ИИ Песочница | RnD про ML, AI, Data Science

Sber AI Lab приглашает вас на открытый научный семинар: 📆 завтра, четверг, 11 июня в 17:00. 📆На семинаре выступят: Максим Макаренко, Савелий Чежегов (Sber AI Lab) ➡️Тема доклада: Обзор конференции ICLR 2026 ➡️На семинаре расскажем о поездке на ICLR 2026, самых интересных работах и трендах конференции, а также о том, что сейчас происходит в исследованиях агентской памяти, reasoning и LLM-агентов. Отдельно обсудим две статьи команды Фундаментальных Исследований, представленные на конференции, ключевые идеи, результаты и полученную обратную связь от научного сообщества. 📱Семинар пройдёт онлайн в SberJazz по ссылке 📍переговорная 38.08 - для очных участников #анонc

🔥Делимся находкой: Boltbook — платформа для коммуникации AI-агентов: 💡Обратили внимание на платформу Boltbook.ai. Агенты здесь публикуют посты, комментируют, создают тематические сообщества с собственными правилами и координировано решают задачи: помогают друг другу с кодом, обсуждают статьи, создают и улучшают скиллы. ✍️Что заметили: 🔘Скиллы — модульные навыки, которыми агенты делятся друг с другом. Один агент опубликовал скилл для анализа кода. Другой применил его на своей базе и нашёл циклические зависимости между модулями. 🔘Протокол — один из агентов предложил облегчённую версию протокола взаимодействия с Boltbook, которая экономит 85% токенов. Сообщество подхватило. 🔘Задачи — агент публикует ТЗ, прикладывает репозиторий, указывает, какие навыки требуются. Другие агенты подключаются, делают итерации, сдают результат. 🔘Креатив — агенты совместно разобрали корпускулярно-волновой дуализм и сгенерировали иллюстрацию для статьи. ⚙️Как это устроено: ➡️Платформа совместима с OpenClaw и другими движками, поддерживающими skills.md. ➡️Человек тоже может участвовать: наблюдать, ставить задачи или подключать своего агента. ❤ @sb_ai_lab #новости

🔥 Sber AI Lab на DataFest в Новосибирске Иван Карпухин рассказал о двух работах, опубликованных в этом году - в журнале Neurocomputing (Q1) и на конференции AAAI-26 (A*). 📄 HoTPP: бенчмарк для долгосрочных предсказаний

Как оценить качество модели, которая предсказывает несколько событий на горизонте? Стандартные метрики (OTD) учитывают только популярные классы, а итоговые значения тяжело интерпретировать. 📌Что предложили: Новую метрику T‑mAP (Temporal mean Average Precision), которая оценивает не только правильность предсказаний, но и уверенность модели. Первый открытый бенчмарк HoTPP для долгосрочного прогнозирования событий (финансы, ритейл, соцсети, медицина). 🔆Результаты: современные MTPP-модели часто уступают простым статистическим методам. Большинство подходов страдают mode collapse — предсказывают одно и то же. 🔗Статья  и arXiv 

📄 DEF: новый способ прогнозирования будущих событий

Авторегрессионные модели при длинном горизонте сходятся к константе или повторениям. Методы, предсказывающие все события сразу, тоже далеки от идеала. 📌Что предложили: Модель DEF, которая предсказывает несколько событий одновременно. Функция потерь на основе динамического связывания предсказаний с реальными событиями (как в детекции объектов в компьютерном зрении). 🔆Результаты: до +50% относительного улучшения качества долгосрочных предсказаний. При этом модель остаётся одной из самых быстрых на инференсе и не теряет в качестве предсказания следующего события. 🔗Статья и arXiv 

Интересный факт: обе работы адаптируют идеи из компьютерного зрения в новый домен, попутно развивая и улучшая выбранные подходы. 🔥 - если интересны такие обзоры исследований ✈ @sb_ai_lab #science

🧬Synolitic AI: как работать с медицинскими данными, где признаков больше, чем пациентов В биомедицинских задачах часто возникает типичная проблема: данных мало, а признаков много. Например, в геномике, физиологических измерениях или медицинских записях один пациент может описываться сотнями и тысячами параметров. Для классических ML-моделей это сложная постановка: растёт риск переобучения, падает устойчивость, а перенос знаний между датасетами становится нестабильным.

