Machinelearning

🆕 Новый сильный GUI-агент: UI-Ins от TongyiLab и RUC Это модель, которая уверенно работает с мобильными интерфейсами и лучше понимает намерения пользователя. Она рассматривает команду как цепочку рассуждений, а не как одно действие, поэтому справляется со сложными задачами стабильнее. Результаты UI-Ins показал 74.1% успешных действий в AndroidWorld. Для сравнения: Gemini 2.5 Computer Use - 69.7%. То есть модель чаще правильно выполняет задачи в реальных интерфейсах. Модель: - пытается понять цель, а не только текст команды - строит несколько вариантов рассуждений - выбирает подходящую стратегию перед действием - адаптируется, если состояние приложения меняется Идет в двух версиях: 7B и 32B. Если вы работаете над агентами, которые должны нажимать кнопки, заполнять формы, открывать приложения и следовать шагам в интерфейсе - UI-Ins стоит добавить в список моделей для тестов. 🤖 UI-Ins-7B: https://modelscope.cn/models/Tongyi-MiA/UI-Ins-7B UI-Ins-32B: https://modelscope.cn/models/Tongyi-MiA/UI-Ins-32B 📄 arXiv: https://modelscope.cn/papers/2510.20286 @ai_machinelearning_big_data #AI #Agents #GUI #MobileAgents #AndroidWorld #LLM

На больших AI-конференциях полезно смотреть не только на отдельные модели, но и на общую динамику, что реально доходит до практики, а что остаётся в исследовательских кругах. Недавно на встрече комьюнити дата-сайентистов ВТБ ComDS Олег Милосердов сделал обзор CVPR 2025 и аккуратно прошёлся по трендам из 13000+ работ. Получилась хорошая выжимка, которая экономит время и позволяет быстро понять актуальные направления. Если коротко, куда движется CV и смежные области: - больше прикладных задач и реальных внедрений - рост областей вроде embodied-AI, цифровых двойников и медицины - модели становятся гибче и адаптивнее - генеративные методы дешевеют и точнеют - фокус на осмыслении решений, а не просто распознавании Материал получился практичным - без лишнего шума. Ниже можно ознакомиться, если хотите держать руку на пульсе CV-исследований и их реальных применений. Подробнее

🆕 Новый сильный GUI-агент: UI-Ins от TongyiLab и RUC Это модель, которая уверенно работает с мобильными интерфейсами и лучше понимает намерения пользователя. Она рассматривает команду как цепочку рассуждений, а не как одно действие, поэтому справляется со сложными задачами стабильнее. Результаты UI-Ins показал 74.1% успешных действий в AndroidWorld. Для сравнения: Gemini 2.5 Computer Use - 69.7%. То есть модель чаще правильно выполняет задачи в реальных интерфейсах. Модель: - пытается понять цель, а не только текст команды - строит несколько вариантов рассуждений - выбирает подходящую стратегию перед действием - адаптируется, если состояние приложения меняется Идет в двух версиях: 7B и 32B. Если вы работаете над агентами, которые должны нажимать кнопки, заполнять формы, открывать приложения и следовать шагам в интерфейсе - UI-Ins стоит добавить в список моделей для тестов. 🤖 UI-Ins-7B: https://modelscope.cn/models/Tongyi-MiA/UI-Ins-7B UI-Ins-32B: https://modelscope.cn/models/Tongyi-MiA/UI-Ins-32B 📄 arXiv: https://modelscope.cn/papers/2510.20286 @ai_machinelearning_big_data #AI #Agents #GUI #MobileAgents #AndroidWorld #LLM

🌍 Awesome-World-Models На GitHub вышел большой курируемый репозиторий, собравший всё самое важное о World Models - моделях, которые учат ИИ понимать и предсказывать действия в реальном мир. Внутри можно найти ключевые работы и исследования по направлениям: - embodied-AI и робототехника - автономное вождение - NLP-модели с долгосрочным контекстом и планированием - другие области, где ИИ должен строить представление о мире и действовать в нём Если тема миромоделей интересна - это отличный старт для изучения. GitHub: github.com/knightnemo/Awesome-World-Models @ai_machinelearning_big_data #worldmodels

