в промышленную эксплуатацию.
📍Москва, Кутузовский проспект, гибрид.
💚Если хотите строить LLM-решения, которые реально работают в продуктах - ждём ваш отклик.
#job #вакансии
✈ @sb_ai_lab | 1 806 |
| 6 |  ⚡️Sber AI Lab на Data Fest 2026
Делимся информацией о лучших исследованиях и разработках Sber AI Lab на главном событии сообщества Open Data Science, которое традиционно пройдёт в конце мая на нескольких площадках конференции DataFest (офисы Сбера, ВТБ и Белград).
📍 Москва, 24 мая (офис ВТБ)
📆Доклад
Алексей Шестов, руководитель направления по анализу данных
Топологическая метрика для оценки качества эмбеддингов без разметки
📍 Москва, 26 мая (офис Сбера)
📆 Доклад в секции Agents in Action
Дмитрий Парпулов, тимлид «ИИ-агенты и оптимизация»
Text2Agent: как мы строим рабочие workflow в low‑code по текстовому описанию задачи
🔆Постерная сессия по статьям
Юлия Беликова - Detecting Overflow in Compressed Token Representations for Retrieval-Augmented Generation
Алексей Гришанов - Pre-trained LLMs Meet Sequential Recommenders: Efficient User-Centric Knowledge Distillation
Алексей Шестов - Topological Metric for Unsupervised Embedding Quality Evaluation
Иван Свиридов - Predicting Task fMRI Contrasts from Resting-State fMRI Using Sparse 3D Convolutions
Антон Пембек - Let It Go? Not Quite: Addressing Item Cold Start in Sequential Recommendations with Content-Based Initialization
🤩Регистрация и подробная программа по ссылке
📍Новосибирск, 28 мая (офис Сбера)
📆 Доклад
Иван Карпухин, руководитель направления по исследованию данных
Генеративные модели последовательностей событий и транзакционных данных
🤩Регистрация и подробная программа по ссылке
📍Белград, 31 мая
📆 Доклад
Алексей Васильев, тимлид команды Recsys
SplitLight: RecSys Evaluation Toolkit — open-source инструмент для анализа датасетов и стратегий сплитов в рекомендательных системах.
О чём ещё поговорим на стендах и в кулуарах:
генеративные модели, мультиагентные системы, физический ИИ, RAG, open‑source для RecSys, продакшен‑оптимизация.
💚Заходите знакомиться, предлагать идеи и задавать вопросы.
🔥- если планируете быть очно.
❤ @sb_ai_lab
#анонс | 935 |
| 7 | Sber AI Lab приглашает вас на открытый научный семинар:
📆 сегодня, 21 мая в 17:00.
📆На семинаре выступит: Иван Кружилов (Sber AI Lab)
➡️Тема доклада: Метод DPO и его вариации DPO и GRPO сегодня являются ключевыми методами для RLHF- alignment.
➡️В докладе мы рассмотрим модель Брэдли–Терри в классической постановке, а также её расширения, учитывающие неопределённость оценщиков. Особое внимание будет уделено современным модификациям DPO и их практическим преимуществам.
📱Семинар пройдёт онлайн в SberJazz по ссылке
#анонc | 894 |
| 8 | Sber AI Lab приглашает вас на открытый научный семинар:
📆 сегодня, 21 мая в 17:00.
📆На семинаре выступит: Иван Кружилов (Sber AI Lab)
➡️Тема доклада: Метод DPO и его вариации DPO и GRPO сегодня являются ключевыми методами для RLHF- alignment.
➡️В докладе мы рассмотрим модель Брэдли–Терри в классической постановке, а также её расширения, учитывающие неопределённость оценщиков. Особое внимание будет уделено современным модификациям DPO и их практическим преимуществам.
📱Семинар пройдёт онлайн в SberJazz по ссылке
#анонc | 0 |
| 9 | 🫥Как студенты решают научные задачи: взгляд из жюри
Савченко Андрей, директор по науке Sber AI Lab принял участие в экспертной комиссии секции «ИИ в науке» на мультидисциплинарной молодёжной конференции Центрального университета «Научный телеграф».
Конференция объединила шесть секций - от цифровой трансформации и ИИ до гуманитарных и естественных наук. В экспертной комиссии были профессора и представители корпоративных R&D‑команд.