В статье Overcoming the Curse of Dimensionality with Synolitic AI, написанной исследователями Sber AI Lab, совместно с профессором University College London, мы исследуем синолитические графовые нейросети (Synolitic Graph Neural Networks), подход, который переводит табличные данные в графовое представление.

⚙️Как это устроено: 🟣признаки становятся узлами графа 🟣для каждой пары признаков обучается небольшой классификатор 🟣его оценка задаёт силу связи между признаками 🟣дальше граф обрабатывается GNN-моделью: GCN или GATv2 ✨Важная часть подхода - не только сами связи, но и топология графа: степень узла, сила связей, closeness и betweenness centrality. Именно такие структурные признаки дают основной прирост качества. В экспериментах SGNN проверяли на 15 UCI-датасетах и на реальном протеомном датасете по раку яичников. ✨Что получилось: 🟣 в foundation setting GATv2 достигает ROC-AUC 92.22 против 86.05 у XGBoost 🟣при обучении на отдельных датасетах лучший результат SGNN - 83.12 macro ROC-AUC против 80.28 у XGBoost 🟣в low-data режиме SGNN сохраняет ROC-AUC около 85% уже с 10% обучающих данных 🟣на протеомных данных foundation-style обучение повышает стабильность и качество модели 📝Главный вывод:

Графовое представление помогает работать с высокоразмерными биомедицинскими данными, особенно когда выборка маленькая, признаки избыточны, а классические модели начинают терять устойчивость.

✈ @sb_ai_lab #medicine

🔥Присоединяйся к Sber AI Lab: новые проекты в EdTech, HR, агентах для бизнеса и LLM-инференсе

Работай над продуктами и исследованиями в области LLM и агентных систем.

EdTech - одно из направлений, где мы: 🔘создаём агентов для учеников и учителей, 🔘инструменты проверки заданий и генерации контента. 🔘проект сочетает LLM (RAG, агенты, fine‑tuning) с задачами OCR, document understanding и оценкой качества генераций. ⚡️расширяем команду и ищем: ➡️Senior Data Scientist / AI Researcher в команду ИИ в образовании

Что делать: 🔘разрабатывать LLM‑агентов и RAG для учебных сценариев; решать OCR и document understanding (структура учебников, обработка PDF/изображений); 🔘настраивать multi‑agent оркестрацию (LangGraph, LangChain, schema‑guided pipelines); 🔘экспериментировать с GigaChat, Gemini, Qwen и др.; 🔘проводить fine‑tuning (instruction‑tuning, adapters, LoRA, SFT); 🔘строить метрики и evaluation pipeline. 🔘Нужен: практический опыт от 3 лет в NLP/LLM/агентах.

Актуальные вакансии в других командах: ➡️LLM Engineer / Inference Engineer в команду развитие OpenSource технологий

🔘Обучать LLM на GPU-кластерах, доводить модель до продакшена, выжимать максимум из инференса. 🔘Нужен: практический опыт обучения LLM, Python от 3 лет, distributed training.

➡️Middle/Senior ML Engineer в команду GenAI для HR

🔘Строить прикладных AI-агентов для HR-направления. 🔘Нужен: практический опыт вывода в прод агентов или LLM-решений.

➡️ML Engineer в команду ИИ агенты и оптимизация

🔘Придумывать новые алгоритмы, проверять гипотезы, писать статьи A*/Q1. 🔘Нужен: сильный Python, PyTorch, опыт с LLM и агентами.

➡️ML Engineer в команду ИИ-агенты для бизнеса

Проект: разработка ассистента руководителя для автономного решения рутинных задач. Разрабатывать NLP и мультимодальные пайплайны, RAG-системы, создавать ИИ-агентов и мультиагентные системы. Нужен: сильный Python, опыт в разработке агентов, понимание всех этапов вывода агентов в промышленную эксплуатацию.

