Машинное обучение RU

ИИ-агент умеет отвечать на другом языке. Но сможет ли он на нём работать? Команда Qwen представила BabelArena – бенчмарк для проверки агентов на 23 языках и задачах из 13 предметных областей. Переводят не только запрос пользователя, но и инструкции, описания инструментов и содержимое рабочей среды. Это позволяет сравнивать выполнение одинаковых задач на разных языках. Выводы исследования: - Единого лидера нет: разные модели сильнее в разных группах задач. - На языках с небольшим объёмом обучающих данных чаще возникают ошибки вызова инструментов и последовательности действий. - Объём входных токенов может быть примерно вдвое выше, чем на английском, без сопоставимого роста числа шагов. - В задачах со структурированным выводом агенты чаще сбиваются с выбранного языка, преимущественно переходя на английский. Многоязычный чат ещё не означает многоязычного агента. Для рабочего продукта нужно проверять весь сценарий: понимание задачи, выбор инструментов, выполнение действий и язык результата. https://arxiv.org/abs/2609.23490 https://github.com/QwenLM/BabelArena

От первого мотора до робота, который учится по демонстрациям: открытая дорожная карта по робототехнике на русском. Robotics Roadmap 2026 предлагает план на 24 недели при занятиях по 2–3 часа в день. Обучение начинается с электроники и постепенно переходит к управлению и машинному обучению. Внутри шесть модулей: - Электроника, Python и Git - базовые схемы и инструменты. - Arduino и ESP32 — моторы, датчики, линейный робот и балансир. - CAD и 3D-печать — сборка робота-манипулятора. - ROS 2 — симуляция, построение карты и автономная навигация. - Управление и компьютерное зрение — регуляторы, кинематика, работа с камерой. - LeRobot — сбор демонстраций и обучение робота. Есть схемы подключения, примеры кода, списки компонентов, справочник по отладке и 30 идей проектов. Начать можно без покупки железа — в симуляторах. Дальше предлагается оформлять проекты в портфолио: видео, схема, код и разбор того, что сломалось и как удалось исправить. Полезная отправная точка для программиста, который хочет заставить свой код двигаться в физическом мире. https://github.com/justxor/robotics-roadmap-2026/

Алгоритм знает, где вы будете 7-го ноября 😎 RecSys-митап в Москве для тех, кто уже строит рекомендательные системы и хочет делать это еще лучше. В программе — доклады от топовых экспертов Сбера с разбором кейсов, свежих подходов и неочевидных решений. После официальной части — нетворкинг. Время в узком кругу профессионалов и сообщества Зеленый RecSys. Участие бесплатное, но количество мест ограничено. Москва. Суббота. 7 ноября. RecSys! ➡️ регистрируйтесь

5 GitHub-репозиториев для дообучения ИИ-моделей под свои задачи Научить модель соблюдать нужный формат, отвечать в вашем стиле или выполнять специализированные инструкции — для этого пригодятся: 1. LLaMA-Factory - удобный старт Дообучение языковых и мультимодальных моделей через веб-интерфейс или CLI. Поддерживает полное обучение, LoRA и QLoRA. https://github.com/hiyouga/LlamaFactory 2. Unsloth - когда ограничена видеопамять Оптимизирует обучение поддерживаемых моделей, снижая расход памяти и ускоряя вычисления. Есть готовые ноутбуки для первых экспериментов. https://github.com/unslothai/unsloth 3. Axolotl - обучение через конфиги Позволяет описать модель, датасет и параметры обучения в YAML. Подходит для воспроизводимых экспериментов и запуска на нескольких GPU. https://github.com/axolotl-ai-cloud/axolotl 4. PEFT - обучать небольшую часть параметров Библиотека Hugging Face для LoRA и других экономных методов адаптации. Помогает уменьшить требования к памяти и размер сохраняемых адаптеров. https://github.com/huggingface/peft 5. TRL - обучение на примерах, предпочтениях и наградах Инструменты для SFT, DPO и обучения с подкреплением. Пригодится, когда нужно улучшать ответы по выбранным критериям качества. https://github.com/huggingface/trl Эти инструменты можно комбинировать: например, использовать TRL для процесса обучения, а PEFT — для LoRA-адаптации.

