Data Secrets

Новый датасет T-ECD для екома Т выкатили не просто датасет, а крупнейший кросс-доменный набор для развития рексистем – Основной T-ECD: более 135 млрд взаимодействий, данные на основе 44 млн пользователей, 30 млн товаров и 1,2 млн брендов. Сборка данных глубиной от 1 до 3,5 лет — доступны краткосрочные и долгосрочные пользовательские истории – Домены: Marketplace, Retail, Payments, Offers и Reviews. – Рекомендательные задачи: подходит для next-item, next-basket, session-based, топ-N и других – Версии: полный датасет и T-ECD Small на 5 млрд событий, а также облегчённый набор на 1 млрд взаимодействий для быстрых экспериментов. Почти все доступные датасеты для исследований моно-доменные и маленькие, а Т-ECD первый по-настоящему кросс-доменный датасет такого масштаба. Он универсален — можно использовать как целиком, так и по доменам, а еще подходит для разных подходов: от базовой коллаборативной фильтрации до графовых рекомендаций. Всё это уже доступно на Hugging Face под Apache 2.0.

Илон Маск снова подает в суд на OpenAI. На этот раз – за шпионаж 🧐 Помните, некоторое время назад уже всплывала история о том, что некий инженер из xAI якобы пытался украсть какие-то секретные материалы для OpenAI? Ну так вот, тогда стартап судился только непосредственно с бедолагой-недошпионом. Теперь же они подают в суд на целый OpenAI, и обвиняют их уже в нескольких попытках шпионажа. Согласно иску: OpenAI систематически переманивает бывших сотрудников xAI и подталкивает их распространять коммерческие секреты xAI (типа исходного кода, бизнес-планов и информации о датацентах). Как написал Илон Маск, иск стал для xAI крайней точкой:

Мы отправили им множество писем с предупреждениями, но они не остановились. Судебный иск был единственным выходом после того, как мы исчерпали все остальные.

Из смешного, в материалах дела даже приводится ссылка на июльское письмо юриста xAI одному из бывших лидов стартапа, в котором он обвинил того в нарушении NDA. В ответ от сотрудника пришло только простое лаконичное «suck my dick».

ChatGPT Pulse – первый из обещанных Альтманов «ресурсоемких» продуктов OpenAI По сути, личный проактивный ассистент, который не просто помогает с чем-то по просьбе, а каждый день напоминает вам о важных событиях и сам готовит сводку актуальной информации. Например: – Если вы упоминали, что куда-то едете, агент предложит список мест, куда можно сходить, или ресторанов. – Если спрашивали что-то про спорт, поищет для вас актуальные исследования на тему ЗОЖ. – Если подсоединить Google календарь и Gmail, будет формировать агенду к предстоящим встречам, напоминать о чьем-то ДР (и предлагать подарки) и прочее прочее прочее. И это все агент будет делать сам, основываясь просто на ваших чатах и том, что (по его мнению) вам актуально именно в этот день. Но, конечно, влиять на подборку можно и вручную. Пока доступно только для Pro, и только в мобильном приложении. После обкатки обещают раскатить и на плюсов.

Так, друзья, видео не для слабонервных Это так негуманно стартап Skild AI тестируют свою универсальную модель для управления роботами Skild Brain. Фишка в том, что Skild Brain заточена не под какого-то одного робота или структуру, а может справиться с любым железом, которое ходит или катится. Например, модель может управлять робо-псом, который двигается на четырех ногах. Но если в какой-то момент отключить собаке передние ноги, то системе понадобится всего несколько минут, чтобы адаптироваться к новому телу и перейти на «человеческую» походку. На самом деле никакой магии: просто куча часов обучения в симуляции на 100 000 разных тел + расширенное контекстное окно (чтобы модель могла гладко перестраиваться). Но выглядит впечатляюще. И применение широкое. Как минимум, так можно научить почти любых индустриальных роботов справляться с поломками (марсоходы, например!). Блогпост

🚀Привет! Хочешь прокачаться до уровня Senior, но не хочешь покупать кота в мешке? У нас решение! Приходи на бесплатные вебинары продвинутого курса «Machine Learning. Advanced» от OTUS. Почувствуй мощь обучения в деле: — Advanced Data Science — что отличает сеньоров от ML-новичков? — Рекомендательные системы на матричных разложениях — создавай как в Spotify. — Властелин Хаоса — сила метода Монте-Карло в ML. Live-код на Python! Проведем тест-драйв курса без риска. Понравится — забирай полную программу со скидкой по промокоду MLADV_10. Преподаватели — практики из SberDevices и не только. Только хардкор, только ML-магия! Регистрируйся сейчас → https://clck.ru/3PPfc3 Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576

