Machine learning Interview

🧬 AlphaGenome от Google DeepMind - ИИ, который читает код жизни Это один из тех релизов, которые реально двигают медицину, а не просто "ещё одна модель". Что делает AlphaGenome? Модель анализирует, как изменения в ДНК влияют на регуляцию генов - ключевой механизм за множеством наследственных болезней и рака. Вот где магия: - читает до 1 миллиона букв ДНК за раз - замечает изменение в одной букве - видит дальнодействующие эффекты, когда мутация находится далеко от гена, но всё равно на него влияет Раньше инструменты обычно умели либо анализировать длинные участки ДНК, либо делать очень точные предсказания. AlphaGenome делает и то и другое одновременно. Он обрабатывает до 1 мегабазы (1 Mb) ДНК за один проход и выдаёт предсказания на уровне отдельной буквы ДНК по тысячам биологических сигналов. Почему это big deal Сегодня учёные перебирают миллионы различий в ДНК, чтобы найти несколько реально важных. С такой моделью: - изменения можно оценивать за минуты, а не месяцы - лабораторное время уходит только на самые перспективные варианты Это означает: - ускорение диагностики редких заболеваний - особенно когда проблема вне самих генов - более точные исследования рака - модель помогает понять, какие "скрытые переключатели" включают гены - помощь в разработке лекарств - связывает изменения в ДНК с активностью генов в нужных тканях Команда выложила код и веса для некоммерческого использования, плюс доступен API, чтобы больницы и лаборатории могли тестировать модель в исследованиях. ИИ всё глубже заходит на уровень биологии, где одна буква может решать судьбу человека - и теперь у нас есть инструмент, который это реально видит. https://github.com/google-deepmind/alphagenome_research

🖥 Большинство “парсеров” умирают через 2 дня. Ты научишься делать те, которые живут в проде. Это не про BeautifulSoup ради галочки. Это про системы сбора данных, которые: • не падают от мелких правок на сайте • собирают данные в разы быстрее • обновляют всё сами по расписанию • обходят ограничения и баны • выглядят как сервис, а не хаос из файлов Ты начнёшь видеть сайты не как страницы, а как источники данных, к которым можно подключиться. В итоге ты сможешь: • забирать данные для своих проектов • автоматизировать чужую рутину • делать инструменты для аналитики • брать коммерческие заказы на сбор данных Это навык, который напрямую превращается в деньги. Не “знаю Python”, а умею добывать данные из интернета профессионально. 🎁 48 часов скидка 50% на Stepik: https://stepik.org/a/269942/

🧠 Бесплатные курсы по нейросетям собрали в одном месте - на удобном сайте с подборкой материалов от OpenAI, Microsoft и других топовых компаний. Проект Learn AI Go Where - это десятки проверенных курсов, гайдов и полезных ссылок по ИИ, которые реально стоит пройти. Без мусора и бесконечного поиска по всему интернету. https://www.learnaigowhere.com/

Tencent YouTu Research открыли Youtu-VL-4B-Instruct*- компактную VLM, которая серьёзно прокачивает визуальное понимание через подход VLUAS 👁️⚡ Это не просто “ещё одна vision-модель”, а попытка объединить кучу задач в одной архитектуре без зоопарка отдельных голов. 🌟 Что здесь особенно выделяется ✅ All-in-One Vision SOTA-уровень в детекции объектов, сегментации, оценке глубины и поз — без task-specific голов под каждую задачу. ✅ OCR и мультимодальное рассуждение Сильная в сложном разборе документов и задачах, где нужно одновременно видеть и “думать” (например, математика по изображениям). ✅ Готовность к GUI-агентам Оптимизирована под понимание окружающей среды и навигацию по интерфейсам — важная часть будущих AI-агентов. ✅ Эффективность Всего 4B параметров — хорошо подходит для edge-деплоя и быстрого инференса. 🔧 По результатам Модель обгоняет многие более крупные системы на OmniDocBench и vision-centric задачах, оставаясь при этом компактной. Это интересный шаг к универсальным vision-моделям, которые могут стать базой для агентов, работающих с экранами, документами и реальным миром. 🔗 Модель https://modelscope.cn/models/Tencent-YouTu-Research/Youtu-VL-4B-Instruct https://modelscope.cn/models/Tencent-YouTu-Research/Youtu-VL-4B-Instruct-GGUF 📄 Статья https://modelscope.cn/papers/2601.19798

