Machinelearning

✔️ Data-платформа постепенно превращается в конструктор Для AI и Big Data уже недостаточно просто где-то хранить большой объём данных. Вокруг моделей и аналитики появляется целая цепочка: данные нужно загрузить, обработать, связать между собой, запустить пайплайны, подготовить датасеты и только потом использовать в моделях или BI. Поэтому инфраструктура всё чаще собирается не из одной универсальной системы, а из набора специализированных компонентов, которые работают вместе. Именно такой подход появился в обновлённом Stackland от Yandex Cloud: в закрытом корпоративном контуре теперь можно развернуть связку из ClickHouse и PostgreSQL, Object Storage и Trino, Airflow и DataLens. В результате в одном контуре оказываются и хранилища, и аналитика, и оркестрация процессов. Для AI-сценариев это позволяет выстраивать непрерывный путь данных — от их поступления и обработки до подготовки для моделей и анализа результатов. @ai_machinelearning_big_data #news #ai #ml

📌 Dream-RSI: агент улучшает стратегию поиска решений на основе прошлых запусков Google опубликовала Dream-RSI - надстройку над агентами, которые ищут решения перебором: пишут код, прогоняют его через оценщик и дорабатывают лучшие варианты. Концепт управляет стратегией исследования, решая, какие варианты развивать, сколько попыток запускать параллельно и когда остановиться. Модель, агент и оценщик при этом не меняются, самосовершенствуется только код стратегии. 🟡Механика Каждый запуск сохраняется как дерево попыток, где узел хранит версию решения, диагностику и оценку. Это дерево используется как симулятор - альтернативная стратегия проходит по записанным ветвям в другом порядке, с другой параллельностью и другими точками остановки, а результаты берутся из записей без новых вызовов агента. Отдельный агент на базе языковой модели несколько раз переписывает код стратегии, каждую версию прогоняют по всем накопленным деревьям, и в следующий раунд уходит лучшая. Оценка складывается из лучшего найденного результата, штрафа за число попыток и бонуса за параллельность. Прежняя стратегия тоже участвует в отборе, поэтому на записях прошлых запусков новая версия по оценке не уступает старой. 🟡Тесты В задаче ускорения решателя Lasso версия на Gemini 3.1 Pro снизила среднее время работы на шести отложенных наборах данных с 3587 до 2931 мс и потратила 317 вызовов агента вместо 550. В математических задачах результат смешанный: в задаче сумм и разностей 1,145427 против 1,143975 у SimpleTES, в упаковке кругов ничья, в неравенстве автокорреляции результат хуже собственной базы. В третьей серии агент ускорял операции нейросетей на видеокарте из набора KernelBench. Для сети VGG16 и слоя нормализации LayerNorm Dream-RSI достиг той же скорости, что и база, за в 2,43 и 1,79 раза меньшее число попыток. Для двух связок свёртки с делением и с выбором максимума он при том же числе попыток нашёл код быстрее базового в 2,09 и 1,44 раза.

Пока доступны только статья и страница проекта с интерактивной демонстрацией.  Код и скрипты для воспроизведения Google обещает выложить позже.

🟡Страница проекта 🟡Техотчет 🟡Демо 🖥GitHub @ai_machinelearning_big_data #AI #ML #RSI #Agents #DreamRSI #Google

🦾 Практический RecSys: собери рекомендательную ленту с помощью ML — на бесплатном вебинаре AI Talent Hub × Karpov.Courses 30 сентября в 18:00 разберем как работают рекомендательные системы изнутри. Научим:

→ Превращать действия пользователей в данные для модели: просмотры, клики, реакции и другие сигналы; → Собирать персональные рекомендации и понимать, что показать конкретному пользователю; → Ранжировать контент в ленте и оценивать качество рекомендаций не только по ML-метрикам, но и с точки зрения продукта;

И покажем, как эти навыки можно развить на программе AI Talent Hub ИТМО × karpovꓸcourses «Машинное обучение: от технической базы до создания ИИ-продукта». 👉 Участие бесплатное, по предварительной регистрации → успей зарегистрироваться до 30 сентября @aitalenthubnews