Spark-X2.6-4B - открытая модель на 4 млрд параметров с контекстом до 1 млн токенов для локальных ИИ-агентов. В тестах команды средний результат составил 63,3 балла против 52,1 у Spark-X2.5-4B и 49,1 у Qwen3.5-9B. Это сравнение на выбранном разработчиками наборе задач. Что внутри: - Три режима рассуждений: none, low и high — можно выбирать баланс между качеством ответа, скоростью и затратами. - Форматы для локального запуска: FP8, INT8, INT4 и GGUF. - Две версии: Instruct для диалогов и агентных задач, Base — для дальнейшего обучения. - Поддержка популярных инструментов: Transformers, SGLang, vLLM, llama.cpp, Ollama, MLX и LM Studio. Модель рассчитана на работу с кодом, инструментами и многошаговыми задачами. Для использования полного контекста в 1 млн токенов потребуется достаточно памяти. https://github.com/XHToken/Spark-X2.6

Разделять стоит задачи, а не код Когда одна рекомендательная система решает разные задачи, не обязательно создавать для каждой отдельный сервис или дублировать код. В AI VK для этого используют стримы — отдельные пайплайны со своими настройками, собранные из общих компонентов подбора кандидатов, фильтрации и вычисления признаков. Так можно развивать разные механики независимо, не дублируя код и вычисления. В статье на Хабре  — как устроены стримы, почему они ускоряют разработку и как растят метрики.

✔️ DeepSeek и Huawei вместе делают следующее поколение ускорителей Ascend Инженеры Huawei работают прямо в офисе DeepSeek, а заняты команды оптимизацией интерконекта и распределением вычислительных графов на уровне железа. Раньше DeepSeek от обучения модели на Ascend отказалась из-за нестабильности и сырого ПО, теперь же компания открыла код низкоуровневого компилятора TileLang под Ascend, а вместе с ним библиотеки матричных операций и коммуникаций для MoE-архитектур. Первое масштабное обучение на Ascend 950DT должно начаться до конца года, а на следующее поколение Ascend 960DT, которое ждут в начале 2027 года, Huawei гарантировала DeepSeek приоритетные поставки.  theinformation.com ✔️ Exa презентовала поисковый движок 3.0 Третья версия получила обновлённую модель эмбеддингов и технологию Dynamic Highlights, которая отбирает токены сразу по всей выборке результатов. Так отсекается дублирование фактов, а объём передаваемого в контекст модели текста падает на 95% против загрузки страниц целиком. Собственный индекс компании на 100 млрд страниц пополнился структурированными данными, в базу добавили 1,27 млрд товарных позиций с ценами, каталоги организаций и сводки биржевых котировок, авиарейсов и спортивных событий в реальном времени. Через REST API доступны два режима, упрощённое ранжирование Exa Lite стоит 4 доллара за тысячу обращений, полноценный Exa Auto обойдётся в 7 долларов за тысячу вызовов.  exa.ai ✔️ Inception выпустила диффузионную языковую модель Mercury 3 Скорость генерации у новой версии подтверждена на уровне 1068 токенов в секунду, параметров стало больше в 40 с лишним раз против первой Mercury, а контекстное окно выросло до 1 млн токенов. Этим американская лаборатория подтверждает, что законы масштабирования работают и для диффузионной генерации текста. На бенчмарках Mercury 3 держится на уровне GPT-6 Luna и Claude Haiku 5.5, инференс идёт в 4–8 раз быстрее авторегрессионных моделей того же размера. Модель рассчитана на автономных браузерных агентов, голосовых ассистентов, поиск в реальном времени и поддержку. Доступ открыт через платформу Inception, OpenRouter, Baseten и Vercel, базовая цена составляет 20 центов за миллион входных токенов и 70 центов за миллион выходных, кеширование контекста снижает её на 90%. В честь релиза действует скидка 50%.  inceptionlabs.ai ✔️ Cloudflare представила модель извлечения типизированных данных Модель Clairic появилась в режиме превью на Workers AI и работает без генерации токенов, за один параллельный проход. Она принимает текст или до четырёх изображений и возвращает строковые значения с точными смещениями символов, считает простые вещи вроде суммы и разницы дат, а также строит вероятностные диапазоны с 80-процентным покрытием. Ответ приходит строго типизированным, со значением или оценкой уверенности. Целевые задачи – структурировать неразмеченные данные, то есть разбирать счета и квитанции и прогнозировать временные ряды. Плата за выходные токены не взимается, превью доступно через REST API в Workers AI, веса Cloudflare обещает опубликовать позже.  cloudflare.com ✔️ Unitree анонсировала платформу для постановки шоу роботов Система UniUni собирает подготовку показательных выступлений и сценических перформансов групп роботов в одном окне: редактор хореографии с отдельной дорожкой на каждого робота и библиотекой движений, карта сцены облаком точек с лидара, где компания обещает сантиметровую точность, и экран наблюдения с зарядом, температурой и аварийной остановкой каждой машины. Отдельная функция, названная ИИ-хореографией, принимает команды текстом и корректирует формации и маршруты роботов через генеративную постановку движений. Несмотря на отсылки к концепции роя, архитектура UniUni остается централизованной и нацелена исключительно на индустрию развлечений, а не на автономное взаимодействие роботов в производственных задачах. Unitree в X @ai_machinelearning_big_data #news #ai #ml