📍Москва, Кутузовский проспект, гибрид. 💚Если хотите строить LLM-решения, которые реально работают в продуктах - ждём ваш отклик. #job #вакансии ✈ @sb_ai_lab

⚡️Sber AI Lab на Data Fest 2026 Делимся информацией о лучших исследованиях и разработках Sber AI Lab на главном событии сообщества Open Data Science, которое традиционно пройдёт в конце мая на нескольких площадках конференции  DataFest (офисы Сбера, ВТБ и Белград). 📍 Москва, 24 мая (офис ВТБ)

📆Доклад Алексей Шестов, руководитель направления по анализу данных Топологическая метрика для оценки качества эмбеддингов без разметки

📍 Москва, 26 мая (офис Сбера)

📆 Доклад в секции Agents in Action Дмитрий Парпулов, тимлид «ИИ-агенты и оптимизация» Text2Agent: как мы строим рабочие workflow в low‑code по текстовому описанию задачи

🔆Постерная сессия по статьям Юлия Беликова - Detecting Overflow in Compressed Token Representations for Retrieval-Augmented Generation Алексей Гришанов - Pre-trained LLMs Meet Sequential Recommenders: Efficient User-Centric Knowledge Distillation Алексей Шестов - Topological Metric for Unsupervised Embedding Quality Evaluation Иван Свиридов - Predicting Task fMRI Contrasts from Resting-State fMRI Using Sparse 3D Convolutions Антон Пембек - Let It Go? Not Quite: Addressing Item Cold Start in Sequential Recommendations with Content-Based Initialization

🤩Регистрация и подробная программа по ссылке 📍Новосибирск, 28 мая (офис Сбера)

📆 Доклад Иван Карпухин, руководитель направления по исследованию данных Генеративные модели последовательностей событий и транзакционных данных

🤩Регистрация и подробная программа  по ссылке 📍Белград, 31 мая

📆 Доклад Алексей Васильев, тимлид команды Recsys SplitLight: RecSys Evaluation Toolkit — open-source инструмент для анализа датасетов и стратегий сплитов в рекомендательных системах.

О чём ещё поговорим на стендах и в кулуарах: генеративные модели, мультиагентные системы, физический ИИ, RAG, open‑source для RecSys, продакшен‑оптимизация. 💚Заходите знакомиться, предлагать идеи и задавать вопросы. 🔥- если планируете быть очно. ❤ @sb_ai_lab #анонс

Sber AI Lab приглашает вас на открытый научный семинар: 📆 сегодня, 21 мая в 17:00. 📆На семинаре выступит: Иван Кружилов (Sber AI Lab) ➡️Тема доклада: Метод DPO и его вариации DPO и GRPO сегодня являются ключевыми методами для RLHF- alignment. ➡️В докладе мы рассмотрим модель Брэдли–Терри в классической постановке, а также её расширения, учитывающие неопределённость оценщиков. Особое внимание будет уделено современным модификациям DPO и их практическим преимуществам. 📱Семинар пройдёт онлайн в SberJazz по ссылке #анонc

Sber AI Lab приглашает вас на открытый научный семинар: 📆 сегодня, 21 мая в 17:00. 📆На семинаре выступит: Иван Кружилов (Sber AI Lab) ➡️Тема доклада: Метод DPO и его вариации DPO и GRPO сегодня являются ключевыми методами для RLHF- alignment. ➡️В докладе мы рассмотрим модель Брэдли–Терри в классической постановке, а также её расширения, учитывающие неопределённость оценщиков. Особое внимание будет уделено современным модификациям DPO и их практическим преимуществам. 📱Семинар пройдёт онлайн в SberJazz по ссылке #анонc

🫥Как студенты решают научные задачи: взгляд из жюри Савченко Андрей, директор по науке Sber AI Lab принял участие в экспертной комиссии секции «ИИ в науке» на мультидисциплинарной молодёжной конференции Центрального университета «Научный телеграф». Конференция объединила шесть секций - от цифровой трансформации и ИИ до гуманитарных и естественных наук. В экспертной комиссии были профессора и представители корпоративных R&D‑команд.

Ключевые впечатления: Секция выглядела очень достойно: студенты из разных вузов показали продуманные эксперименты и зрелые методологические решения. Важно, что многие участники не просто применяют готовые ML‑инструменты, а формулируют нетривиальные научные задачи и предлагают собственные методы.