🤖 Робот сначала ошибается в симуляции, а потом исправляет движение до попытки в реальном мире. Sakana AI и Токийский университет представили SAIL. Модель получает несколько примеров выполнения задачи и предлагает траекторию. Её проверяют в симуляторе, другая модель смотрит видео и отмечает, где робот перестал продвигаться к цели. Затем система меняет неудачный участок и пробует снова. На физический манипулятор отправляют только выбранную траекторию. В симуляции робот выполнял шесть разных задач. Одна попытка выбрать движение приводила к успеху в 25% случаев. Когда SAIL могла проверить и улучшить до 45 вариантов, успех вырос до 73%. Затем метод испытали на настоящем роботе: в одной задаче он справился 5 раз из 6. Пока это проверка на одной физической задаче, но идея наглядная: дать модели больше попыток *до* движения робота, не переобучая её. Блог - https://pub.sakana.ai/sail/ Статья - https://arxiv.org/abs/2603.08269 @ai_machinelearning_big_data #Sakana

⚡️ OpenAI сосредоточила большую часть исследований на GPT-7, GPT-8 и следующих поколениях Глава Applied Research OpenAI Борис Пауэр заявил, что около 80–90% исследовательской работы компании уже направлено на GPT-7, GPT-8 и более поздние поколения моделей. По его словам, улучшения внутри одной генерации рассматриваются скорее как краткосрочная задача. Основной долгосрочный фокус - на создании более мощных frontier-моделей. Пауэр также отметил, что мощную модель вроде GPT-6 Astra можно использовать для обучения более лёгких моделей класса Luna. Отдельно он подчеркнул, что сейчас проблема заключается не только в качестве самих моделей: многие пользователи всё ещё не используют значительную часть возможностей уже существующих AI-систем. @ai_machinelearning_big_data #OpenAI

Вопрос уже не в том, нужен ли ИИ, а в том, как его внедрять и масштабировать Найдем ответ на бесплатной конференции 8 октября Все об эффективном и безопасном внедрении ИИ в бизнес расскажут эксперты топовых технологических компаний на конференции Selectel ТехноДень в Москве. На повестке: 🔺Как использовать генеративный ИИ в компании без хаоса и получать от этого измеримый эффект: от теории до реальных кейсов. 🔺Как ускорить внедрение ИИ в бизнес-процессы и минимизировать риски для бизнеса с помощью инструментов ИБ. 🔺Какую ИТ-инфраструктуру выбрать для инференса и обучения моделей. Кроме 20 экспертных докладов и 20 интерактивных стендов, в финале вечера вас ждет живая запись подкаста Вселенная Плюс на главной сцене конференции. Присоединяйтесь к Selectel ТехноДень, чтобы лично задать вопросы экспертам рынка и обменяться опытом. Количество мест ограничено, регистрируйтесь уже сейчас → Реклама. АО "Селектел". erid:2W5zFG5D5TF

✔️ Gemini получит функцию исходящих звонков и навигации по IVR-меню Google тестирует функцию Call for Me, с которой агент Gemini самостоятельно звонит в организации от имени пользователя. На этапе пилота инструмент доступен в США в бета-версии приложения «Google Телефон» для пользователей Pixel 11 с платной подпиской Gemini. Агент совершает исходящие звонки с реального номера абонента, ориентируется в IVR-меню, ждет на линии ответа оператора и передает заранее согласованные данные. Среди сценариев заявлены бронирование ресторанов, перенос записей и проверка наличия товаров. Во время разговора на экране транслируется реалтайм-стенограмма. Пользователь может контролировать процесс и перехватить управление в любой момент. Закрытый характер тестирования в Google объясняют необходимостью дополнительной калибровки модели для работы с нелинейными живыми диалогами перед глобальным релизом. @ai_machinelearning_big_data #news #ai #ml

✔️ Claude Code не будет обрывать сессии при достижении 5-часового лимита При достижении 5-часового лимита использования Claude Code перестанет резко обрывать сессии. Агент завершит текущую задачу на логическом этапе, используя фиксированный резерв из недельной квоты. Функция разворачивается постепенно и зависит от подписки. На тарифе Pro резерв для закрытия задач срабатывает один раз в неделю. Пользователям Max и Team Premium он доступен при каждом достижении 5-часового лимита.

Для продолжения работы после автоматического завершения сессии потребуются дополнительные кредиты.