Назад в 2016: ты помнишь, как всё начиналось… Судя по соцсетям, 2016-й был золотым годом. ML активно набирал обороты: TensorFlow в опенсорсе, Jupyter-ноутбуки, scikit-learn и матч AlphaGo — Ли Седоль (свело олдскулы?). Присоединяемся к тренду и вспоминаем ML-проекты Яндекса десятилетней выдержки. Поисковый алгоритм «Палех» Раньше поисковые системы работали по большей части как инвертированный индекс: запрос сопоставлялся со страницами, где встречались те же слова. Со временем в поиск начали добавлять клики, поведение пользователей и ссылочные факторы — всё это объединили в алгоритме ранжирования MatrixNet. А «Палех» стал следующим шагом: в поиске использовали нейросеть на базе DSSM, чтобы учитывать смысл запроса, а не только совпадение слов. Подробнее о том, как всё работало, можно почитать на Хабре. Перевод текста с изображения в Переводчике Яндекс Переводчик научился распознавать текст прямо на картинках. Можно было загрузить изображение — комикс, график с подписями или скан документа — и сразу получить перевод. Функция работала даже в неидеальных условиях: если текст был под углом, растянут или снят «на бегу». Распознавание поддерживало 12 языков, а перевод — любой из 74 языков, доступных на тот момент. В основе лежали технологии компьютерного зрения Яндекса — те же, что использовались в поиске похожих картинок и определении марки автомобиля по фото. А о том, как в Яндексе в 2016 году решали задачу машинного перевода для редких языков, — тут. Первая нейросеть для прогноза осадков с точностью до минут В Яндекс Погоду добавили нейросетевой «наукастинг» осадков — краткосрочный прогноз дождя и снега с высокой точностью. Модель использовала данные метеорадаров и свёрточные нейросети, чтобы предсказывать движение осадков на ближайшие пару часов с детализацией до отдельных районов. На коротких интервалах подход оказался точнее классических методов и улучшил прогноз «здесь и сейчас». О том, как далеко шагнуло прогнозирование погоды с помощью нейросетей в 2026-м — писали здесь, а вспомнить, что было в 2016-м, можно тут. Определение фишинга в Браузере с помощью ML Традиционная защита браузеров от фишинга была основана на чёрных списках опасных сайтов. Но с автоматизированными атаками, где фишинг-страницы появляются быстрее, чем их вносят в списки, в 2016-м она уже не справлялась. Стали прямо на устройстве пользователя анализировать самые разные признаки страницы — от технических параметров до визуального оформления — и оценивать её подозрительность. А компьютерное зрение использовали, чтобы сравнивать внешний вид сайтов с известными сервисами — так подделки находились даже без обращения к внешним спискам. Подробнее рассказали в хабростатье. Вот такие технологии из дохайповых времён. Делитесь в комментариях своими воспоминаниями об ML в 2016 году. ML Underhood

🚀 Масштабируем эмбеддинги, а не только экспертов - новый путь к более эффективным LLM Главная идея: в режимах высокой разреженности (sparsity) использование N-граммных эмбеддингов дает более выгодный Pareto-баланс, чем простое наращивание числа MoE-экспертов. На этом инсайте построена LongCat-Flash-Lite - первая open-source модель такого типа. ⚙️ 68.5B параметров всего (из них 37.13B не эмбеддинги) Активно на токен: ~2.9B–4.5B 📊 Бенчмарки: SWE-Bench - 54.4 τ²-Bench - 72.8 TerminalBench - 33.75 📃 Контекстное окно - 256K (на базе YARN) ✨ Оптимизирована под агентные задачи и кодинг, сильна и в общем рассуждении ⚡ Пиковая скорость инференса - около 700 токенов/с Итог - модель достигает конкурентного качества в своем классе при заметно меньших затратах и задержках. ▪Hugging Face: huggingface.co/meituan-longcat/LongCat-Flash-Lite ▪Технический отчёт: huggingface.co/meituan-longcat/LongCat-Flash-Lite/blob/main/tech_report.pdf