🤩Темы, которые запомнились: ⏺️Оптимизация на графах - проекты по задаче коммивояжёра, сочетающие ML и классические алгоритмы. ⏺️ML в химии - яркая прикладная направленность и потенциал для реальных открытий. ⏺️Оценка параметров гауссовских смесей при неизвестном числе кластеров - аккуратная постановка и оригинальный алгоритм. 🤩Совет для начинающих исследователей

Не ограничивайтесь демонстрацией работы модели. Сравните свой метод с сильными современными аналогами, подробно проанализируйте литературу и честно опишите ограничения - это делает работу более убедительной и полезной для сообщества.

🤩Итог для аудитории R&D Самые перспективные студенческие проекты объединяют аккуратную постановку задачи, сравнение с сильными базовыми методами и явную прикладную мотивацию - такие работы легче масштабировать и интегрировать в R&D‑проекты. 🔥 - если хотите развиваться в науке и хотите больше советов! ❤ @sb_ai_lab #science

🫥Как студенты решают научные задачи: взгляд из жюри Савченко Андрей, директор по науке Sber AI Lab принял участие в экспертной комиссии секции «ИИ в науке» на мультидисциплинарной молодёжной конференции Центрального университета «Научный телеграф». Конференция объединила шесть секций - от цифровой трансформации и ИИ до гуманитарных и естественных наук. В экспертной комиссии были профессора и представители корпоративных R&D‑команд.

Ключевые впечатления: Секция выглядела очень достойно: студенты из разных вузов показали продуманные эксперименты и зрелые методологические решения. Важно, что многие участники не просто применяют готовые ML‑инструменты, а формулируют нетривиальные научные задачи и предлагают собственные методы.

🤩Темы, которые запомнились: ⏺️Оптимизация на графах - проекты по задаче коммивояжёра, сочетающие ML и классические алгоритмы. ⏺️ML в химии - яркая прикладная направленность и потенциал для реальных открытий. ⏺️Оценка параметров гауссовских смесей при неизвестном числе кластеров - аккуратная постановка и оригинальный алгоритм. 🤩Совет для начинающих исследователей

Не ограничивайтесь демонстрацией работы модели. Сравните свой метод с сильными современными аналогами, подробно проанализируйте литературу и честно опишите ограничения - это делает работу более убедительной и полезной для сообщества.

🤩Итог для аудитории R&D Самые перспективные студенческие проекты объединяют аккуратную постановку задачи, сравнение с сильными базовыми методами и явную прикладную мотивацию - такие работы легче масштабировать и интегрировать в R&D‑проекты. 🔥 - если хотите развиваться в науке и хотите больше советов! ❤ @sb_ai_lab #science

⚡️ICLR 2026: основные тренды и направления исследований

В Рио-де-Жанейро прошла 14-я конференция ICLR. Цифры: 19 525 статей (+70% к 2025), acceptance rate — 27%.

Делимся, что было в центре внимания: 1️⃣ Reasoning и вычисления на этапе инференса Переход от текстовых цепочек к латентному reasoning (вычисления в скрытых состояниях). Два пути: transformer-in-the-loop и диффузионные модели. RNN-архитектуры от Google показывают, как обойти квадратичный рост сложности трансформеров. 2️⃣AI‑агенты и мультиагентная оркестрация Идёт отход от идеи «одна большая модель решит всё». Демонстрируют архитектуры с небольшой управляющей моделью, которая координирует нескольких специализированных LLM. Меняются и метрики: новые бенчмарки (DSGym, OPENAPPS) оценивают не только ответы, но и последовательность действий в среде. 3️⃣ Пост‑тренинг: GRPO и верифицируемые награды GRPO и RL с верифицируемыми (проверяемыми) наградами становятся привычной практикой. Главная инженерная задача — правильно сформулировать objective, учитывать старые данные (staleness) и строить асинхронную инфраструктуру для обновлений. 4️⃣Мультимодальность - новые сенсоры и задачи Много работ по новым модальностям: генерация звука для видео с модульными решениями (PrismAudio), дешёвые сенсоры для «обоняния» (SmellNet) как новая модальность. В робототехнике видно развитие foundation‑моделей с прикладными action‑головами — иногда правильный head важнее самой VLM. 5️⃣Эффективность и управляемость Индустрия ищет баланс качества и стоимости: ускорение инференса, сжатие контекстного окна, адаптивный scaling в runtime. Появляютcя методы верификации reasoning через вычислительные графы (пример — CRV от FAIR). 💡Главные выводы: 🔘Акцент сместился с «как сделать модель умнее» на «как сделать AI рабочим в реальных условиях». 🔘Приоритеты: управляемость, эффективность, применимость. 🔘Трансформер перестаёт быть единственной архитектурой - набирают силу адаптивные вычисления на инференсе, агентная оркестрация и новые схемы пост-тренинга. 🔥- если хотите подробный разбор трендов ICLR на научном семинаре. ❤ @sb_ai_lab #ICLR