Feel the AGI

GPT-5 прошла (почти) тест Гёделя Вышла статья двух независимых авторов, в которой показано, что GPT-5 действительно способна открывать новую математику, но пока что – только очень простую. Название теста тут отсылает к теореме Геделя о неполноте: в любой достаточно сложной системе есть утверждения, которые нельзя доказать в рамках самой системы. Собственно, целью авторов было проверить, может ли сегодняшний ИИ выходить за рамки обучающей выборки для доказательства еще никем не рассматриваемых проблем. Исследователи взяли область комбинаторной оптимизации, в которой у них самих был опыт, и придумали 5 новых задач, которые еще никогда не рассматривались и не решались в литературе. Направление очень узкое и специфичное + достаточно новое, так что белых пятен там много. Но не суть. Главное – что этих задач гарантировано не было в трейне. Задачки не очень сложные, средний аспирант, как пишут авторы, решил бы каждую примерно за день. Моделька на вход получала только короткое описание + несколько вводных статей. Без гипотез, без черновиков, без любых других подсказок. Итог: GPT-5 решила 3 задачи из 5. В одной из них она даже смогла опровергнуть исходную гипотезу авторов и предложить другое доказательство, которое оказалось правильным. С двумя наиболее сложными задачками, модель, тем не менее, не справилась. Там нужно было синтезировать и объединить несколько идей, и вот это уже оказалось для модельки слишком сложно. Вывод: да, GPT-5 действительно более зрелая математически, чем предыдущие модели. Да, она может доказывать неизученные теоремы. Нет, сложная математика, с которой не справляются люди, ей пока не под силу. До задач тысячелетия точно еще далеко. Но прогресс быстрый. Может, через 2-3 года доберемся до уровня «аспиранта-отличника» :) arxiv.org/abs/2509.18383

Если вы думали, что новости про хантинг Цукерберга закончились, но передумайте: сегодня стало известно, что он переманил еще одного крайне значимого исследователя из OpenAI На этот раз к Meta* присоединился один из изобретателей концепции диффузионных моделей – Yang Song. Именно он с соавторами в 2020 году впервые предложил идею Score-Based Generative Modeling, на которой до сих пор и строится большинство современных генераторов картинок и видео. Yang долгое время возглавлял команду Strategic Explorations в OpenAI. Теперь он назначен ведущим научным сотрудником в MSL, и будет заниматься поиском новых архитектур и методов для обучения моделей. Сэма уже даже немного жалко

Что-то новенькое: Meta* выпустили собственную модель для кодинга Code World Model По названию уже ясно, что она не совсем обычная. И действительно: идея компании была в том, чтобы сделать кодинг-модель, не просто генерирующую следующие токены, а понимающую, как код выполняется и как он изменяет состояние системы. То есть модель как бы становится виртуальным интерпретатором и может рассуждать о том, что конкретно произойдет при изменении, например, той или иной строчки. Обучали так, в три фазы: 1. Pre-training (8T токенов). Классическое предобучение на большом корпусе, 30% данных – код. 2. Mid-training (5T токенов). Главная изюминка. Обучение на данных, которые симулируют динамику вычислений (то есть буквально на world modeling сценариях). Тут было два основных типа данных. Первый – Python Execution Traces. На них модельку учат точно последовательно предсказывать, что произойдёт при запуске программы с теми или иными начальными данными, как будут менятся состояния переменных от шага к шагу, какой будет стек вызовов и прочее. И все, как на ЕГЭ, без реального запуска кода. Второй тип данных – ForagerAgent, агентные сценарии в Docker. Модель учится вести себя как разработчик, который работает с реальным проектом, редачит файлы, исправляет баги, запускает тесты и тд. Проекты брали с GitHub, некоторый оставляли как есть с их ошибками, в некоторые подмешивали искусственные баги. SWE-bench задачи исключили для честной оценки (это важно!). 3. Post-training (272B токенов). На самом деле это даже два этапа в одном: SFT файнтюнинг и RL. Но тут уже, в целом, все как у всех. Метрики – на графике. До GPT-5 и Sonnet 4 не дотягивает, но GPT-oss и последний R1 бьет более менее уверенно. Модель, кстати, небольшая, всего 32B. В общем, достаточно занятный релиз случился, будем пробовать. Веса CWM можно найти здесь (лицензия исследовательская, некоммер). И вот еще GitHub и техотчет