Google Research представили ATLAS — Practical scaling laws for multilingual models 🌍📈 Это практическая методика масштабирования многоязычных моделей, которая помогает понять, как правильно сочетать размер модели, объём данных и набор языков при обучении — не только для английского, а для сотен языков сразу. Что сделали исследователи • Провели 774 тренировки моделей от 10M до 8B параметров • Охватили 400+ языков • Тестировали качество на 48 языках ATLAS вводит адаптивные scaling laws, которые учитывают не только размер модели и данные, но и количество языков в обучении. Это важно, потому что в мультилингвистических моделях появляется эффект «curse of multilinguality» — когда слишком много языков начинают конкурировать за ограниченную ёмкость модели. Чем это ценно на практике — Помогает понять, когда добавление языков даёт положительный трансфер, а когда начинает вредить — Показывает, как распределять данные между языками для лучшего качества на целевых — Дает ориентиры, когда выгоднее обучать модель с нуля, а когда дообучать уже существующую Также вводится кросс-языковая матрица трансфера, показывающая, какие языки усиливают друг друга, а какие — конфликтуют при совместном обучении. По сути ATLAS — это data-driven фундамент для проектирования многоязычных LLM: сколько параметров нужно, сколько данных давать и какие языки смешивать, чтобы получить максимум качества без лишних затрат. Шаг в сторону более эффективного и менее англоцентричного AI. https://research.google/blog/atlas-practical-scaling-laws-for-multilingual-models/

🚀🚀🚀 Tencent открыли HPC-Ops — продакшн-библиотеку операторов для LLM-инференса, выжимающую максимум из GPU HPC-Ops — это библиотека операторов от Tencent HY, созданная для достижения пиковых показателей производительности на массовых inference-картах. Решает главную боль продакшена: стандартные библиотеки часто не доходят до реального потолка железа. Главные плюсы 🔹 +30% к пропускной способности - До +30% QPM для моделей Tencent HY - +17% для DeepSeek в реальных продакшн-сценариях 🔹 Оптимизация под железо С нуля написано на CUDA + CuTe, чтобы максимально загрузить GPU и убрать узкие места типичных стеков. 🔹 SOTA по ядрам - Attention — до 2.22× быстрее, чем FlashInfer / FlashAttention - GroupGEMM — до 1.88× быстрее, чем DeepGEMM - FusedMoE — до 1.49× быстрее, чем TensorRT-LLM 🔹 Готово к продакшену - Поддержка ключевых операторов: FusedMoE, GroupGEMM - Многонодовая коммуникация - Чистая абстракция для кастомизации под свои пайплайны Библиотека уже используется в крупномасштабных инференс-сервисах Tencent. Если вы крутите LLM в проде и упёрлись в пределы производительности — это как раз тот слой, где можно вытащить дополнительные десятки процентов без смены железа. 🔗 GitHub: https://github.com/Tencent/hpc-ops

🦾 Тестирование AI-агентов: от RAG-прототипа к управляемой системе Красивые ответы в прототипе не означают готовность к продакшену. Галлюцинации, ложная уверенность и деградация качества проявляются при работе с реальными пользователями. На уроке разберём: — Архитектуру AI-агента как объект тестирования: LLM, RAG, промпты, данные. — Ключевые ошибки: галлюцинации, нерелевантность, ложная уверенность. — Метрики для оценки качества и цикл: тестирование → улучшение → валидация. — Практическую демонстрацию валидации RAG-агента. 🗓 10 февраля, 20:00 МСК Регистрация на открытый урок курса «LLM Driven Development»: https://otus.pw/5SdN/?erid=2W5zFJeYMiY Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