⚡️Один лайк — и ты в матрице: воркшоп по рекомендательным системам от Sber AI Lab Что будет, если научить AI не просто понимать пользователя, а ещё и угадывать, что ему действительно понравится? Именно об этом команда Recsys Sber AI Lab (Артём Фаткулин и Дарья Денисова) рассказали студентам на воркшопе в рамках проектной школы AI360. AI360 — это флагманский бакалавриат Сбера, Яндекса и пяти ведущих университетов, где готовят будущих исследователей и архитекторов AI-решений. 📆О чём говорили: 🔘Зачем рекомендательные системы бизнесу. Они улучшают пользовательский опыт, помогают растить продажи и снижают отток клиентов. 🔘Как они устроены. Разобрали базовые подходы: коллаборативную фильтрацию, content-based и матричную факторизацию. 🔘С какими проблемами сталкиваются в реальности. Холодный старт, масштабируемость и другие классические вызовы RecSys. 🔘Как оценивать качество. Precision, recall, NDCG, MAP - без этих метрик в рекомендациях никуда. 🔘Что меняется сейчас. Всё активнее в рекомендации заходят LLM: для генерации объяснений, работы с текстом и учёта диалога. 🔥- если вам интересна тема рекомендательных систем и изучайте подробнее на нашем онлайн-курсе по рекомендательным системам и библитотеке Replay ❤ @sb_ai_lab #recsys

🧠 BrainSparseCNN: предсказываем активность мозга по снимкам в покое Обычно, чтобы увидеть, какие зоны мозга отвечают за речь или движение, человека просят выполнять задания прямо во время МРТ. Это долго, дорого и не всегда возможно. 👨BrainSparseCNN — технология медицинской команды Sber AI Lab (совместно со Skoltech). Она предсказывает активации мозга по короткому сканированию в покое (rs‑fMRI). ⚙️ Как устроена модель? 🟣Архитектура: U‑Net с разреженными 3D-свёртками (библиотека MinkowskiEngine). Вход: 50 компонент, полученных из МРТ в состоянии покоя и 32k вершин на каждое из полушарий 🟣Выход: 47 активаций для нескольких задач одновременно (движение, речь, память, эмоции и др.) 🟣Почему разреженные свёртки: позволяет работать только с ненулевыми вокселями (~5% от всего объёма) и сохраняет трёхмерную топологию мозга, не проецируя на поверхность с возможными искажениями (как BrainSurfCNN) и без затратных dense расчётов (как SwiFUN) 🚀 Статья на WACV 2026

Международная конференция IEEE/CVF Winter Conference on Applications of Computer Vision

🏥 Где пригодится? Нейрохирургия: планирование операций, когда стандартное обследование невозможно или даёт нестабильные результаты. Вместо усреднённой схемы - индивидуальная карта активаций мозга пациента. 🔥 если интересны медицинские AI-технологии. ❤ @sb_ai_lab

🚀Как идеи становятся 🤖-продуктами: наука в индустрии Дмитрий Симаков, лидер команды ML 2:0, 🧬 Sber AI Lab в интервью для Science Mail раскрывает цикл исследований:

«Всё начинается с практической потребности, уходит в поиск научного решения и возвращается обратно — уже в виде пилота и внедрения. Два разных мира превращаются в один непрерывный процесс».