Teaching LLM to Plan: разбираем свежую громкую статью от MIT про новый подход к обучению моделей мыслить Как мы уже много раз писали, сейчас ризонинг (хотя он и работает замечательно) – это на самом деле никакой не ризонинг. Рассуждения в LLM называются так чисто условно: на деле мы остаемся в абсолютно той же парадигме, просто модель теперь генерирует для ответа больше токенов. А вот как научить LLM действительно рассуждать "по-человечески" – это вопрос. MIT предложили один из вариантов. Идея вот в чем: – Настоящее планирование, если подумать, требует не просто генерации текста, а умения переходить из состояния в состояние. Например, строго: из состояния А следует Б или В, Г не может следовать из А, цепочка A->Б не приведет к цели, значит переходим в состояние В. На деле очень многие задачи на "мышление" раскладываются именно в такие цепочки: головоломки, логические задачки, да даже математика. – Такие рассуждения называются символьными. И MIT утверждают, что вместо того, чтобы учить модель генерировать просто "какой-то правдоподобный" CoT в виде обычных токенов, мы можем учить ее генерировать такие вот символьные цепочки, и это повысит надежность ризонинга. – При этом нам даже не нужна разметка, потому что эти цепочки можно проверять верификатором (как делали DeepSeek, когда обучали DeepSeek-Prover-V2). Сначала модели просто показывают много цепочек, учат отделять правильные от неправильных и объяснять, что не так. Затем что-то похожее на RL: модель генерирует CoT, его проверяет верификатор, получаем фидбэк и на нем делаем шаг обучения. Результат: на задачах из тестов такой ризонинг дает +30–60 п.п. к обычному ризонингу и кратные улучшения относительно бейзлайна. Правда, домен в статье довольно узкий (и модельки брали старые + для GPT-4 вообще prompt-based tuning). Интересно, получится ли подобное применить на более высоком уровне. https://arxiv.org/pdf/2509.13351

Секретное оружие аналитика: ИИ, встроенный в дашборды, стал доступен всем Раскрываем еще один data-секрет! С 24 сентября открывается массовый доступ к ии-агенту внутри BI-системы DataLens. Нейроаналитик — это ваш напарник прямо в интерфейсе DataLens. Вы показываете ему график, а он помогает его понять: находит инсайты, аномалии и формулирует выводы Что он делает?

• Смотрит на дашборд и пишет, что там происходит. • Отвечает на ваши вопросы по данным в чате. • Помогает создавать кастомные графики, генерируя необходимый код.

Выгода очевидна: меньше рутины, больше инсайтов и ускорение проверки гипотез на 30%.

Только что наткнулись на вот такую картинку в Твиттере. Попадание 10 из 10, согласитесь? P.S. Пост для миллениалов, остальным соболезнуем

О, Kaggle проведет бесплатный 5-дневный интенсив, посвященный агентам Обещают много практики, онлайн лекции и даже домашки. Таким надо пользоваться, коллеги. Программа кратко: День 1 – основные концепции, ключевые отличия от обычных LLM, архитектуры День 2 – Tool Use, MCP, использование API День 3 – память, способы расширения контекста День 4 – метрики, мониторинг, легирование, эвал прозрачность пайплайнов День 5 – деплой и масштабирование агентов и мультиагентных систем, протокол Agent2Agent Вроде выглядит годно. Прошлые их интенсивы вызывали огромный ажиотаж (в Generative AI Course участвовали почти 5к человек), так что этот, вероятно, тоже получится хорошим. И еще раз: это бесплатно и никакого отбора проходить не нужно, только регистрация. 10-14 ноября. rsvp.withgoogle.com/events/google-ai-agents-intensive_2025

Лайфхак для всех, кому в LinkedIn написывают боты Парень просто добавил себе в био промпт с оберткой в стиле XML, и теперь ему на почту периодически приходят рецепты пирога. Кажется, это называется «современные проблемы требуют современных решений»