🚀 Kimi K2.5 - Open-Source Visual Agentic Intelligence Moonshot представили Kimi K2.5 - это полноценный визуальный агент, заточенный под сложные задачи, код и мультимодальность. Что по бенчмаркам 🔹 Глобальный SOTA на агентных тестах - HLE full set - 50.2% - BrowseComp - 74.9% 🔹 Open-source лидер по зрению и коду - MMMU Pro - 78.5% - VideoMMMU - 86.6% - SWE-bench Verified - 76.8% Фишка, которая выделяет K2.5 🎨 Code with Taste — модель превращает чаты, изображения и видео в эстетичные сайты с анимацией и выразительным движением, а не просто сухой HTML. 🤖 Agent Swarm (Beta) Самонаправленные агенты, работающие параллельно: - До 100 суб-агентов - До 1 500 вызовов инструментов - До 4.5x быстрее по сравнению с одиночным агентом Это уже ближе к распределённой системе ИИ-исполнителей, чем к одному «умному боту». Где попробовать 🥝 K2.5 доступен на http://kimi.com - Chat mode - Agent mode 🥝 Agent Swarm — бета для пользователей высокого уровня 🧑‍💻 Для продакшн-разработки можно связать с Kimi Code https://kimi.com/code Для разработчиков 🔗 API - https://platform.moonshot.ai 🔗 Тех-блог - http://kimi.com/blogs/kimi-k2-5.html 🔗 Веса и код - https://huggingface.co/moonshotai/Kimi-K2.5/tree/main K2.5 - это шаг к мультиагентным ИИ-системам, где модель не просто отвечает, а организует работу, использует инструменты и действует в визуальной среде.

🚀 PageIndex - умный индекс документов для reasoning-RAG (без векторов) PageIndex от VectifyAI - open-source система, которая помогает работать с длинными документами (PDF, тексты, правила и т.д.) так, как это сделал бы эксперт-человек, а не обычный поисковик. В отличие от традиционных RAG-систем, которые разбивают текст на куски и используют vector search (векторное сопоставление), PageIndex создаёт иерархическое дерево структуры документа и позволяет моделям ИИ логически искать ответы через reasoning и tree search. 📄 Основная идея - Длинные документы индексируются как семантическое дерево — похожее на умный «оглавление» - Структура сохраняет контекст и древовидную иерархию секций - При запросе модель обходит дерево через reasoning-поиск, как человек, который листает книгу по разделам, а не просто ищет по похожести текста - Не нужны: векторная база данных, chunking и top-K-селекция, что снижает потери контекста и повышает точность поиска 🧠 Почему это важно ✔️ Лучше для сложных и больших документов (финансовые отчёты, юридические тексты, технические мануалы) ✔️ Сохранение структуры означает, что ИИ может понимать, где именно в документе находится нужная информация ✔️ В отличие от vector-RAG, здесь решение не основано на похожести, а на пошаговом анализе структуры документа 🔧 Что внутри - Скрипты и Jupyter-ноутбуки для генерации дерева из PDF или Markdown - Возможность делать reasoning-RAG напрямую без внешних Vector DB - Примеры использования и cookbooks для практических сценариев PageIndex - это не просто индекс, а иерархический, reasoning-ориентированный RAG-фреймворк. Он позволяет ИИ читать и анализировать документы, как эксперт, обходя ограничения простого векторного поиска в больших текстах. ▪ Github: https://github.com/VectifyAI/PageIndex ▪ Blog post: https://vectify.ai/blog/Mafin2.5

