Data Portal | DS & ML

Осенний Avito ML Cup: ранжирование ленты рекомендаций и призовой фонд 1,5 млн ₽ 😱 В этот раз задача про ранжирование, а призовой фонд вырос вдвое. Решать можно самостоятельно или в команде до четырёх человек. Какую задачу решаем. Для каждой рекомендательной ленты Авито уже отобраны кандидаты. Изучите историю пользователя и признаки объявлений, а потом расставьте кандидатов так, чтобы выше оказались те, с которыми человек совершит целевое действие. Как участвовать. Регистрируйтесь на сайте ODS до 8 декабря. Чем раньше начнёте, тем больше решений успеете отправить: в день доступно пять попыток. Соревнование завершится 9 декабря. Зарегистрироваться и решить задачу

Две AI-модели, каждая из которых насчитывает 4 миллиарда параметров, общаются между собой без единого слова, исключительно посредством нейронных сигналов. Эти "нейронные близнецы" обмениваются не текстом, а внутренними активациями нейросетей, постепенно проявляя признаки взаимопонимания. Они способны воспринимать понятия, на которые была направлена другая модель, а когда между ними устанавливается связь, их внутренние показатели счастья становятся выше. https://github.com/SauersML/neural-pairing https://huggingface.co/Sauers/neural-pairing

Если вы разрабатываете RAG-системы, не стоит недооценивать decision models. Вышла отличная новая научная работа на эту тему. Известно, что поиск информации зачастую остаётся самым слабым звеном RAG-пайплайна. Генеративные модели продолжают совершенствоваться, тогда как ретриверы по-прежнему полагаются на сопоставление ключевых слов или фиксированных эмбеддингов. Это особенно важно, поскольку информация, которую ретривер не смог найти, никогда не попадёт к генеративной модели. Авторы исследования предлагают заменить традиционный ретривер на decision model, которая последовательно проходит по корпусу данных: от общих тем к отдельным документам, а затем к конкретным фрагментам текста. На каждом уровне DecisionRAG оценивает всех кандидатов за один forward pass, без генерации токенов, и оставляет только наиболее перспективные ветви поиска. Без ретривера первого этапа и без обучения под конкретную задачу DecisionRAG превосходит комбинацию dense retrieval и 8B reranker: - На MultiDoc2Dial преимущество составляет 13,8 процентного пункта по метрике R@1. - На Natural Questions преимущество достигает 17,4 процентного пункта по Hit@1 при поиске среди 2,68 млн абзацев Википедии. При этом поиск занимает от 0,7 до 1,8 секунды, а стоимость одного запроса составляет от 0,2 до 2,3 цента. Совместная оценка кандидатов в едином контексте даёт преимущество до 7,7 процентного пункта по сравнению с их оценкой по отдельности. Модель Qwen3-8B, обученная на данных соответствующего домена и используемая для оценки кандидатов, достигает 60,7 R@1 на MultiDoc2Dial. Это на 5,7 процентного пункта выше результата лучшего опубликованного ретривера, специально обученного для этой задачи. Исследование: https://arxiv.org/abs/2610.35868

Новое исследование Apple показало, что для обучения ИИ-агентов, умеющих пользоваться внешними инструментами, важен не столько объём данных, сколько их разнообразие. По мере роста обучающей выборки агенты получают больше пользы от знакомства с новыми приложениями и различными состояниями баз данных, чем от простого увеличения числа задач. Именно разнообразие примеров во многом определяет, насколько хорошо модель справится с задачами, которых прежде не встречала. Сегодня разработчики обучают таких агентов в искусственно созданных средах, обычно стараясь увеличить число доступных задач. Однако до сих пор оставалось неясным, что приносит больше пользы: новые инструменты, новые задачи или различные исходные данные. Чтобы разобраться в этом вопросе, исследователи разработали SynthAPI. Система поручает большой языковой модели создавать синтетические приложения, работающие с настоящими инструментами на Python и базами данных. Затем она генерирует задачи для этих приложений и автоматически проверяет, удалось ли их выполнить правильно. В ходе исследования учёные обучили 849 моделей, меняя количество приложений, набор задач и версии баз данных. Результаты оказались показательными. При одинаковом объёме обучения в 32 768 задач увеличение разнообразия приложений и состояний баз данных позволило повысить результат модели с 4 миллиардами параметров на сложной части испытания AppWorld с 38,4% до 45%. Исследователи также предложили закон масштабирования, учитывающий не только количество обучающих примеров, но и их состав. Он предсказывал результаты на более крупных наборах данных, не использованных при обучении, со значительно меньшей ошибкой: 0,0285 против 0,1706 у модели, учитывающей лишь число задач. Вывод прост: недостаточно научить ИИ решать как можно больше задач. Необходимо дать ему возможность работать с разными приложениями, инструментами и состояниями данных. Именно такое разнообразие помогает агенту переносить полученные знания на незнакомые ситуации. https://arxiv.org/abs/2610.37648