🧨 Kimi представили новую модель - Kimi-Linear-48B-A3B-Base Модель хороша тем, что даёт почти уровень больших LLM на длинных контекстах, но при этом заметно экономит память и работает быстрее за счёт линейной архитектуры. Что улучшили: - требует до 75% меньше памяти на KV-кэш - до 6.3× быстрее декодирование на длинных контекстах Как устроена: - гибридный подход: Kimi Delta Attention + MLA - модель хорошо оптимизирована под длиннный контекст и высокую пропускную способность По бенчмаркам модель обгоняет и MLA, и GDN-H, включая задачи с длинным контекстом. В задачах на рассуждения и длинную RL-генерацию Kimi-Linear показывает заметно лучшие результаты, чем MLA. Архитектура модели пример того, как линейные attention-архитектуры выходят на уровень, где они конкурируют с классическими решениями не только по скорости, но и по качеству. 🟠Github: github.com/MoonshotAI/Kimi-Linear 🟠Hf: https://huggingface.co/moonshotai/Kimi-Linear-48B-A3B-Instruct @ai_machinelearning_big_data #Kimi #llm

ИИ-ассистент по имени «Ави» от Авито готовится к запуску Технологическая платформа подала заявку на регистрацию соответствующего товарного знака – стало известно Коммерсанту. Новый виртуальный помощник работает на базе большой языковой модели и общается с пользователем в формате живого диалога. «Ави» уточняет цель покупки, предлагает подходящие варианты, помогает разобраться в характеристиках и объясняет, чем отличаются похожие предложения. Сейчас ассистент проходит тестирование в разных категориях, а в следующем году компания планирует запустить универсальную версию, которая будет работать во всех вертикалях платформы. По оценкам экспертов, разработка могла обойтись примерно в 500 млн рублей. Ранее в Авито сообщали, что планируют инвестировать до 12 млрд рублей в развитие генеративного ИИ и заработать на этом более 21 млрд рублей к 2028 году. Источники отмечают, что запуск таких решений — новый тренд среди крупных компаний: они позволяют быстрее получать бизнес-эффект и усиливают лояльность аудитории. Ранее уже писали о том, что Авито выложил в открытый доступ свои модели A-Vibe (текстовая) и A-Vision (мультимодальная). Всего за неделю A-Vibe собрала свыше 1400 скачиваний и вошла в топ трендовых моделей на Hugging Face — среди сотен тысяч доступных нейросетей.

🔥 Hugging Face снова выкатили полезные материалы. Вышел бесплатный плейбук о том, как изнутри строят SOTA-модели. Без общих слов - только реальные решения и нюансы, которые обычно скрыты внутри исследовательских команд. Это полноценный мастеркласс на 214 страниц для тех, кто хочет понимать, как устроены современные LLM. Что внутри: • Логика построения модели: зачем → что → как • Как разработчики берут модель и по частям включают/выключают компоненты (или меняют их) • Архитектура: ключевые выборы и trade-offs • Искусство подбора и очистки данных • Как проходит обучение моделей • Пост-тренинг и RLHF в 2025 • Инфраструктура больших моделей По первым страницам - уровень деталей как в Ultra-scale playbook. Ссылка: https://huggingface.co/spaces/HuggingFaceTB/smol-training-playbook#designing-the-model-architecture @ai_machinelearning_big_data #AI #LLM #MachineLearning #HuggingFace

🖥 Ничего необычного - просто в одном из сеульских кафе заметили СЕО Nvidia, который отмечал капитализацию в $5 трлн жареной курицей и пивком. С ним за столом сидели руководители Samsung и Hyundai. @ai_machinelearning_big_data #Nvidia

🧾 Microsoft раскрыла цифры, которые показывают масштабы расходов OpenAI. В отчёте для SEC видно: OpenAI потеряла около $11.5 млрд за один квартал. Это считается по методу учёта доли — Microsoft владеет примерно 27% OpenAI и списала у себя $3.1 млрд. Если 27% = $3.1 млрд убытка, то общий минус - около $11.5 млрд. Ещё один факт: Microsoft уже перечислила $11.6 млрд из обещанных $13 млрд - почти всё финансирование уже пришло в OpenAI. И при этом Microsoft за тот же период заработала $27.7 млрд чистой прибыли, так что такой минус она спокойно выдерживает. Гонка за лидерство в ИИ - это игра, где даже крупнейшие компании готовы сжигать гигантские суммы. Интересно посмотреть, сколько она ещё продлится и кто выдержит дольше? theregister.com/2025/10/29/microsoft_earnings_q1_26_openai_loss @ai_machinelearning_big_data #opanai #Microsoft #money