Ключевые впечатления:
Секция выглядела очень достойно: студенты из разных вузов показали продуманные эксперименты и зрелые методологические решения. Важно, что многие участники не просто применяют готовые ML‑инструменты, а формулируют нетривиальные научные задачи и предлагают собственные методы.
🤩Темы, которые запомнились:
⏺️Оптимизация на графах - проекты по задаче коммивояжёра, сочетающие ML и классические алгоритмы.
⏺️ML в химии - яркая прикладная направленность и потенциал для реальных открытий.
⏺️Оценка параметров гауссовских смесей при неизвестном числе кластеров - аккуратная постановка и оригинальный алгоритм.
🤩Совет для начинающих исследователей
Не ограничивайтесь демонстрацией работы модели. Сравните свой метод с сильными современными аналогами, подробно проанализируйте литературу и честно опишите ограничения - это делает работу более убедительной и полезной для сообщества.
🤩Итог для аудитории R&D
Самые перспективные студенческие проекты объединяют аккуратную постановку задачи, сравнение с сильными базовыми методами и явную прикладную мотивацию - такие работы легче масштабировать и интегрировать в R&D‑проекты.
🔥 - если хотите развиваться в науке и хотите больше советов!
❤ @sb_ai_lab
#science | 807 |
| 10 | 🫥Как студенты решают научные задачи: взгляд из жюри
Савченко Андрей, директор по науке Sber AI Lab принял участие в экспертной комиссии секции «ИИ в науке» на мультидисциплинарной молодёжной конференции Центрального университета «Научный телеграф».
Конференция объединила шесть секций - от цифровой трансформации и ИИ до гуманитарных и естественных наук. В экспертной комиссии были профессора и представители корпоративных R&D‑команд.
Ключевые впечатления:
Секция выглядела очень достойно: студенты из разных вузов показали продуманные эксперименты и зрелые методологические решения. Важно, что многие участники не просто применяют готовые ML‑инструменты, а формулируют нетривиальные научные задачи и предлагают собственные методы.
🤩Темы, которые запомнились:
⏺️Оптимизация на графах - проекты по задаче коммивояжёра, сочетающие ML и классические алгоритмы.
⏺️ML в химии - яркая прикладная направленность и потенциал для реальных открытий.
⏺️Оценка параметров гауссовских смесей при неизвестном числе кластеров - аккуратная постановка и оригинальный алгоритм.
🤩Совет для начинающих исследователей
Не ограничивайтесь демонстрацией работы модели. Сравните свой метод с сильными современными аналогами, подробно проанализируйте литературу и честно опишите ограничения - это делает работу более убедительной и полезной для сообщества.
🤩Итог для аудитории R&D
Самые перспективные студенческие проекты объединяют аккуратную постановку задачи, сравнение с сильными базовыми методами и явную прикладную мотивацию - такие работы легче масштабировать и интегрировать в R&D‑проекты.
🔥 - если хотите развиваться в науке и хотите больше советов!
❤ @sb_ai_lab
#science | 0 |
| 11 |  ⚡️ICLR 2026: основные тренды и направления исследований
В Рио-де-Жанейро прошла 14-я конференция ICLR.
Цифры: 19 525 статей (+70% к 2025), acceptance rate — 27%.
Делимся, что было в центре внимания:
1️⃣ Reasoning и вычисления на этапе инференса
Переход от текстовых цепочек к латентному reasoning (вычисления в скрытых состояниях). Два пути: transformer-in-the-loop и диффузионные модели. RNN-архитектуры от Google показывают, как обойти квадратичный рост сложности трансформеров.
2️⃣AI‑агенты и мультиагентная оркестрация
Идёт отход от идеи «одна большая модель решит всё». Демонстрируют архитектуры с небольшой управляющей моделью, которая координирует нескольких специализированных LLM. Меняются и метрики: новые бенчмарки (DSGym, OPENAPPS) оценивают не только ответы, но и последовательность действий в среде.
3️⃣ Пост‑тренинг: GRPO и верифицируемые награды
GRPO и RL с верифицируемыми (проверяемыми) наградами становятся привычной практикой. Главная инженерная задача — правильно сформулировать objective, учитывать старые данные (staleness) и строить асинхронную инфраструктуру для обновлений.