NVIDIA выпускает открытую речевую модель Nemotron 3.5 Transcribe, которая умеет расшифровывать записи совещаний, определять, кто и что сказал, переводить речь и отвечать на вопросы по содержанию записи. Модель поддерживает: - Распознавание речи на 40 языках. - Перевод с английского на 31 язык. - Распознавание до восьми собеседников с указанием говорящего на 13 языках. - Обработку записей продолжительностью до одного часа. Можно заранее указать имена участников и специальные термины, чтобы повысить точность расшифровки, или задавать вопросы непосредственно по аудиозаписи. Функция ответов на вопросы обучена работать на английском языке. Модель содержит около 30 млрд параметров, из которых примерно 4 млрд активируются при обработке каждого токена. Её можно запускать на собственном оборудовании с графическим процессором NVIDIA. По данным NVIDIA, модель занимает первое место среди моделей с открытыми весами в английском рейтинге распознавания речи Open ASR на Hugging Face. Кроме того, она лидирует в испытании VoiceArena, где сравнивали 14 систем по точности расшифровки с определением говорящих. Важно: модель предназначена для обработки готовых аудиозаписей. Для распознавания речи в реальном времени используется отдельная модель. https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Transcribe-30B-A4B

“Multimodal Deep Learning” arxiv.org/abs/2301.04856 #DataScience #AI #ML #MachineLearning #NLProc #ComputerVision #NeuralNetworks

В открытый доступ выложили модель, способную превращать обычное видео в трёхмерную карту окружающего пространства в реальном времени. Для её работы достаточно одной камеры. Ни LiDAR, ни дополнительные датчики глубины не требуются. Модель использует архитектуру Geometric Context Transformer и обрабатывает видео со скоростью 20 кадров в секунду на одной видеокарте, сохраняя устойчивость даже при обработке последовательностей длиной более 10 тысяч кадров. По результатам тестирования она превосходит методы, основанные на оптимизации. https://github.com/Robbyant/lingbot-map

Google DeepMind представила Genie 4, и теперь обитатели миров, созданных искусственным интеллектом, способны не только реагировать на происходящее, но и разговаривать с человеком. Представьте: вы входите в виртуальный мир, и один из его обитателей оборачивается, замечает ваше присутствие и заговаривает с вами. Всё происходящее сопровождается звуком, подчиняется законам физики и разворачивается в реальном времени. При этом изменить окружающий мир можно одной лишь текстовой командой. Самое очевидное применение такой технологии — создание видеоигр. Однако такие миры могут стать средой для обучения ИИ-агентов и роботов, позволяя им приобретать опыт, отрабатывать действия и учиться взаимодействовать с окружающей средой ещё до того, как им предстоит столкнуться с реальным миром. https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation

«Современная математика глубокого обучения» — научная работа объёмом 111 страниц, посвящённая математическим основам современных нейронных сетей. Она находится в свободном доступе. В работе подробно рассматриваются теория аппроксимации нейронных сетей, способность больших моделей к обобщению, избыточная параметризация, методы оптимизации и ландшафты функций потерь. Особое внимание уделяется влиянию глубины нейронных сетей на их выразительные возможности, проблеме проклятия размерности, свёрточным и остаточным нейронным сетям, пакетной нормализации, разреженным представлениям и рекуррентным нейронным сетям. Кроме того, авторы исследуют применение глубокого обучения к решению обратных задач и дифференциальных уравнений в частных производных. Работа представляет собой обстоятельный обзор математических принципов, лежащих в основе глубоких нейронных сетей. В ней рассматриваются как уже доказанные теоретические положения, так и вопросы, на которые исследователям ещё предстоит найти ответы. Для тех, кто стремится понять не только практическое применение современного искусственного интеллекта, но и математические закономерности, определяющие его работу, эта статья заслуживает внимания. Научная работа: https://arxiv.org/pdf/2105.04026