🚀 Emu3.5 - масштабная мультимодальная world-модель, которая предсказывает следующий vision-language-стейт Это World-модель, работающая сразу с двумя потоками - текстом и пикселями и предсказывающая их совместное состояние на каждом шаге. - 🔥 Обучена на 10T+ чередующихся vision-language токенов и доведена RL - в результате модель демонстрирует сильное мультимодальное рассуждение и генерация - ⚡ Новый подход DiDA (Discrete Diffusion Adaptation) —- Discrete Diffusion Adaptation переводит последовательное декодирование в параллельное двустороннее «денойзинг»-предсказание в дискретном пространстве токенов - в итоге это дает примерно 20× быстрее инференс без потери качества. По метрикам модель превосходит Nano Banana в генерации, редактировании и интерливинговых задачах. 🟠Попробовать: Emu3.5: https://emu.world 🟠Github: https://github.com/baaivision/Emu3.5 @ai_machinelearning_big_data #Emu3 #MultimodalAI #WorldModel #NextTokenPrediction

🧠 Новое исследование Anthropic: Как модели учатся понимать самих себя Anthropic проверили, способны ли большие языковые модели осознавать собственные «мысли» и внутренние состояния. Для эксперимента они использовали технику внедрения концептов - добавления определённого паттерна активности в нейроны модели. Например, они внедряли сигнал “ALL CAPS” - это шаблон, соответствующий тексту, написанному ЗАГЛАВНЫМИ БУКВАМИ. Если такая активация появляется внутри сети, значит, модель «думает» о тексте, который нужно сделать капсом. После внедрения исследователи спрашивали модель: *«Ты чувствуешь, что что-то изменилось?»* В 20% случаев Claude 4.1 правильно замечал вмешательство ещё до того, как сам использовал капс, то есть распознавал изменение внутри себя. В другом эксперименте учёные подменяли слово в ответе (например, добавляли слово “bread”) и проверяли, осознаёт ли модель, что это не её собственное намерение. После внедрения мысли Claude начинал считать это слово своим выбором и придумывал обоснования, как будто у него есть память о решении. Модели также смогли управлять своими внутренними состояниями: по команде «думай об этом» активность усиливалась, по команде «не думай» - ослабевала. Авторы отмечают -

Интроспекция работает лишь в определённых сценариях - мы пока не знаем, насколько она масштабируема или применима ко всем моделям и задачам Нужен дальнейший анализ: подтверждение, что то, что мы видим - не просто имитация, а действительно внутренний механизм самосознания

Главный вывод исследования: хотя модели пока далеки от настоящей интроспекции, они уже частично способны “заглядывать внутрь себя” и понимать, что происходит в их нейронных процессах. https://www.anthropic.com/research/introspection @ai_machinelearning_big_data #Anthropic #llm

💡 Cursor 2.0 - большое обновление ИИ-редактора кода Новая версия делает работу с агентами и кодом ещё гибче и удобнее: - Мульти-агенты - теперь можно запускать до 8 агентов параллельно, каждый работает в своей изолированной копии кода. - Composer: первая собственная агентская модель Cursor, которая оптимизирована под длинный контекст и инструменты (с производительностью в ~4× выше, по сравнению с аналогичными по «интеллекту» моделями.) - Backend-абстракция - легко переключаться между локальной системой, виртуальной машиной или базой данных. - Встроенный Browser - агенты теперь сами тестируют веб-приложения, кликают по элементам - Новый Code Review - удобный просмотр изменений без постоянных переключений между файлами. - Sandboxed Terminals - команды выполняются в безопасной среде без доступа в интернет. - Team Commands - единые команды и настройки для всей команды разработчиков. - Voice Mode - управление агентом голосом и голосовые запросы. - Ускоренный LSP - быстрее работает автодополнение и анализ кода в больших проектах. - Plan Mode in Background - планирование и выполнение задач теперь можно разделять и выполнять параллельно. - Cloud Agents - мгновенный запуск и высокая стабильность (99.9% аптайма). - Enterprise-функции - централизованный контроль, hooks и аудит действий пользователей. Подробнее: https://cursor.com/changelog/2-0 @ai_machinelearning_big_data #Cursor

💴 Капитализация Nvidia превысила $5 трлн - впервые в истории компания достигла такой оценки. За пять лет акции $NVDA подскочили более чем на 1500%. Производитель чипов зарабатывает на взрывном спросе со стороны Microsoft, OpenAI и других игроков ИИ-рынка. Пока все искали золото, Nvidia продавала лопаты - и стала самой дорогой компанией в мире. @ai_machinelearning_big_data #Nvidia