Агент поддержки дал неверный ответ о возврате. Где возникла ошибка — в базе знаний или при генерации моделью? Чтобы разобраться, нужно увидеть весь путь запроса и связать действия агента. 27 октября в 18:00 на открытом уроке курса по ИИ-агентам развернёте Langfuse локально и разберёте наблюдаемость на примере агента на YandexGPT. Вы подключите сбор данных: отследите обращения к модели, поиск и задержки. Найдёте проблемный запуск по трассировке и добавите автооценку ответа. Разберёте установку Langfuse через Docker Compose и подключение Python-приложения. Узнаете, как собирать трассировки, ответы и метаданные для восстановления хода задачи. Подойдет ML-инженерам, ИИ-разработчикам и MLOps-командам, которым важно быстро искать ошибки и держать данные на своей инфраструктуре. Проведёт урок Николай Осипов. Зарегистрироваться: https://otus.pw/9OeA/?erid=2W5zFHLveiD Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

MemT-1.0-Nano — открытая ИИ-модель со встроенной долговременной памятью. Она записывает информацию из диалога во внутреннее состояние и использует её в следующих ответах — без повторной загрузки всей переписки в контекст. Память можно сохранить и восстановить в новой сессии. — Основа — Qwen3.6-35B-A3B. — 36 млрд параметров, из них 3 млрд активных. — При истории в 128 тысяч токенов состояние памяти занимает примерно в 66 раз меньше места, чем полный KV-кэш, по данным разработчиков. Это подход к созданию ассистентов и агентов, которые используют прошлый опыт без постоянного раздувания контекста. Но в задачах на точное извлечение деталей из длинной истории лучшие системы с текстовой памятью пока впереди. https://huggingface.co/MemTensor/MemT-1.0-Nano

🌡 Попросил Claude написать монитор температуры. Тот обнаружил, что Mac майнит крипту Пользователь Reddit рассказал, что поручил Claude Code сделать приложение для мониторинга температуры Mac. При проверке показаний датчиков агент заметил подозрительно высокие значения и посмотрел, что загружает процессор. Нашёл `xmrig` с нагрузкой около 1175% CPU, то есть примерно на 12 ядер. Пользователь утверждает, что майнер работал без его ведома. По его словам, Claude помог удалить почти всё, один файл пришлось убрать вручную из-за ограничений доступа. После этого владелец дополнительно проверил компьютер через Malwarebytes. https://www.reddit.com/r/claude/comments/1x9bb83/claude_caught_a_cryptominer_on_my_mac_whilst/ @linuxkalii

25 лучших бесплатных ресурсов для изучения ИИ в 2026 году Курсы Стэнфорда и MIT, книги, YouTube-каналы и открытые репозитории для изучения ИИ с нуля до LLM и агентов. Подборка по этапам и готовый маршрут обучения. https://uproger.com/25-resursov-dlya-izucheniya-ii-2026/

DeepSeek обновила V4.1-Flash и открыла поисковый API DeepSeek-V4.1-Flash-1017: рост на Terminal-Bench с 31,2 до 42,3, открытые веса под MIT и Search/Fetch API по $0,75 за 1000 вызовов. 17 октября DeepSeek выпустила DeepSeek-V4.1-Flash-1017, минорное обновление модели V4.1-Flash. Компания называет релиз улучшением по Парето: новая версия лучше проходит бенчмарки, быстрее закрывает задачи и пишет более короткие ответы, поэтому выигрыш получается и по качеству, и по стоимости. Модель уже работает на сайте, в приложении и через API, а веса выложены в открытый доступ под лицензией MIT. https://uproger.com/deepseek-v4-1-flash-1017/

🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку Окружение решает больше, чем кажется. Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре. AI: t.me/ai_machinelearning_big_data Python: t.me/pythonl Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii DevOps: t.me/DevOPSitsec Docker: https://t.me/+90Z5TAyfuNU5YmRi Golang: t.me/Golang_google Rust: t.me/rust_code C++: t.me/cpluspluc C#: t.me/csharp_ci Java: t.me/javatg JavaScript: t.me/javascriptv React: t.me/react_tg Frontend: t.me/front PHP: t.me/phpshka Android: t.me/android_its Мобильная разработка: t.me/mobdevelop Базы данных: t.me/sqlhub Data Science: t.me/data_analysis_ml Big Data: t.me/bigdatai Математика: t.me/data_math Физика: t.me/fizmat Kubernetes: t.me/kubernetc GameDev: https://t.me/gamedev Haskell: t.me/haskell_tg Собеседования и карьера: DS собеседования: t.me/machinelearning_interview Python собеседования: t.me/python_job_interview Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy Полезное сверху: ИТ-мемы: t.me/memes_prog Английский для программистов: t.me/english_forprogrammers ИИ и технологии: t.me/vistehno 954 ГБ open-source курсов: https://t.me/+rKBQEMccAA01MTcy ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Max Ai: https://max.ru/ai_machinelearning_big_data Max python: https://max.ru/pythonl ТЕХНО: https://max.ru/vistehno Max Go: https://max.ru/Golang_google Max Linux: https://max.ru/linuxkalii Devops: https://max.ru/DevOPSitsec C#: https://max.ru/csharp_ci C++: https://max.ru/cpluspluc SQL: https://max.ru/sqlhub Java: https://max.ru/javatg Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.

✔️ Science Corporation впервые имплантировала зрительный чип PRIMA Биотех-стартап бывшего сооснователя Neuralink Макса Ходака расширил сферу применения своего интерфейса мозг-компьютер на неизлечимое наследственное заболевание Штаргардта, приводящее к прогрессирующей слепоте из-за гибели фоторецепторов сетчатки. В ходе клинических испытаний в Сиднейской офтальмологической больнице пациент с установленным микрочипом восстановил способность различать контрастные символы - на первом сеансе реабилитации он смог увидеть отдельную букву, а на втором - прочесть целое слово. Аппаратный комплекс PRIMA включает субретинальный чип размером 2×2 мм и внешние очки со встроенной камерой, матрица которой выступает в роли искусственного фоторецептора - она улавливает оптический сигнал от очков и трансформирует его в электрические потенциалы, стимулируя сохранившиеся слои нейронов и передавая импульс по зрительному нерву в мозг. Сейчас технология даёт монохромную картинку с узким полем обзора, но в Science Corporation уже готовят второе поколение сенсоров с меньшим размером электродов, рассчитывая в течение пяти лет приблизиться по разрешению к человеческому зрению. @ai_machinelearning_big_data #news #ai #ml

С вас идея, а Т-Банк за нее заплатит В Т-Банке ищут трейдеров, разработчиков и тех, кто просто увлекается инвестициями. Зарегистрируйтесь на программу «Инвест. Премаркет» до 11 ноября.  Ваши AI-сценарии для бизнеса смогут побороться за призовой фонд программы — 2 500 000 ₽. А сами идеи Т-Банк поможет масштабировать и сделать частью бизнеса. Успейте подать заявку до 11 ноября

💰 Anthropic получила $16,8 млрд выручки за квартал. Но инвесторы ожидали большего. По данным Financial Times, рост к предыдущему кварталу составил около 46%. До этого выручка увеличилась более чем вдвое: с $4,8 млрд до $11,5 млрд. Компания второй квартал подряд сообщила о скорректированной прибыли. При этом 5–7% выручки ранее приносили конкуренты, обучавшие свои модели на ответах Claude. В третьем квартале Anthropic существенно ограничила эту практику. https://www.ft.com/content/11632d03-358c-454b-af95-d06d4072932b