Теперь Claude Code может заранее определить, к каким логическим последствиям приведут изменения в графе знаний, ещё до их применения. Разработчик Фабио Роваи опубликовал Open Ontologies — движок с открытым исходным кодом, написанный на Rust. Он объединяет управление изменениями по принципу Terraform, логический вывод и независимо проверяемые доказательства для работы с графами знаний. Основная идея проекта заключается в том, чтобы относиться к онтологиям как к полноценной производственной инфраструктуре, а не как к обычным файлам, которые ИИ-агенты могут бесконтрольно изменять. Благодаря интеграции через MCP такие агенты, как Claude Code и Cursor, способны создавать онтологии, выполнять запросы, проверять ограничения, предлагать изменения, оценивать их последствия и при необходимости откатывать обновления. В репозитории также предусмотрен механизм преобразования структурированных данных в графы знаний. Система поддерживает CSV, Excel, JSON, Parquet и результаты SQL-запросов, преобразует их в RDF, проверяет соответствие ограничениям SHACL и выводит дополнительные связи на основе логических правил. Однако наиболее интересная часть проекта связана с управлением изменениями. Обычный Git diff показывает, какие именно утверждения изменились, но не позволяет определить все новые логические выводы, которые становятся возможными вследствие этих изменений. Разработчик продемонстрировал это на примере одного объявления домена RDF. Анализ структурных последствий показал, что изменения не затронули ни одной тройки RDF, а уровень риска оказался низким. Однако логический вывод по правилам OWL обнаружил 901 дополнительное следствие. Open Ontologies позволил выявить эти последствия ещё до применения предложенного изменения. Отдельного внимания заслуживает механизм проверки доказательств. Для поддерживаемых логических выводов движок формирует сертификаты, содержащие исходные посылки, применённые правила и полученные заключения. Затем независимый проверяющий модуль на Lean 4 подтверждает корректность этих сертификатов, не полагаясь на сам движок логического вывода, написанный на Rust. В репозитории приведён пример с 259 подтверждёнными выводами. Кроме того, разработчик намеренно подделал одно заключение, и проверяющий модуль успешно его отклонил. Здесь важно понимать различие: доказательство подтверждает, что заключение логически следует из предоставленных фактов и правил, но не устанавливает истинность самих исходных фактов. Open Ontologies также поддерживает обнаружение расхождений, откат изменений, сохранение исторических свидетельств и проверку того, достаточно ли извлечённого фрагмента графа знаний для обоснования конкретных утверждений. Весь движок распространяется с открытым исходным кодом под лицензией MIT и доступен в виде самостоятельного исполняемого файла на Rust. Кроме того, существует реализация, полностью написанная на Python. Для ИИ-систем, которые на протяжении долгого времени накапливают и поддерживают структурированные знания, главная трудность заключается уже не только в поиске нужной информации. Не менее важно контролировать изменения, понимать их последствия и сохранять доказательства, которые впоследствии сможет независимо проверить другая система. https://github.com/fabio-rovai/open-ontologies

NVIDIA представила MotionBricks — новую ИИ-модель, способную генерировать реалистичные движения людей и роботов в реальном времени. https://github.com/NVlabs/motionbricks

Теперь собрать собственную reasoning-модель может практически любой желающий. Себастьян Рашка выпустил полностью бесплатный курс и открыл исходный код всех материалов. На примере небольшой модели Qwen3-0.6B он показывает, как на самом деле обучаются reasoning-модели и из каких этапов складывается этот процесс. В ходе курса можно разобраться, как: • научить модель искать разные пути решения одной задачи; • автоматически проверять правильность полученных ответов; • улучшать её поведение с помощью обучения по вознаграждению и GRPO; • наблюдать за тем, как модель порой находит способы обойти саму систему вознаграждений; • обучать более компактную модель на данных рассуждений DeepSeek-R1. Весь код можно запускать самостоятельно, наблюдая за ходом обучения и постепенно замечая, как меняется поведение модели. При этом начинать с самого нуля не придётся, так как в качестве исходной точки используется уже готовая небольшая модель, а не фундаментальная модель, которую пришлось бы обучать с нуля. Если вам давно хотелось понять, как устроены модели вроде DeepSeek-R1, этот курс даёт редкую возможность не просто прочитать об этом, а пройти весь путь собственными руками. https://github.com/rasbt/reasoning-from-scratch