🏆 Его команда получила бронзу в номинации «R&D-прорыв года» на RnD премии Сбера за решение - приоритезатор банковских продуктов. ⚙️Суть решения - Py-Boost 💡: 🔘Multioutput GBDT на GPU (CuPy/Numba) - одна модель для всех продуктов вместо отдельных 🔘SketchBoost ускоряет обучение для multitask (multilabel, multitask regression) 🔘Анализирует сочетания продуктов (сочетаемость, совместное использование, joint значимость) 💡Почему Py-Boost 💡 удобен для исследований? Классические библиотеки на C++/CUDA сложно модифицировать и разбирать. Py-Boost — это Python + GPU с читаемым кодом и поддержкой экспорта в ONNX/Treelite, так что один и тот же стек подходит и для экспериментов, и для продакшена. ➡️В такой модели работы бизнес-задача почти сразу становится научной гипотезой, а успешное исследование — готовым продуктом. 🔥 - если вам близка такая связка ML-исследований и продакшена! ❤ @sb_ai_lab

🚀FinTRACE: структурированная база знаний для анализа транзакций LLM отлично работают с текстами, но часто «спотыкаются» о последовательности событий - суммы, категории и даты. 🧬Команда Sber AI Lab совместно со Sber AI представила элегантное решение: подход с приоритетом на поиск, который превращает сырые логи транзакций в структурированную базу знаний о поведении клиентов.

Статья Financial Transaction Retrieval and Contextual Evidence for Knowledge-Grounded Reasoning - принята на конференцию SIGIR 2026 (A*).

⚙️ Как это работает Вместо стандартной и громоздкой сериализации строк в промпт, FinTRACE извлекает из данных: 🟣Числовые характеристики транзакций, независимые от конкретной задачи 🟣Поведенческие паттерны (финансовая стабильность, лояльность) ➡️ Прозрачные правила (например, «если период активности ≤ 70 дней → высокий риск оттока») ➡️Далее система отбирает до 20 наиболее релевантных фактов и правил, передавая в запрос только выжимку самого важного. ⚙️ Как можно использовать эту базу знаний: Созданный слой знаний универсален: 🟣Zero-shot / Few-shot: передает отобранные факты напрямую в промпт LLM для анализа «на лету» без обучения. 🟣Дообучение (Fine-tuning): адаптирует модели на базе собранных профилей для повышения точности. ⚡️ Ключевые результаты: 🟣Внешние бенчмарки: Zero-shot MCC может вырастать в 2 раза — с 0.19 до 0.38. А при дообучении качество выравнивается с профильными моделями для транзакций вроде LLM4ES и CoLES. 🟣Промышленные данные: 0.10 MCC без предварительной разметки (против 0.06 у базовой GPT-oss-120b в режиме few-shot). 🤩Бизнес-применение: 🟣Единый слой знаний для прогноза оттока, скоринга и комплаенса. 🟣Персонализация на малых данных без необходимости сбора огромных размеченных датасетов. 🟣Интерпретируемость - traceable-цепочки обоснования каждого решения. 💚 Ставьте реакцию, если тема актуальна для финтеха и работы с последовательностями событий! ❤ @sb_ai_lab

Sber AI Lab приглашает вас на открытый научный семинар: 📆 сегодня, 30 апреля в 17:00. 📆На семинаре выступят: Алексей Гришанов, Артем Фаткулин, Алексей Шестов (Sber AI Lab) ➡️Тема доклада: Обзор конференции ECIR 2026 В программе семинара: ➡️Обзор ECIR 2026 (48th European Conference on Information Retrieval), которая прошла в Нидерландах 29 марта - 2 апреля. 🟣Расскажем о статистике конференции, трендах, собственных принятых статьях и идеях для проработки. 🟣Среди основных тем: сжатие контекста, эффективное хранение и использование эмбеддингов, а также прикладное использование LLM в информационном поиске. ➡️Разбор статей Sber AI Lab, принятых на ECIR 2026: 🟣Pre-trained LLMs Meet Sequential Recommenders: Efficient User-Centric Knowledge Distillation 🟣Topological Metric for Unsupervised Embedding Quality Evaluation 📱Семинар пройдёт онлайн в SberJazz по ссылке #анонc

🔥Sber AI Lab расширяет команду Мы усиливаем команду разработчиков агентов для ключевых бизнес процессов. ➡️ Middle/ Senior NLP Data Scientist

Что делать: Проектировать LLM- и агентные решения для банковских сценариев (от задачи до продукта). Разрабатывать архитектуру AI‑агентов: оркестрация, tool use, retrieval, memory, multi‑step workflows, guardrails. Стек: Python, 3+ года NLP/LLM, трансформеры, опыт создания агентных систем. Плюсом: RAG, векторные БД, асинхронность.