@ai_machinelearning_big_data #news #ai #ml

✔️ Создатель Ruby on Rails полностью отказался от ручного программирования На конференции Rails World 2026 создатель Ruby on Rails и сооснователь Basecamp Дэвид Хейнемейер Ханссон признался, что после 25 лет карьеры прекратил писать код вручную. Всего за год из скептически оценивавшего перспективы генеративного ИИ в разработке, с марта 2026 года он не набрал самостоятельно ни одной строчки.

«...меня удивил тот факт, что на самом деле существует язык программирования, который нравится мне больше, чем Ruby... Он называется английским. Английский - более лучший язык программирования, чем Ruby».

Ханссон уверен, что ручной труд окончательно потерял экономический смысл для большинства кодинг-команд, а к концу года это станет реальностью практически для любых сфер коммерческой разработки:

«...написание кода вручную больше не является экономически продуктивным занятием для подавляющего большинства программистов, работающих в большинстве компаний.»

Происходящую трансформацию Дэвид охарактеризовал как самое масштабное событие в истории вычислительной техники, открывающее новый этап в профессии. По его оценке, инженеры перестают быть кодерами и становятся создателями продуктов, чья задача - направлять автономные ИИ-системы. Ханссон также заявил о неизбежности фундаментального пересмотра архитектуры ПО: привычные слои абстракций обесцениваются, когда изменения в код вносят агенты, а индустрии еще только предстоит сформулировать новые проектные шаблоны для этой парадигмы. 🔜 Посмотреть запись выступления на Youtube @ai_machinelearning_big_data #news #ai #ml

✔️ Апелляционный суд США оставил Anthropic в чёрном списке Пентагона Суд округа Колумбия признал законным присвоение Anthropic статуса риска для цепочки поставок. Статус запрещает военным и их подрядчикам использовать Claude в работе на ведомство. Суд отклонил доводы компании о произвольности решения, превышении полномочий и нарушении конституции. По мнению суда, соотношение рисков вправе определять президент и министр обороны. Решение касается одного из двух параллельных статусов, второй в августе отменил суд в Сан-Франциско. Вступление решения в силу отложено, чтобы компания могла просить о пересмотре расширенным составом или обратиться в Верховный суд. Anthropic с решением не согласна и рассматривает все варианты. cnbc.com ✔️ Microsoft собрала суперапп Copilot Обновлённый корпоративный Copilot разделён на три вкладки. Home объединяет чат и агента Cowork. Code на технологиях GitHub Copilot собирает по описанию внутренние приложения, дашборды и автоматизации в изолированной среде. Autopilot, бывший Scout, работает в облаке с собственной учётной записью и памятью и продолжает задачи в отсутствие пользователя, в Teams и Outlook его можно тегать как коллегу. Чат и Copilot в Word, Excel, PowerPoint, Outlook и Teams остаются в подписке на пользователя, а Cowork, Code, Autopilot и новейшие модели оплачиваются по потреблению. Расходы администраторы контролируют через панель FinOps for AI. Home и Code в ближайшие недели получат участники программы раннего доступа Frontier, Autopilot позже выйдет в закрытое превью. theverge.com ✔️ Fish Audio выпустила речевую модель Drama 3 Новая модель синтеза речи позволяет перегенерировать в готовой дорожке одно слово или фразу, не трогая всю генерацию. Тон, темп и характер голоса задаются описанием на естественном языке вместо тегов, голос можно сменить посреди предложения, а реплики нескольких персонажей модель озвучивает за один проход. Drama 3 пока в превью, доступ к API выдают по заявкам. FishAudio в Х ✔️ Prism ML показала 1-битную модель на умных очках На Snapdragon Summit компания запустила на очках с Snapdragon AR1 Gen 1 визуально-языковую модель на 2 млрд параметров. Внутри 1-битная языковая Bonsai 1.7B и 4-битный визуальный энкодер на 300 млн параметров, веса которой под NPU Prism ML оптимизировали совместно с Qualcomm. По замерам Qualcomm, генерация идёт со скоростью 15,4 токена в секунду, а локальный инференс на NPU и процессорных ядрах Snapdragon устраняет задержки сетевого подключения к серверам, экономит мобильный трафик и обеспечивает полную приватность, исключая отправку аудиозаписей и видеопотока со встроенных камер в облако. Сроки выхода в серийных очках не названы. prismml.com ✔️ Google отправит на орбиту спутник с TPU На следующей неделе Google Research выведет на низкую орбиту прототип спутника проекта Suncatcher, созданный вместе с Planet. Аппарат полетит попутной миссией SpaceX Transporter-18 и проверит, как тензорные процессоры переносят запуск, радиацию и охлаждение в вакууме. Проект изучает, можно ли строить вычислительную инфраструктуру для ИИ в космосе, где солнечные панели, по оценке Google, дают до восьми раз больше энергии. Спутник прошёл вибрационные испытания, а TPU Trillium на протонном ускорителе Калифорнийского университета выдержали дозу радиации больше, чем за пять лет на орбите. В 2027 году Google запустит два спутника, чтобы проверить лазерную связь между ними.  blog.google @ai_machinelearning_big_data #news #ai #ml