🚀 Крупный IT-стартап на 1200 сотрудников сегодня выглядит так: стойка из десятков Mac mini, на которых круглосуточно крутится тот самый хайповый Clawdbot, про который уже отлично писали коллеги 😊 И это не шутка. В Кремниевой долине сейчас настоящий мини-бум: разработчики, стартапы и даже целые команды массово скупают Mac mini, чтобы поднимать на них этого «опенсорсного Джарвиса». Доходит до абсурда — в ряде магазинов «миники» начали уходить в дефицит именно из-за AI-инфраструктуры под локальные агенты. Почему так происходит? Потому что это уже не просто бот. Clawdbot — это по сути цифровой сотрудник: - пишет код - помогает с инфраструктурой - отвечает в рабочих чатах - автоматизирует рутину - подключён к инструментам И всё это - self-hosted, под полным контролем команды. Так что теперь наш штат выглядит примерно так: Слева направо: Clawdbot, Clawdbot и ещё немного Clawdbot. Людей меньше не стало. Просто теперь каждый человек работает в паре с агентом, а производительность команды умножается, а не складывается. Это уже не «AI как инструмент». Это AI как часть команды. Код Clawdbot в опенсорсе: https://github.com/clawdbot/clawdbot

💰 OpenAI ищет новые способы монетизации - не только подписки ChatGPT Финдир OpenAI Сара Фрайер намекнула, что компания будет менять модели заработка - на фоне растущих затрат компании. Планы компании: - Лицензирование моделей OpenAI может брать долю с дохода клиентов, если продукт их“выстрелит”. Пример: если с помощью моделей OpenAI нашли лекарство, компания получит процент от продаж. - Больше тарифных планов Помимо обычной подписки - развитие: - enterprise SaaS-цен - usage / credit-based модели (платишь за использование) - Тестирование рекламы в ChatGPT OpenAI готовится пробовать рекламу, но заявляет, что: - ответы модель должны оставаться “оптимальными”, а не рекламными - останется ad-free тариф без рекламы OpenAI планирует будет зарабатывать не только на подписке, но и на успехе клиентов + гибких тарифах. Наш чат / Полезные ИИ-ресурсы #openai #ChatGPT

⚡️ Все задания курса Stanford “The Modern Software Developer” теперь доступны онлайн Это масштабный университетский курс, который системно показывает, как LLM-модели меняют каждый этап разработки ПО: от идеи и дизайна до тестов и релиза. Задания построены так, чтобы ты прошёл путь: - от новичка в AI-инструментах - до человека, который умело использует ИИ для ускорения и улучшения разработки Практика в центре курса: учишься писать код быстрее, чище и увереннее, используя AI как помощника. https://github.com/mihail911/modern-software-dev-assignments

🔥 На stepik вышел курс, который учит Создавать настоящие AI-сервисы, а не просто запускать скрипты? Этот практический курс по Python и FastAPI покажет, как собрать полноценное приложение с ИИ, базой данных, автогенерацией контента и Telegram-ботом. Ты пройдёшь путь от первого HTTP-запроса до рабочего сервиса, который сам генерирует текст через ИИ, сохраняет данные, отправляет результаты по расписанию и отвечает пользователям. Никакой теории ради теории - только практические шаги, из которых рождается реальный продукт. 🎁 48 часов действует скидка в 40% процентов 👉 Начать учиться на Stepik

⚡️ Microsoft выпустила VibeVoice-ASR на Hugging Face Microsoft выложила VibeVoice-ASR - единый speech-to-text модель, которая умеет расшифровывать длинные аудио (до 60 минут) за один проход, без нарезки на короткие куски. Что интересного: - Single-pass транскрипция до 1 часа - меньше потерь контекста и стабильнее речь по всему аудио - Встроенная diarization (кто говорит) + таймкоды (когда) - Custom hotwords / user context - можно подать список имён, терминов или контекст, чтобы точнее распознавал доменные слова По сути: модель сразу выдаёт структурированный результат Who / When / What, кто сказал, когда и что. https://huggingface.co/microsoft/VibeVoice-ASR