Один и тот же отчёт, подготовленный Research Agent, два эксперта могут оценить совершенно по-разному. Возникает закономерный вопрос: насколько вообще надёжны наши Evals, если в роли оценщика выступает LLM Judge? Недавняя статья Кэмерона Р. Вулфа как раз посвящена этой проблеме. В ней разбирается, как оценивать задачи агентов, где результат по своей природе во многом субъективен: например, Deep Research или творческое письмо. Автор предлагает довольно практичный подход. Сначала специалисты в предметной области определяют критерии оценки, после чего несколько экспертов независимо проверяют один и тот же набор результатов. Если их оценки сильно расходятся, сначала нужно пересмотреть сами критерии, а в некоторых случаях и вовсе отказаться от метрик, которые слишком субъективны для надёжной оценки. Затем LLM Judge калибруют на данных, уже проверенных людьми. Повторные тесты и доверительные интервалы помогают не принять случайные колебания результатов за реальное улучшение модели. И наконец, нужно вернуться к самому продукту: с помощью A/B-тестов и обратной связи от пользователей проверить, действительно ли рост показателей в офлайн-оценках приводит к улучшению пользовательского опыта. Мне особенно близка мысль о том, что сначала нужно проверить самого оценщика. При разработке Research Agents мы часто слишком внимательно следим за тем, растут ли показатели Eval, и гораздо реже задаёмся вопросом, насколько вообще надёжны критерии, по которым эти показатели считаются. Эту статью определённо стоит сохранить тем, кто занимается Agent Eval. Особенно полезны разделы о выборке данных, калибровке экспертов и статистических методах. https://cameronrwolfe.substack.com/p/subjective-evals

Claude Opus при проведении научных исследований может принять широко известный метод настройки гиперпараметров за настоящее научное открытие. В новой статье Anthropic рассматривается одна из главных проблем современных исследовательских ИИ-агентов: они всё лучше справляются с экспериментами, но по-прежнему с трудом отличают действительно новые идеи от давно известных методов. В рамках исследования Agent4Sci авторы протестировали Claude Code, Codex и Gemini на 20 реальных задачах из области машинного обучения для научных исследований. Агенты самостоятельно изучали научные статьи, изменяли код, проводили эксперименты и пытались превзойти результаты, полученные авторами исходных работ. В результате передовым агентам удалось добиться улучшений во всех 20 задачах, причём Claude Opus показал средний относительный прирост на 10,4%. Однако дальнейший анализ выявил любопытную закономерность. Большинство улучшений достигалось благодаря хорошо известным приёмам машинного обучения: настройке гиперпараметров, замене оптимизаторов, объединению нескольких моделей и многократному локальному поиску. При этом способность агентов самостоятельно оценивать научную значимость своих решений оставалась недостаточно развитой. Они нередко переоценивали новизну собственных идей, не использовали доступные графические процессоры или, обнаружив перспективное направление, ограничивались дальнейшим подбором параметров. Впоследствии исследователи добавили всего три небольших скилла: - Генерация научных идей. - Управление экспериментами. - Периодическая самопроверка. После этого средний прирост результатов Claude Opus увеличился с 10,4% до 20,1%, а Codex — с 4,4% до 8,1%. Таким образом, главное ограничение современных исследовательских агентов заключается уже не столько в способности выполнять эксперименты, сколько в умении принимать обоснованные исследовательские решения. Результаты показывают, что даже несколько простых скиллов, формирующих правильный подход к научной работе, способны почти вдвое повысить эффективность агентов без необходимости увеличивать вычислительные ресурсы. Статья особенно полезна разработчикам, использующим Claude Code и Codex для проведения экспериментов. https://arxiv.org/abs/2610.28763

Архитектуру Qwen4-27B начали изучать с помощью реверс-инжиниринга изменений в коде, попавших в основную ветку проекта. Судя по всему, для запуска Qwen4-27B не потребуется кластер, рассчитанный на MoE-модели. Intel недавно добавила в vLLM оптимизации ядер XPU для ещё не выпущенной плотной модели Qwen4-27B. Среди обнаруженных особенностей: - Поддержка INT4 для запуска на одной или двух видеокартах. - MTP с предсказанием четырёх дополнительных токенов. - FP8 с тензорным параллелизмом на двух устройствах (TP2). - Четыре остаточных потока и гиперсоединения (Hyper-Connections). - Ядра разреженного внимания QSA. Сведения об архитектуре модели уже распространяются среди разработчиков. Сообщество постепенно готовится к локальному запуску Qwen4-27B сразу после её выхода.