📌Fable 5.1 рассчитала амплитуду рассеяния в девяти петлях Модель в среде Claude Science рассчитала шестичастичную амплитуду рассеяния в планарной четырёхкратно суперсимметричной теории Янга–Миллса на уровне девяти петель.

Амплитуды рассеяния показывают, насколько вероятна та или иная реакция при столкновении частиц, и по ним теорию сверяют с данными Большого адронного коллайдера. Целиком их не посчитать, поэтому физики обрывают расчёт на определённом числе петель, т.к каждая следующая приближает к реальному ответу, но так его утяжеляет, что большинство амплитуд доведены лишь до двух петель, а некоторые до трёх. Суперсимметричный вариант теории Янга–Миллса реальный мир не описывает, это полигон, где специалисты по амплитудам оттачивают методы, потому что считать в нём парадоксально проще.

Задачу запустили штатные физики Anthropic Лиам Фицпатрик и Сиддхарт Мишра-Шарма в ответ на вызов бывшего физика и научного журналиста Мэтта фон Хиппеля - он предлагал ИИ-компаниям решить одну из крупных открытых задач его прежней области с вычислительными ресурсами академического уровня. Результат проверил Лэнс Диксон из Стэнфорда и SLAC, соавтор предыдущего рекорда в восемь петель. Восьмипетлевой результат Диксон и Энди Лю получили в 2023 году окольным путём, через родственную величину, форм-фактор. Claude пришёл к девяти петлям двумя способами - исходным гексагональным бутстрапом и через форм-фактор. Исследователи дали модели постановку задачи и дальше вмешивались редко, в духе:

«... я иду спать, продолжай, пока не скажу остановиться, и присылай отчёт каждые 4–6 часов».

Код бутстрапа Claude сам написал на Python с SymPy и неделю считал на 96 процессорах. Диксон проверил результат, пересчитав из амплитуды девятипетлевой форм-фактор, к которому его команда шла пару лет, и назвал работу настоящим триумфом для языковой модели, выполнившей все шаги сложного алгоритма. Параллельно к тому же результату шла группа Сун Хэ из Китайской академии наук с GPT-6 и когда китайцы связалась с фон Хиппелем через несколько дней после Anthropic, большая часть расчёта у них уже была готова. Фон Хиппель допускает, что задача просто удобна для ИИ, но считает, что технология действительно стала лучше:

«В марте 2026 года ИИ выполнял физические проекты как студент - это были небольшие задачи, много опеки и ошибок. Здесь же настоящий расчёт на переднем крае науки, из тех, за которые обычно берутся ведущие специалисты по амплитудам», – пишет он.

Результат выложен на сайте Мишры-Шармы. Рецензирования не было, а полную функцию, по признанию авторов, посчитали один раз, независимо перепроверили только её упрощённую часть, символ. @ai_machinelearning_big_data #news #ai #ml

✔️ Google добавила в Gemini 3.8 Live говорящий видеоаватар Gemini 3.8 Live with Live Avatar - дополнение к голосовой модели Gemini 3.8 Live, которую компания представила 15 сентября. Функция почти в реальном времени генерирует видео с персонажем, который ведёт разговор голосом, двигает губами в такт речи и меняет мимику. Модель одновременно принимает от пользователя видео и звук, поддерживает естественную смену реплик и вызывает внешние инструменты в фоне, не прерывая беседу. Движения губ и мимика подстраиваются под 97 языков, и, по словам Google, переход с одного на другой не ухудшает картинку. Персонажа можно выбрать из готовой библиотеки или создать своего по одному изображению с сохранением сходства и фирменного стиля. Создание собственных аватаров пока открыто только корпоративным клиентам по запросу. Весь аудио- и видеовыход помечается невидимым водяным знаком SynthID. Google предлагает использовать аватар в клиентской поддержке и интерактивных инструкциях. Функция вышла в общий доступ в Gemini Enterprise и через Gemini Live API.