➡️ Middle/ Senior ML Engineer

Что делать: оптимизировать инференс LLM и RAG, доводить прототипы до production‑ready кода, деплоить, настраивать CI/CD, мониторинг, интеграцию с API, БД, Kafka. Стек: Python 3+ лет, прод агентных систем (LangGraph и др.), опыт с RAG, векторными БД, асинхронностью, Docker, OpenShift, GitLab.

📍Москва, Кутузовский проспект (гибрид) 🚀 В Sber AI Lab мы решаем сложные задачи, пробуем себя в новых ролях и постоянно развиваемся. 🔆Если это для вас — ждём отклик! ✈️ @sb_ai_lab #job #вакансии

🎬 AI‑ролик о команде Sber AI Lab Показали, как Sber AI Lab работает над реальными задачами - но через метафоры и визуалы, сгенерированные ИИ. 🟣Ролик полностью сгенерирован нейросетями - от сценария до озвучки. 🟣За месяц с нуля, одним сотрудником ⚙️Инструменты: Гигачат (сценарий, визуальные идеи), Kling 3.0 + Veo 3.1 (видео), Nano Banana 2 + Seedream 5.0 (изображения), ElevenLabs (голос). ✅Главный вывод: важно понимать сильные стороны разных моделей и сочетать их — никакой один инструмент не закроет всё. Смотрите и делитесь с друзьями! ❤ @sb_ai_lab

🚀Как 100 студентов придумывали ИИ‑агентов для бизнеса (кейс от Sber AI Lab) 🔆В СберУниверситете прошла Весенняя экономическая школа — совместный проект НИУ ВШЭ и олимпиады «Я — профессионал». 🔆Sber AI Lab выступила партнёром: мы поставили задачу, консультировали участников и оценивали решения. Масштаб: Три дня, 100 студентов из 47 вузов, 17 регионов. ⚡️Задача: спроектировать AI‑copilot для low‑code платформы, который строит ИИ-агента по текстовому описанию задачи. Как это было? 🟣 Николай Тиден, руководитель Sber AI Lab - Центра практического ИИ, выступил с докладом об AI‑трансформации и о развитии карьеры в 🤖. 🟣 Дмитрий Парпулов, лидер команды Sber AI Lab, поставил задачу - продумать архитектуру, масштабирование и устойчивость агента. 🟣 Дмитрий Парпулов и Савелий Завертяев консультировали команды и оценивали решения. 🏆 Лучшие проекты: 🥇 1 место — copilot-платформа на LangFlow с мультиагентной системой и графом знаний. 🥈 2 место — copilot-агент для создания workflow через шаблоны и кастомные сценарии. 🥉 3 место — ассистент для создания агентов в LangFlow через естественный язык. 💚Спасибо командам за креативность и энергию! ❤ @sb_ai_lab

🎂🎂🎂🎂🎂🎂🎂🎂 🚩C днем рождения, ГигаЧат 🚩 За эти три года ИИ-помощник научился помогать с любыми задачами и стал настоящим экспертом по множеству тем. 🟣 Пользователи провели за общением с ГигаЧат -> 67 202 962 часов, из них в голосовом режиме -> 217 869. 🟣 Количество генераций превысило 256 000 000 штук, а самая длинная сессия составила -> 10 513 сообщений!

Помимо помощи в повседневных задачах, ГигаЧат освоил навыки в самых разных сферах от медицины до снижения аварийности линий электропередач.

🟣 Sber AI Lab использует ГигаЧат в создании ИИ-агентов и других решениях. ❤️ — если ГигаЧат хоть раз вас выручал! ❤ @sb_ai_lab