Если тренируете LLM и упираетесь в лимиты по скорости обучения или в число GPU — есть решение на интенсиве от ШАДа и Яндекс Образования — LLM Scaling Week. Инженеры из команды YandexGPT покажут решения, которые помогут масштабировать модели и снижать затраты на GPU. За время интенсива: ✔️ Поймешь, как переходить от экспериментов к масштабу на примере реального продакшена ✔️ Научишься масштабировать и ускорять модели ✔️ Разберешься, как перейти с одной GPU на десятки, не сжигая бюджет ✔️Освоишь современные подходы к увеличению эффективности обучения LLM: FP8, Triton, параллелизмы, Mixture of Experts Участие в LLM Scaling Week бесплатное, регистрация на интенсив продлится до 13 ноября — по ссылке

⚡️ OpenAI представляет gpt-oss-safeguard - открытые модели для гибкой и понятной модерации контента Вместо жёстко обученного классификатора модель принимает на вход вашу собственную политику безопасности и рассуждает, соответствует ли сообщение этой политике. Результат - не просто «безопасно/небезопасно», а цепочка рассуждений, которую вы можете проверить и улучшить. Модели вышли в двух размерах: 120B и 20B. • gpt-oss-safeguard-120B • gpt-oss-safeguard-20B 💡 Зачем нужны: •Политики можно менять без переобучения модели • Подходит для нишевых или быстро меняющихся рисков (например, читерство в играх или фейковые отзывы) • Не требует тысяч размеченных примеров • Идеален, когда важна объяснимость, а не минимальная задержка Обе доступны под лицензией Apache 2.0 - их можно свободно использовать, модифицировать и разворачивать. 🔗 Официальный анонс 🤗 Hugging Face @ai_machinelearning_big_data #openai #chatgpt #opensource

📊 TypeScript впервые обошёл Python и JavaScript в рейтинге GitHub Octoverse 2025 GitHub опубликовал ежегодный отчёт Octoverse, в котором TypeScript занял первое место среди самых популярных языков программирования, впервые вытеснив Python и JavaScript. ▪После запуска Copilot Free приток новых разработчиков на платформу достиг рекордных 36 млн в год, примерно один новый разработчик каждую секунду. ▪ Количество ИИ-проектов почти удвоилось. ▪ Индия обогнала Китай и вышла на второе место по числу разработчиков, показав рост на 34%, а Россия вошла в топ-10. ▪ Ежеминутно создаётся более 200 репозиториев, но лишь 63% из них содержат README Мир разработки меняется - ИИ ускоряет приток новых программистов, а TypeScript становится новым стандартом современного кода: Подробнее: https://github.blog/news-insights/octoverse/octoverse-a-new-developer-joins-github-every-second-as-ai-leads-typescript-to-1/ @ai_machinelearning_big_data #github

Как стать востребованным ML-щиком, за которым охотится рынок? Уже сегодня компании активно ищут тех, кто не просто «учит модели», а сразу умеет запускать их в прод. Именно такие специалисты — на весь золота [да-да, зарплаты у них тоже золотые]. Научиться этому в числе первых можно на курсе «Практическая ML-инженерия: MLOps и разработка проектов» от AI Talent Hub Университета ИТМО! У тебя будет 5 месяцев, чтобы: ✔️ Освоить стек для продакшн-ML ✔️ Запустить собственный ML-сервис ✔️ Вырасти вгрейде и совершить карьерный переход в MLOps ✔️ Получить диплом ДПО ИМТО, признанный в индустрии Все это — под руководством ведущих экспертов в сфере ML из Ozon, Газпромбанка и других ТОП-компаний. + Приятный бонус: курс можно оплатить частями без процентов. Изучай программу и успевай подать заявку до 31 октября! Реклама. Университет ИТМО ИНН:7813045547