Видео с аватаром стоит 1 доллар за миллион выходных токенов, секунда ролика расходует примерно 6 тыс токенов, а платить нужно только за время, пока аватар говорит. Минута его речи обходится в 37 центов за видео плюс 2 цента за голос, входящие звук и видео оплачиваются отдельно.

@ai_machinelearning_big_data #news #ai #ml

Появилось открытое сообщество для решения NetHack Исследователи из AIRI зовут объединяться тех, кто работает над системами планирования для ИИ, чтобы решить NetHack. По задумке лидера сообщества, Владислава Куренкова, у участников будет свой способ получить программу, свои инструменты и своя стратегия. Общая инфраструктура позволит видеть результаты, сравнивать их между собой и продолжать разрабатывать решения друг друга. Для старта доступен эволюционный харнесс на базе MAP-Elites: Claude Code, Codex или OpenCode модифицируют код ботов, а алгоритм сохраняет лучшие варианты для разных стартовых персонажей. В самой игре действует получившаяся программа, а не LLM на каждом ходу; участники могут разрабатывать собственные харнессы, а результаты независимо перепроверяются на скрытых сидах.

✔️ OpenAI выпустила открытый бенчмарк для оценки ИИ в психологии Набор Mental Health Bench проверяет, как модели ведут себя в диалогах от бытового стресса и проблем в отношениях до тяжёлого дистресса и экстренных кризисов. Сценарии охватывают взрослых, подростков, опекунов и врачей. Критерии написали более 80 психологов и психиатров из 22 стран. Итоговый балл раскладывается на десять параметров поведения, среди них безопасность, сбор контекста и сохранение самостоятельности пользователя. Ответы оценивает модель GPT-5.6 Sol. Лучший результат у GPT-6 Astra – 57,3%, следом GPT-6 Sol (53,9%) и Claude Opus 5.5 (52,4%). openai.com ✔️ Anthropic вывела облачные сессии Claude Code в общий доступ Долгий рефакторинг, миграцию или обновление зависимостей теперь можно отдать агенту в облако и закрыть ноутбук. Функция вышла из исследовательского превью, сессия идёт на виртуальных машинах Anthropic. Запустить её можно из веба, мобильного и десктопного приложений или командой claude --cloud. Запуски ставятся по расписанию, по вызову API или по событиям в GitHub, компании могут держать сессии на своих серверах. Функция входит в тарифы Pro, Max, Team и Enterprise и расходует общие лимиты подписки. Подписчики Pro и Max до 7 октября могут забрать разовый бонус в 100 и 250 долларов, он тратится только на облачные сессии. claude.com ✔️ Amazon делает видеомодель, ускоренную по принципу живых нейронов Стартап The Biological Computing вместе с AWS готовит коммерческий запуск text-to-video модели, оптимизированной по замерам активности живых нейронов. Она генерирует видео в 5 раз быстрее и на 80% дешевле рядовой модели при лучшем качестве. Какой видеогенератор взят за основу и как измеряли качество, компания не раскрывает. Оптимизация – проприетарный программный слой, который увеличивает модель менее чем на 0,1% и работает на обычном железе. Модель запустят на чипах AWS Trainium, в Amazon SageMaker AI и AWS Marketplace. Пока доступ выдают по заявке. aboutamazon.com ✔️ Black Forest Labs выпустила открытую модель мира FLUX 3 Action Стартап опубликовал веса и отчёт FLUX 3 Action – модели класса World Action Model на 7 млрд параметров, которая одновременно предсказывает команды роботу и кадры рабочей сцены на 2,13 секунды вперёд. Основа – FLUX 3, дообученная в основном на видео. На RoboLab-120 дистиллированная версия решает 42,2% задач, это лучший результат среди открытых моделей. Cosmos 3 Nano от Nvidia на 16 млрд параметров набирает 36,8%, π0.5 – 28,0%. В FP8 FLUX 3 Action в 1,5–4 раза быстрее Cosmos 3 Nano на ускорителях от B200 до RTX 5090. bfl.ai ✔️ Comfy Org запустила единый API для генерации изображений, видео и аудио Comfy Router собирает сервисы генерации медиа за одной точкой входа с общим биллингом и единым форматом запросов и вебхуков. Сервис выбирает провайдера по цене и задержке, распределяет нагрузку и при сбое переключается на другой узел. Через него можно обращаться к открытым и закрытым моделям или запускать в облаке свои графы ComfyUI. comfy.org @ai_machinelearning_big_data #news #ai #ml