4️⃣Мультимодальность - новые сенсоры и задачи
Много работ по новым модальностям: генерация звука для видео с модульными решениями (PrismAudio), дешёвые сенсоры для «обоняния» (SmellNet) как новая модальность. В робототехнике видно развитие foundation‑моделей с прикладными action‑головами — иногда правильный head важнее самой VLM.
5️⃣Эффективность и управляемость
Индустрия ищет баланс качества и стоимости: ускорение инференса, сжатие контекстного окна, адаптивный scaling в runtime. Появляютcя методы верификации reasoning через вычислительные графы (пример — CRV от FAIR).
💡Главные выводы:
🔘Акцент сместился с «как сделать модель умнее» на «как сделать AI рабочим в реальных условиях».
🔘Приоритеты: управляемость, эффективность, применимость.
🔘Трансформер перестаёт быть единственной архитектурой - набирают силу адаптивные вычисления на инференсе, агентная оркестрация и новые схемы пост-тренинга.
🔥- если хотите подробный разбор трендов ICLR на научном семинаре.
❤ @sb_ai_lab
#ICLR | 738 |
| 12 |  ⚡️Один лайк — и ты в матрице: воркшоп по рекомендательным системам от Sber AI Lab
Что будет, если научить AI не просто понимать пользователя, а ещё и угадывать, что ему действительно понравится?
Именно об этом команда Recsys Sber AI Lab (Артём Фаткулин и Дарья Денисова) рассказали студентам на воркшопе в рамках проектной школы AI360.
AI360 — это флагманский бакалавриат Сбера, Яндекса и пяти ведущих университетов, где готовят будущих исследователей и архитекторов AI-решений.
📆О чём говорили:
🔘Зачем рекомендательные системы бизнесу.
Они улучшают пользовательский опыт, помогают растить продажи и снижают отток клиентов.
🔘Как они устроены.
Разобрали базовые подходы: коллаборативную фильтрацию, content-based и матричную факторизацию.
🔘С какими проблемами сталкиваются в реальности.
Холодный старт, масштабируемость и другие классические вызовы RecSys.
🔘Как оценивать качество. Precision, recall, NDCG, MAP - без этих метрик в рекомендациях никуда.
🔘Что меняется сейчас.
Всё активнее в рекомендации заходят LLM: для генерации объяснений, работы с текстом и учёта диалога.
🔥- если вам интересна тема рекомендательных систем и изучайте подробнее на нашем онлайн-курсе по рекомендательным системам и библитотеке Replay
❤ @sb_ai_lab
#recsys | 885 |
| 13 |  🧠 BrainSparseCNN: предсказываем активность мозга по снимкам в покое
Обычно, чтобы увидеть, какие зоны мозга отвечают за речь или движение, человека просят выполнять задания прямо во время МРТ. Это долго, дорого и не всегда возможно.
👨BrainSparseCNN — технология медицинской команды Sber AI Lab (совместно со Skoltech). Она предсказывает активации мозга по короткому сканированию в покое (rs‑fMRI).
⚙️ Как устроена модель?
🟣Архитектура: U‑Net с разреженными 3D-свёртками (библиотека MinkowskiEngine). Вход: 50 компонент, полученных из МРТ в состоянии покоя и 32k вершин на каждое из полушарий
🟣Выход: 47 активаций для нескольких задач одновременно (движение, речь, память, эмоции и др.)
🟣Почему разреженные свёртки: позволяет работать только с ненулевыми вокселями (~5% от всего объёма) и сохраняет трёхмерную топологию мозга, не проецируя на поверхность с возможными искажениями (как BrainSurfCNN) и без затратных dense расчётов (как SwiFUN)
🚀 Статья на WACV 2026
Международная конференция IEEE/CVF Winter Conference on Applications of Computer Vision
🏥 Где пригодится?
Нейрохирургия: планирование операций, когда стандартное обследование невозможно или даёт нестабильные результаты.
Вместо усреднённой схемы - индивидуальная карта активаций мозга пациента.
🔥 если интересны медицинские AI-технологии.
❤ @sb_ai_lab | 820 |
| 14 |  🚀Как идеи становятся 🤖-продуктами: наука в индустрии
Дмитрий Симаков, лидер команды ML 2:0, 🧬 Sber AI Lab в интервью для Science Mail раскрывает цикл исследований:
«Всё начинается с практической потребности, уходит в поиск научного решения и возвращается обратно — уже в виде пилота и внедрения. Два разных мира превращаются в один непрерывный процесс».