✔️ Apple достигли отметку в 4 триллиона долларов рыночной капитализации, присоединившись к Nvidia и Microsoft в эксклюзивном клубе крупнейших публичных компаний. Рост стоимости акций Apple за последние шесть месяцев составил около 28%. Этому способствовал сильный спрос на iPhone 17, который превзошёл ожидания и развеял опасения, что компания отстаёт в гонке ИИ. Однако главным фактором стал бизнес сервисов - в него входят App Store, iCloud, Apple Music, Apple TV+, AppleCare, реклама и платёжные сервисы. По прогнозам аналитиков, выручка от сервисов впервые может превысить 100 миллиардов долларов в год. Если Nvidia и Microsoft пришли к $4T через инвестиции в центры обработки данных и ИИ-инфраструктуру, то Apple опирается на растущую базу покупателей их устройств и растущую выручку от подписок и экосистемы. ft ✔️ Google представила Pomelli - экспериментальный AI-инструмент для маркетинга Компания запустила Pomelli, новый генеративный сервис, который помогает брендам быстро создавать масштабируемый контент в едином стиле. Достаточно ввести адрес сайта и Pomelli анализирует фирменный стиль, тон и продукт, чтобы автоматически собрать кампании, тексты и визуалы, соответствующие вашему бренду. Инструмент нацелен на ускорение маркетинга без потери уникальности бренда и уже доступен в США, Канаде, Австралии и Новой Зеландии и потихоньку раскатывается на другие регионы. labs ✔️ Cвежий отчёт “Accountable Acceleration: Gen AI Fast-Tracks Into the Enterprise”, показывающий, как генеративный ИИ за год превратился в основу корпоративных процессов. 82% компаний уже используют Gen AI хотя бы раз в неделю, почти половина - ежедневно. При этом 89% считают, что ИИ усиливает возможности работников, а не заменяет их. 72% организаций измеряют отдачу от Gen AI с помощью ROI-метрик, фокусируясь на росте производительности и прибыли. 61% уже имеют или планируют ввести должность Chief AI Officer, это знак того, что ИИ переходит на уровень корпоративного управления. 88% компаний увеличат бюджеты на ИИ в ближайший год, а 62% планируют рост инвестиций минимум на 10%. wharton ✔️ Liquid AI представила LFM2-ColBERT-350M: компактную retrieval-модель на 350M параметров, которая уверенно работает в мультиязычной среде. Она позволяет хранить документы на одном языке и точно находить их на других - с высокой скоростью и качеством, сравнимым с куда более крупными моделями. Лучшая модель в классе до 500M параметров Превосходит большие модели на немецком, арабском, корейском, испанском, португальском, итальянском, французском и японском В английском показывает такой же уровень, как и значительно более тяжёлые модели Обрабатывает свыше 1000 документов в секунду и легко масштабируется HF ✔️ Nvidia представила крупное обновление своей открытой экосистемы, добавив десятки моделей и датасетов. В языковом направлении вышли Nemotron Nano 3 - компактная MoE-модель для генерации и рассуждений, Nemotron Nano 2 VL для анализа документов и мультимедиа, Nemotron Parse для извлечения структурированных данных, а также Nemotron Safety Guard — инструмент модерации мультиязычного контента. Для робототехники и физического моделирования представлены Cosmos Predict 2.5, Cosmos Transfer 2.5, Cosmos Reason и Isaac GR00T N1.6, а в биомедицине — Clara CodonFM, Clara La-Proteina и Clara Reason, помогающие в анализе РНК и 3D-структур белков. Всего NVIDIA уже опубликовали более 650 моделей и 250 датасетов. nvidia ✔️ Amazon готовит крупнейшее сокращение с 2022 года: около 10% офисных сотрудников Компания планирует уволить почти 10% из примерно 350 000 корпоративных работников, что станет самым масштабным сокращением с конца 2022 года, когда было ликвидировано около 27 000 позиций. Генеральный директор Энди Джасси ранее отмечал, что рост использования ИИ приведёт к дальнейшему снижению числа рабочих мест, особенно там, где процессы можно автоматизировать и упростить. ИИ снова становится не только источником роста, но и фактором перестройки рынка труда. @ai_machinelearning_big_data #news #ai #ml

💰 Microsoft объявила, что достигла соглашения с OpenAI по поводу своей доли владения. Основные детали: • Microsoft теперь владеет 27% акций OpenAI, что оценивается в 135 млрд долларов. • OpenAI обязалась закупить услуг Azure на сумму 250 млрд долларов. До тех пор, пока OpenAI официально не объявит о создании ИОИ (Искусственного общего интеллекта, AGI), Microsoft остаётся её эксклюзивным облачным и API-партнёром с полными правами на текущие модели и интеграции. После того как AGI будет подтверждён независимой комиссией, эксклюзивность прекращается, однако Microsoft сохранит права собственности и использования всех технологий, разработанных до появления AGI. https://openai.com/index/next-chapter-of-microsoft-openai-partnership/ @ai_machinelearning_big_data #OpenAI #Microsoft #agi #llm

🦾 Исследователи из Пекинской академии ИИ (BAAI) показали видео, в котором их робот Unitree G1 тянет Ладу Весту машину весом 1400 кг. @ai_machinelearning_big_data #ai #Unitree #robots