⚡️ OpenAI готовит подписку ChatGPT Pro Max Согласно утечкам из кодовой базы сервиса, в ближайшее время появится новый тарифный план ChatGPT Pro Max со стоимостью выше 200$. Шаг продиктован серьезным дефицитом мощностей после запуска GPT-6 Astra, которая потребляет вычислительные ресурсы кратно интенсивнее предшественников. Из-за резкого наплыва аудитории, две недели назад OpenAI пришлось временно приостанавливать оформление подписки Pro. Главным отличием Pro Max станет снятие ограничений, мешающих агентам выполнять многочасовые циклы задач. Найденные в коде параметры указывают на расширение лимитов до диапазона от 100 до 900 сообщений в пятичасовом окне. В тематических сообществах предполагают, что с ростом аппетитов ризонинг-моделей появление сверхдорогих тарифов стоимостью от 500 до 1000 долларов в месяц неизбежно станет новой нормой. @ai_machinelearning_big_data #news #ai #ml

AIJ Contest 2026: реши реальные задачи и получи возможность забрать свой кусок 10-миллионного призового фонда ⚡️ Это состязание уровня high-stakes: солидный призовой фонд, только практические задачи от Sber AI и шанс задать вектор развития AI‑решений. 5 треков — 5 возможностей предложить нестандартное решение: ✔️ Guardian of Truth — разработать фильтр для выявления галлюцинаций в ответах ИИ-агентов. ✔️ Green Challenge — обучить робота Грина выполнять задачи по визуальным данным и инструкциям в симуляторе. ✔️ 3D DIT Distillation — ускорить и оптимизировать 3D-генератор Kandinsky 3D. ✔️ Vision-Action Data Factory — создать датасет для дообучения робототехнической модели SmolVLA. ✔️ Coordination Referee — построить модель-арбитра, определяющую сбои координации в мультиагентных системах. Участие поможет прокачать навыки, получить опыт решения индустриальных задач и стать частью профессионального AI‑сообщества. Выбирай: будешь участвовать один или в команде (2–4 человека) — и регистрируйся по ссылке. Дедлайн отправки решений — 20 октября 2026 года!

✔️ Cursor сократил расход токенов Anysphere переработала обвязку своего агента и снизила траты пользователей на токены на 7% без потери качества. Системный промпт сократили примерно на 75%, так как современным моделям больше не нужны длинные списки запретов, достаточно описать, как работает инструмент. Встроенные инструменты, которые требуются меньше чем в 20% диалогов, убрали из постоянного контекста и подгружают по требованию, что на 60% уменьшило объём их описаний в статичной части запроса. На месте остались чтение, поиск, правка файлов и терминал, а также ask_question, вызов которого некоторые модели выдумывают при его отсутствии, и create_plan для режима планирования.

Тем же способом раньше вынесли MCP-инструменты, и в сессиях с их вызовами общий расход токенов упал на 46,9%.