🏆 Его команда получила бронзу в номинации «R&D-прорыв года» на RnD премии Сбера за решение - приоритезатор банковских продуктов.
⚙️Суть решения - Py-Boost 💡:
🔘Multioutput GBDT на GPU (CuPy/Numba) - одна модель для всех продуктов вместо отдельных
🔘SketchBoost ускоряет обучение для multitask (multilabel, multitask regression)
🔘Анализирует сочетания продуктов (сочетаемость, совместное использование, joint значимость)
💡Почему Py-Boost 💡 удобен для исследований?
Классические библиотеки на C++/CUDA сложно модифицировать и разбирать. Py-Boost — это Python + GPU с читаемым кодом и поддержкой экспорта в ONNX/Treelite, так что один и тот же стек подходит и для экспериментов, и для продакшена.
➡️В такой модели работы бизнес-задача почти сразу становится научной гипотезой, а успешное исследование — готовым продуктом.
🔥 - если вам близка такая связка ML-исследований и продакшена!
❤ @sb_ai_lab | 1 358 |
| 15 |  🚀FinTRACE: структурированная база знаний для анализа транзакций
LLM отлично работают с текстами, но часто «спотыкаются» о последовательности событий - суммы, категории и даты.
🧬Команда Sber AI Lab совместно со Sber AI представила элегантное решение: подход с приоритетом на поиск, который превращает сырые логи транзакций в структурированную базу знаний о поведении клиентов.
Статья Financial Transaction Retrieval and Contextual Evidence for Knowledge-Grounded Reasoning - принята на конференцию SIGIR 2026 (A*).
⚙️ Как это работает
Вместо стандартной и громоздкой сериализации строк в промпт, FinTRACE извлекает из данных:
🟣Числовые характеристики транзакций, независимые от конкретной задачи
🟣Поведенческие паттерны (финансовая стабильность, лояльность)
➡️ Прозрачные правила (например, «если период активности ≤ 70 дней → высокий риск оттока»)
➡️Далее система отбирает до 20 наиболее релевантных фактов и правил, передавая в запрос только выжимку самого важного.
⚙️ Как можно использовать эту базу знаний:
Созданный слой знаний универсален:
🟣Zero-shot / Few-shot: передает отобранные факты напрямую в промпт LLM для анализа «на лету» без обучения.
🟣Дообучение (Fine-tuning): адаптирует модели на базе собранных профилей для повышения точности.
⚡️ Ключевые результаты:
🟣Внешние бенчмарки: Zero-shot MCC может вырастать в 2 раза — с 0.19 до 0.38. А при дообучении качество выравнивается с профильными моделями для транзакций вроде LLM4ES и CoLES.
🟣Промышленные данные: 0.10 MCC без предварительной разметки (против 0.06 у базовой GPT-oss-120b в режиме few-shot).
🤩Бизнес-применение:
🟣Единый слой знаний для прогноза оттока, скоринга и комплаенса.
🟣Персонализация на малых данных без необходимости сбора огромных размеченных датасетов.
🟣Интерпретируемость - traceable-цепочки обоснования каждого решения.
💚 Ставьте реакцию, если тема актуальна для финтеха и работы с последовательностями событий!
❤ @sb_ai_lab | 1 205 |
| 16 | Sber AI Lab приглашает вас на открытый научный семинар:
📆 сегодня, 30 апреля в 17:00.
📆На семинаре выступят: Алексей Гришанов, Артем Фаткулин, Алексей Шестов (Sber AI Lab)
➡️Тема доклада: Обзор конференции ECIR 2026
В программе семинара:
➡️Обзор ECIR 2026
(48th European Conference on Information Retrieval), которая прошла в Нидерландах 29 марта - 2 апреля.
🟣Расскажем о статистике конференции, трендах, собственных принятых статьях и идеях для проработки.
🟣Среди основных тем: сжатие контекста, эффективное хранение и использование эмбеддингов, а также прикладное использование LLM в информационном поиске.
➡️Разбор статей Sber AI Lab, принятых на ECIR 2026:
🟣Pre-trained LLMs Meet Sequential Recommenders: Efficient User-Centric Knowledge Distillation
🟣Topological Metric for Unsupervised Embedding Quality Evaluation
📱Семинар пройдёт онлайн в SberJazz по ссылке
#анонc | 1 924 |
| 17 | 🔥Sber AI Lab расширяет команду
Мы усиливаем команду разработчиков агентов для ключевых бизнес процессов.