Луший хардовый курс этой осени для ML-инженеров и разработчиков Если вы давно хотели изучить LLM на практике от А до Я, то эта новость точно для вас. GIGASCHOOL, совместно с крупнейшей магистратурой по искусственному интеллекту AI Talent Hab, запустили большой курс "LLM-инженер". На нем вас научат выходить за рамки ipynb и создавать рабочие системы на базе LLM. Вы научитесь: ➡️дообучать модели (fine-tuning, PEFT, LoRA / QLoRA, RLHF); ➡️работать с LangChain, LangGraph и векторными базами; ➡️собирать рабочие архитектуры под реальные задачи; ➡️строить RAG‑системы, реализовывать инфопоиск и защищать LLM; ➡️собирать пайплайны, деплоить, трекать, версионировать; ➡️проектировать мультиагентные решения и ассистентов. Как видите, собрано все самое актуальное (программа подробнее здесь). Плюс, каждая тема будет глубоко разбираться на практике, так что с курса вы выйдете уже с опытом и готовыми наработками в виде кода. Спикеры – эксперты из больших ИИ-команд. В частности, лекции будет читать NLP Lead X5 Tech Потехин Александр, директор по разработке моделей в Газпромбанке Желтова Кристина и CEO HiveTrace Евгений Кокуйкин. Стартует курс 15 октября и продлится 25 недель (не пугайтесь, в расписании есть каникулы). Всего будет 252 часа теории и практики, а в конце выдадут серьезный диплом о профессиональной подготовке. И кстати, сегодня предпоследний день по самой низкой цене. Не теряйте время и регистрируйтесь по ссылке

Новый модели Qwen: уровень GPT-5 и Grok 4 от китайцев В этот раз лаборатория показала сразу несколько моделей: ➖ Основная: Qwen3-Max, новый флагман лабы. Есть варианты Instruct (без ризонинга) и Thinking. Instruct перебивает на бенчах Claude Opus 4 Non-thinking. А вариант с ризонингом – вообще что-то: уровень GPT-5 и Grok4 Heavy на AIME25 (100%), HMMT25 (100%) и GPQA (85%). Весов пока нет, но в чате можно попробовать бесплатно. ➖ Qwen3-VL – новая vision-language модель, которая опережает Gemini 2.5 Pro. Также есть варианты с ризонингом и без. Например, модель можно использовать как Computer Use агента или как Visual Coding агента (аля напиши сайт с дизайном, как на картинке). И, кстати, модель не супер массивная: MoE на 235В с 22 авктивными. Веса. ➖ Обновленный Qwen3-Coder. Добавили мультимодальность + прокачали метрики. На SWE-Bench теперь выбивает почти 70% (это, опять же, примерно уровень Opus 4 и GPT-5). Кажется, это R1-moment для Qwen. Все модели уже можно попробовать в чате chat.qwen.ai

В честь сделки с Nvidia Альтман написал новое эссе под названием "Изобилие интеллекта" Оно небольшое, поэтому прямо тут приведем перевод полностью с небольшими сокращениями:

Рост использования AI-сервисов поражает, и мы ожидаем, что в будущем он станет ещё более стремительным. По мере того как ИИ становится умнее, доступ к нему может стать не только ключевым драйвером экономики, но и со временем – базовым правом человека. Почти каждый захочет, чтобы у него было больше ИИ, работающего на его благо. Чтобы обеспечить миру необходимые мощности для инференса и обучения всё более совершенных моделей, мы закладываем фундамент для масштабного роста AI-инфраструктуры. Если ИИ сохранит текущую траекторию развития, нас ждут невероятные возможности. Например, с 10 гигаваттами вычислительных мощностей ИИ может найти способ вылечить рак или создать персонализированное обучение для каждого ребёнка на Земле. Но если мощности будут ограничены, придётся выбирать, что важнее. Никто не хочет делать такой выбор – значит, нужно строить. Наша цель проста: создать фабрику, которая сможет выпускать по гигаватту новых AI-мощностей каждую неделю. Это невероятно сложная задача, требующая инноваций на всех уровнях — от чипов и энергетики до строительства и робототехники. Мы уже активно работаем над этим и верим, что это возможно. В нашем понимании, это может стать самым важным инфраструктурным проектом в истории. В ближайшие месяцы мы поделимся планами и расскажем о партнёрах, а позже — о том, как будем финансировать проект. Ведь рост вычислительных мощностей — ключ к росту дохода, и у нас есть несколько нестандартных идей.