Остальную экономию дали кэш и работа с контекстом. С выхода GPT-5.6 API OpenAI позволяет явно размечать границы кэша, и Cursor ставит их после стабильных слоёв запроса перед растущей перепиской, а меняющиеся данные (навыки, субагенты и инфа об окружении) вынес в служебное пользовательское сообщение за этими границами. Инструмент чтения файлов стал нумеровать каждую десятую строку вместо каждой - номер стоит три–пять токенов, а за сессию агент читает десятки тысяч строк, так что чтение из кэша сократилось на 1,6%. Ещё из промпта убрали настойчивые советы отдавать изучение кодовой базы субагентам, поскольку модели освоили этот приём, а другую модель для субагента агент теперь выбирает только по указанию пользователя или обвязки. Изменения уже действуют для пользователей Cursor, те же приёмы перенесут в Grok Bot. @ai_machinelearning_big_data #news #ai #ml

✔️ OpenAI обновила голосовой режим ChatGPT Голосовой интерфейс ChatGPT перевели на новую линейку моделей GPT-6 (Astra, Sol и Luna). Главное изменение - подключение голосового ядра к внешним плагинам и API. Теперь система выполняет сквозные действия без текстового ввода. Пользователи могут голосом проверять календарь, отправлять письма, работать со Slack, отменять списания в финансовых сервисах и генерировать сайты. Голосовой движок также интегрирован в корпоративную среду ChatGPT Work в веб-версии и мобильных приложениях. Инструмент позволяет создавать документы, презентации и таблицы в ходе устного диалога с ассистентом. Обновление доступно глобально в актуальных сборках приложения. @ai_machinelearning_big_data #news #ai #ml

30 сентября приглашаем на АЛЬФА ВААА{АИ}ЙЙЙБ МИТАП — масштабное событие про нейросети и вайб-кодинг. Узнаем, кто из финалистов АЛЬФА ВААА{АИ}ЙЙЙБ ХАКАТОНА получит миллион за проект высоконагруженного прокси. В программе — техно-рейв с группой ЛАУД и ток-шоу про ИИ. Встречаемся в Москве на модной площадке Альфа-Кристалле или онлайн — главное зарегистрироваться.

🌟 Nvidia открыла веса модели для разметки спикеров в аудио Nemotron 3 Diarization – открытая модель диаризации на 100 млн параметров, которая работает на аудиозаписях и в потоковом режиме, размечая на записи отрезки речи каждого участника, включая моменты, когда люди перебивают друг друга.

Вместе с ASR это даёт расшифровку встреч, звонков и подкастов с разметкой по говорящим.

Модель различает до восьми собеседников – вдвое больше, чем предыдущая Streaming Sortformer компании. Длина записи не ограничена, потому что звук обрабатывается фрагментами. Метки говорящих анонимные - модель сообщает, что speaker_Х говорил с такой-то секунды по такую-то, но не определяет, кто это.

Имена и роли участников можно задать логикой сценария в целевом приложении, связав обезличенные каналы, временные метки и личность от вывода модели с заранее определенным списком спикеров.

🟡Архитектура Внутри 31-слойный трансформерный энкодер с RoPE. На вход подаётся моно-звук 16 кГц, мел-спектрограмма сжимается в кадры по 80 мс. На выходе модель для каждых 10 мс выдаёт вероятность того, что говорит каждый из восьми участников, поэтому одновременная речь двух людей не мешает разметке. Как и в Sortformer, каналы нумеруются в порядке появления голосов - первый новый голос получает первый канал. В потоковом режиме модель помнит собеседников через кэш голосов из прошлых фрагментов и очередь недавних кадров. 🟡Тесты

Главный показатель – DER, доля времени речи, размеченной с ошибкой (пропуск, ложное срабатывание или путаница говорящих). Чем ниже значение, тем лучше.

В Diarization-Bench от Voice Arena модель заняла первое место из 12 систем с DER 14,72% против 19,3% у следующей. Остальные сравнения Nvidia провела со своей прежней моделью. При задержке 1,04 секунды DER на DIHARD III снизился с 19,60 до 13,18%, на записях встреч NOTSOFAR1 – с 22,12 до 7,70%. На разговорах двух человек из CALLHOME в офлайн-режиме новая модель немного уступает Streaming Sortformer - 5,98% против 5,68%. Скорость подросла - на RTX PRO 5000 при обработке пакетами по 32 записи модель размечает 865 секунд звука за секунду вычислений против 136 у предшественницы. 📌Лицензирование: OpenMDW-1.1 🟡Блогпост 🟡Модель 🟡Демо @ai_machinelearning_big_data #AI #ML #Diarization #Speech #Nemotron #Nvidia