➡️ Middle/ Senior NLP Data Scientist
Что делать: Проектировать LLM- и агентные решения для банковских сценариев (от задачи до продукта). Разрабатывать архитектуру AI‑агентов: оркестрация, tool use, retrieval, memory, multi‑step workflows, guardrails.
Стек: Python, 3+ года NLP/LLM, трансформеры, опыт создания агентных систем. Плюсом: RAG, векторные БД, асинхронность.
➡️ Middle/ Senior ML Engineer
Что делать: оптимизировать инференс LLM и RAG, доводить прототипы до production‑ready кода, деплоить, настраивать CI/CD, мониторинг, интеграцию с API, БД, Kafka.
Стек: Python 3+ лет, прод агентных систем (LangGraph и др.), опыт с RAG, векторными БД, асинхронностью, Docker, OpenShift, GitLab.
📍Москва, Кутузовский проспект (гибрид)
🚀 В Sber AI Lab мы решаем сложные задачи, пробуем себя в новых ролях и постоянно развиваемся.
🔆Если это для вас — ждём отклик!
✈️ @sb_ai_lab
#job #вакансии | 1 100 |
| 18 |  🎬 AI‑ролик о команде Sber AI Lab
Показали, как Sber AI Lab работает над реальными задачами - но через метафоры и визуалы, сгенерированные ИИ.
🟣Ролик полностью сгенерирован нейросетями - от сценария до озвучки.
🟣За месяц с нуля, одним сотрудником
⚙️Инструменты:
Гигачат (сценарий, визуальные идеи),
Kling 3.0 + Veo 3.1 (видео),
Nano Banana 2 + Seedream 5.0 (изображения),
ElevenLabs (голос).
✅Главный вывод: важно понимать сильные стороны разных моделей и сочетать их — никакой один инструмент не закроет всё.
Смотрите и делитесь с друзьями!
❤ @sb_ai_lab | 1 222 |
| 19 |  +2🚀Как 100 студентов придумывали ИИ‑агентов для бизнеса (кейс от Sber AI Lab)
🔆В СберУниверситете прошла Весенняя экономическая школа — совместный проект НИУ ВШЭ и олимпиады «Я — профессионал».
🔆Sber AI Lab выступила партнёром: мы поставили задачу, консультировали участников и оценивали решения.
Масштаб: Три дня, 100 студентов из 47 вузов, 17 регионов.
⚡️Задача: спроектировать AI‑copilot для low‑code платформы, который строит ИИ-агента по текстовому описанию задачи.
Как это было?
🟣 Николай Тиден, руководитель Sber AI Lab - Центра практического ИИ, выступил с докладом об AI‑трансформации и о развитии карьеры в 🤖.
🟣 Дмитрий Парпулов, лидер команды Sber AI Lab, поставил задачу - продумать архитектуру, масштабирование и устойчивость агента.
🟣 Дмитрий Парпулов и Савелий Завертяев консультировали команды и оценивали решения.
🏆 Лучшие проекты:
🥇 1 место — copilot-платформа на LangFlow с мультиагентной системой и графом знаний.
🥈 2 место — copilot-агент для создания workflow через шаблоны и кастомные сценарии.
🥉 3 место — ассистент для создания агентов в LangFlow через естественный язык.
💚Спасибо командам за креативность и энергию!
❤ @sb_ai_lab | 0 |
| 20 |  🎂🎂🎂🎂🎂🎂🎂🎂
🚩C днем рождения, ГигаЧат 🚩
За эти три года ИИ-помощник научился помогать с любыми задачами и стал настоящим экспертом по множеству тем.
🟣 Пользователи провели за общением с ГигаЧат
-> 67 202 962 часов, из них в голосовом режиме -> 217 869.
🟣 Количество генераций превысило
256 000 000 штук, а самая длинная сессия составила -> 10 513 сообщений!
Помимо помощи в повседневных задачах, ГигаЧат освоил навыки в самых разных сферах от медицины до снижения аварийности линий электропередач.
🟣 Sber AI Lab использует ГигаЧат в создании ИИ-агентов и других решениях.
❤️ — если ГигаЧат хоть раз вас выручал!
❤ @sb_ai_lab | 0 |