🚀 STEP3-VL-10B - мультимодальная модель, которая бьёт гигантов (и весит всего 10B) StepFun выпустили STEP3-VL-10B - компактную open multimodal модель, которая по метрикам догоняет и местами обгоняет монстров в 10-20 раз больше. Что заявляют по качеству - держит SOTA/near-SOTA по визуальному восприятию + reasoning - на ряде тестов конкурирует с GLM-4.6V, Qwen3-VL и даже Gemini 2.5 Pro - сильна в OCR, понимании GUI, пространственном мышлении (важно для embodied AI) Ключевые цифры - обучена на 1.2T токенов - 1400+ RL-раундов (RLHF + RLVR) - поддержка PaCoRe (parallel collaborative reasoning) и контекст до 128K - в классе <10B лидирует в STEM-задачах: 94.43% на AIME 2025 (с PaCoRe) Архитектура - PE-lang visual encoder (1.8B) - Qwen3-8B decoder - multi-crop high-res: 728×728 global + локальные кропы Почему это важно Тренд очевиден: индустрия уходит от “просто больше параметров”. Теперь выигрывает тот, кто: - грамотно собирает архитектуру - делает сильный RL - и выжимает максимум из маленькой модели Base: https://modelscope.cn/models/stepfun-ai/Step3-VL-10B-Base Chat: https://modelscope.cn/models/stepfun-ai/Step3-VL-10B

Senior AI Engineer во Fluently (YC W24) 📍Remote 💵 Оплата в USD 🚀Фаундер — Юрий Ребрик, ex Amazon, Google, NVIDIA Fluently — AI-тьютор, который помогает улучшать разговорный английский язык людям по всему миру, строящим карьеру в зарубежных компаниях. Стартап прошел в YCombinator в 2024 году, за последние 8 месяцев выросли со $100k до $6M ARR. Размер команды – 20 | Инвестиции – $2.5M Над чем предстоит работать - Развивать голосового AI-агента: LiveKit/WebRTC, streaming ASR/TTS, RAG, function-calling, написание промптов и тд. - Тренировать и деплоить ML модели в прод: ASR/LLM/TTS/voice-related. - Обеспечивать надёжность и observability в проде: алерты, трейсинг, оптимизация латенси, быстрый фикс проблем. Must-haves - Опыт самостоятельной тренировки и деплоя ML моделей. - Умение много работать и делать быстро. Nice to have - Опыт создания ai voice agents. - Contribution to open source github repos. - Kaggle, Codeforces, олимпиады, etc. The deal - Конкурентная зарплата в USD + опционы. - Remote-first: работа из любой точки мира через Deel. - Поездка в США на месяц для совместной работы и командные оффсайты. Узнать подробнее и откликнуться тут, почитать блог фаундера можно здесь.

⚡️ В одном месте собрали инфу о 925 (!) провалившихся венчурных стартапах. Да, это буквально кладбище проектов - но невероятно полезное. Внутри не просто список, а полноценные разборы: почему взлетели/упали, сколько денег сожгли, какие решения их убили, где была критическая ошибка - и главное: что из этого можно безопасно забрать себе, а что повторять нельзя ни при каких условиях. А ещё там встроенный ИИ, который берёт провалившийся проект и делает “версию 2.0”: придумывает название, концепт, рынок, техстек, план запуска и монетизацию, но уже с учётом прошлых ошибок. Как минимум - очень залипательно. Стартаперы, вам точно стоит изучить

🧠 Исследователь OpenAI: «Recursive Self-Improvement уже за углом» Но если честно - это звучит скорее как спекуляция. Да, “за углом” может означать скорее на человеческом горизонте: условно годы, а не десятилетия. Но точно не “вот прямо сейчас”. Настоящий RSI (recursive self-improvement) потребует другого уровня систем: Чтобы ИИ реально улучшал сам себя, нужны: - полностью автономные ML-исследователи - автономные инженеры, которые пишут, тестируют и разворачивают код - устойчивый цикл улучшения моделей без человека - качество и проверяемость результатов на каждом шаге А мы пока явно не там. Сегодняшние модели: ✅ помогают исследователям ✅ ускоряют эксперименты ✅ пишут код ❌ но не способны полностью заменить исследовательскую команду и довести улучшение до продакшена автономно Так что RSI действительно может быть близко… но “за углом” - это ещё не значит “завтра”.