Про выбор между раком и образованием мысль интересная. Но главное, что мы извлекаем из текста: OpenAI собирается строить самый масштабный конвейер мощностей, какой только можно представить. Как это будет выглядеть, пока не до конца понятно, но один гигаватт в неделю – это 52 гигаватта в год. А это значит, что примерно (расчеты на коленке) к 2035 ИИ будет потреблять уже столько же энергии, сколько потребляет вся Америка. А – амбиции

Оживи робота своим алгоритмом и поборись за призовой фонд в 10 250 000 рублей на True Tech Champ 2025. True Tech Champ 2025 — это третий всероссийский чемпионат по программированию от МТС с онлайн-этапами отбора и грандиозным шоу-финалом в Москве. Тебя ждут два трека — выбирай: I. Алгоритмический [призовой фонд 2 750 000 рублей]. Если классический олимпиадный формат — твоя стихия, этот трек для тебя. Блесни математическими навыками, покажи скилы в работе со структурами данных и написании алгоритмов — и окажись выше соперников в турнирной таблице. II. Программирование роботов [призовой фонд 7 500 000 рублей]. Запрограммируй робота на скоростное прохождение лабиринта в симуляторе и пройди в финал. На финале участники встретятся офлайн и сразятся на четырех уровнях с полосой препятствий, вспышками света, лазерами и другими препятствиями. Трек будет интересен начинающим и опытным разработчикам: С++, Go, Python, JS, Java, C# и не только. Подробности на сайте. Регистрация открыта до 20 октября.

Большая коалиция из 10 Нобелевских лауреатов, 70 компаний и бывших глав государств подписала требование о введении глобальных «красных линий» для ИИ Об этом стало известно сегодня на заседании Генеральной Ассамблеи ООН. Всего требование подписало 200 человек: бизнесмены, политики, ученые. Среди них Джеффри Хинтон, Йошуа Бенджио и Войцех Заремба (соучредитель OpenAI). Кратко о содержании: – Подписанты требуют ввести международные юридически обязывающие «красные линии» для развития и применения ИИ. Это нужно, чтобы исключить глобальные риски для человечества: массовую безработицу, искусственные пандемии, нарушение прав человека и тд. – Конкретный список таких «красных линий» не приведен, но предлагают, например, запрет на использование ИИ для производства оружия, организации массовых атак, несанкционированное реплицирование ИИ-систем (в том числе без участия человека) и все такое. – Государства должны (в кавычках) договориться о таких правилах до конца 2026 года, а также нужно создать независимый международный орган для мониторинга соблюдения законов и оперативной оценки угроз. Вот такой вот внушительный прецедент. На данный момент это самая крупная подобная петиция. Посмотрим, что выйдет. https://red-lines.ai/

Google выпустили инструмент "Learn Your Way". Это персонализированный репетитор, который поможет вам усвоить любую тему. Система считывает ваши увлечения, а затем любую тему объясняет так, чтобы вам было понятно и интересно. Например, если вы любите баскетбол и должны выучить законы Ньютона, то все примеры начинают строится вокруг бросков и дриблинга. Если вы художник и изучаете экономику, то всё сведется к галерейным аукционам и арт-рынкам. Но на этом пенсонализация не заканчивается. Learn Your Way также умеет: – Создавать майндмэпы, если вам удобнее воспринимать информацию визуально – Генерировать аудиоуроки, если хотите слушать, а не читать – Рисовать всякие интерактивные штуки (типа временных шкал, по которым можно тыкать) – Задавать вопросы и делать тесты, которые меняются в зависимости от того, что вы делаете неправильно Внутри работает мультиагентная система LearnLM на базе Gemini 2.5 Pro. Даже есть специальный агент для рисования обучающих иллюстраций. Тестировали систему на 60 чикагских студентах в возрасте от 15 до 18 лет. Им дали 40 минут на то, чтобы поизучать незнакомую им всем тему: одна группа просто читала PDFки, другая работала с LYW. Итог: через 5 дней те, кто работал с PDF, помнили материал на 67%, а те, кто учил с Learn Your Way – на 78%. Кроме того, 100% студентов, работавших с ИИ, чувствовали себя более комфортно и заинтересованно по ходу задания. А еще систему оценивали профессионалы по 8 специальным критериям. Получилась довольно положительная картина (скрин 2). Тулза пока в работает в режиме эксперимента, но попробовать уже можно тут. А вот здесь лежит статья Резко захотелось поучиться