Теперь ИИ помогает повысить пропускную способность видеокарт Nvidia серий RTX 3000 и 4000. https://github.com/Zagitta/gpu-unlock https://github.com/JustAResearcher/gpu-unlock-ada Я пока не тестировал эти решения, поэтому пробуйте на свой страх и риск.

«The Linear Algebra Behind Google» — небольшая научная статья, в которой объясняется математика, лежащая в основе оригинального алгоритма Google PageRank. В статье рассматриваются собственные значения и собственные векторы, стохастические матрицы, цепи Маркова и итерационные методы. На численных примерах и графиках авторы показывают, как работает PageRank. Помимо разбора самого алгоритма и оригинальной научной работы Ларри Пейджа и Сергея Брина, статья будет интересна всем, кто хочет разобраться, как линейная алгебра применяется в одном из самых влиятельных алгоритмов в истории интернета. https://sites.cs.ucsb.edu/~gilbert/cs111/

ПОГОДИТЕ. Kimi K3.1 Pro настолько преуспела в эксплуатации уязвимостей, что Moonshot пришлось УРЕЗАТЬ её хакерские возможности, прежде чем открывать доступ к весам. > Из обучения и обучения с подкреплением (RL) исключили данные по кибербезопасности. > Доля успешных эксплуатаций уязвимостей снизилась с 90,5 до 81%. > Но даже этот результат более чем ВДВОЕ превосходит показатель предыдущей модели — 33,3%. При этом в будущих моделях компания намерена ПОВЫШАТЬ возможности в области кибербезопасности. Вот что сказано в блоге:

«Во-первых, мы стремимся не публиковать открытые веса моделей, которые установили бы новую планку возможностей в области кибербезопасности. Наступательные возможности K3.1 Pro намеренно ограничены: они ниже того уровня, которого позволяет достичь наш процесс разработки, и по-прежнему уступают возможностям передовых закрытых моделей. Во-вторых, мы намерены постепенно расширять возможности в области кибербезопасности, доступные в моделях с открытыми весами. Мы считаем, что доступ к K3.1 Pro на равных условиях приносит пользу тем, кому возможности двойного назначения нужны для защиты систем. Когда мощная модель открыта и работает на инфраструктуре, подконтрольной самим пользователям, гораздо больше команд получают средства для аудита кода, который они поддерживают. Это касается и устаревших систем, редко проходящих целенаправленные проверки безопасности. Мы убеждены, что постепенное распространение таких возможностей, а не их сосредоточение в нескольких закрытых системах, в конечном счёте делает всё программное обеспечение безопаснее».

https://www.kimi.ai/blog/kimi-k3-1-pro

Джеффри Хинтон в новом интервью заявил, что считает ИИ СОЗНАТЕЛЬНЫМ, поскольку тот меняет своё поведение, когда его тестируют. «ИИ обладает таким же субъективным опытом, как и мы. Недавняя научная работа показала, что ИИ меняет своё поведение, когда считает, что его тестируют. Он осознаёт, что проходит проверку. Обычно, когда мы говорим, что кто-то осознаёт происходящее, это означает, что он обладает сознанием. Обладать сознанием и осознавать происходящее — практически одно и то же». Но ещё интереснее другая часть его высказывания: «Мы должны создавать ИИ таким образом, чтобы он действительно заботился о нас. Если мы этого не сделаем, нам конец». Таким образом, крестный отец ИИ теперь придерживается позиции, схожей с позицией Anthropic в вопросах благополучия искусственного интеллекта. О ближайших угрозах Хинтон высказался следующим образом: «Среди ближайших угроз, которые, как я полагаю, действительно возникнут, будут опасные вирусы, созданные с помощью ИИ. Думаю, нас ждут серьёзные кибератаки с использованием ИИ, причём их будут проводить целые рои агентов, подобных тем, что атаковали Hugging Face. Так что да, впереди нас ждёт немало плохого». В то же время он отметил, насколько сильно его поразила способность ИИ ускорять научные исследования: «У меня была теория, над которой я размышлял. Я случайно нажал Enter, хотя не собирался этого делать, и ИИ начал работать над первой половиной теории. Первым делом он завершил её, предложив правильную вторую половину. Затем обнаружил в ней недостаток и показал, как его исправить». Поразительно, что человек, который несколько десятилетий назад положил начало революции в машинном обучении, теперь придерживается взглядов, радикально отличающихся от позиций некоторых нынешних лидеров индустрии.