Машинное обучение RU

✔️ Белый дом создал группу для надзора за ИИ-отраслью Власти США сформировали межведомственную группу Super Intelligence Force для координации федеральной политики в сфере ИИ. Новый орган подчиняется напрямую президенту США. Координатором группы назначен директор Национальной разведки Джей Клейтон. В состав также вошли председатель FTC Эндрю Фергюсон, замминистра обороны по R&D Эмиль Майкл и глава кадрового управления Скотт Купор. Super Intelligence Force будет мониторить угрозы национальной безопасности, удерживать технологическое лидерство США и устранять барьеры, тормозящие разработку. washingtonpost.com ✔️ Из OpenAI ушёл один из авторов Preparedness Framework Дэвид Робинсон, проработавший в компании три с половиной года и участвовавший в создании регламента готовности, объявил об отставке и опубликовал эссе о том, что в отрасли скорость выпуска побеждает качество проработки. Подход, при котором проблемы устраняют по мере появления, он считает оправданным для ПО и недопустимым для ИИ - когда модель превзойдёт человека по когнитивным способностям, устранять последствия критического инцидента будет некому. Дэвид считает, что разработка передовых моделей должна перейти на стандарты гражданской авиации и ядерной энергетики с их строгим резервированием и проектированием систем, исключающим катастрофу из-за человеческого фактора. theatlantic.com ✔️ Aleph Alpha выложила в открытый доступ модель Kolibri Немецкий стартап выпустил под лицензией Apache 2.0 большую языковую модель Kolibri 1, созданную в рамках европейской инициативы цифрового суверенитета и полностью соответствующую нормам EU AI Act. Это MoE на 78 млрд общих и 3,5 активных параметров с базовым контекстным окном в 262 144 токена, которое может масштабироваться до одного миллиона. Kolibri оптимизирована под немецкий и английский языки за счёт кастомного токенизатора UniBPE. Против галлюцинаций применён протокол Merlin-Arthur - модель учат отказываться от ответа, если контекст его не содержит. Среди слабых сторон - скромные результаты в генерации кода, вызове функций и закрытых тестах на общую эрудицию без RAG. aleph-alpha.com ✔️ Основатель Figure представил ассистента Hark Бретт Эддкок анонсировал Hark с агентом Handoff, рассчитанным на длинные автономные задачи в интернете - заказ еды, покупки, бронирование, поиск информации. На каждый запрос поднимается отдельный виртуальный компьютер с браузером, файловой системой и терминалом, а подключённые аккаунты дают доступ к адресам и предпочтениям. По собственным замерам Hark занял первое место в человеческой оценке Online-Mind2Web, обойдя GPT-5.4 на 8 пунктов и Claude Opus 4.8 на 2. Проект, уже привлекший более 700 млн долларов от топовых инвесторов, планирует открыть бесплатный Pro-доступ первым 100 000 пользователей из листа ожидания. hark.com ✔️ OpenAI будет показывать рекламу во время генерации изображений До конца месяца OpenAI запустит в США пилотный показ графической рекламы в ChatGPT. Баннеры будут появляться в интерфейсе на время ожидания генерации изображений. Цель запуска - монетизация аудитории, которая достигла 1,2 млрд активных пользователей в неделю. Рекламные блоки получат маркировку и будут визуально изолированы от сгенерированного контента. Для рекламной инфраструктуры компания интегрирует стек сторонних аналитических платформ по сбору данных о конверсиях и атрибуции кликов. Внешние партнеры по верификации не получат прямого доступа к содержимому приватных диалогов. openai.com @ai_machinelearning_big_data #news #ai #ml

ИИ-агент отвечает на вопросы и вызывает инструменты, но почему один ответ занимает 40 секунд? И сколько он стоит, если агент несколько раз обращается к модели или зацикливается на одной задаче? Общий счёт за API не покажет, где именно расходуются деньги. 12 октября в 20:00 на открытом уроке курса по эксплуатации ИИ-агентов разберёте, как увидеть каждый шаг агента, измерить задержки и посчитать стоимость отдельного ответа. На практике возьмёте готового ReAct-агента с инструментами и подключите трассировку через OpenTelemetry. Проследите путь от задачи до вызовов модели и инструментов, найдёте самый дорогой шаг и зацикливание. Посмотрите, как введение одного лимита влияет на стоимость ответа. Познакомитесь с платформами Arize Phoenix, Langfuse и LangSmith, а трассировки рассмотрите в бесплатном локальном интерфейсе. Зарегистрироваться: https://otus.pw/YfHIq/?erid=2W5zFGbtyjf Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

🔥 Бесплатный курс по Claude Code на русском: от установки до команды агентов На GitHub выложили Claude Code PRO Course, бесплатный практический курс по Claude Code на русском языке. Он ведёт от первого запуска до настройки многоагентной работы в команде. Внутри 12 модулей в четырёх уровнях сложности: основы, рабочий процесс, расширения и масштабирование. Сначала установка, промптинг, память проекта через CLAUDE.md, настройки и права доступа. Потом профессиональный рабочий процесс, скиллы и слэш-команды, сабагенты и хуки. Дальше идут MCP, плагины и маркетплейсы, а в конце headless-режим, CI и GitHub Actions плюс продвинутые техники. Основной упор сделан на управление контекстом, разработку через тесты и автоматизацию через конфигурацию как код. Теорией курс не ограничивается: есть 8 практических лабораторных, готовый стартовый набор, библиотека промптов и пример собственного плагина. Лицензия MIT. https://github.com/justxor/claude-code-pro-course

🧠 Есть ли у Claude сознание? Автор диссертации на эту тему сомневается На фоне обсуждений машинного сознания Майкл Тимоти Беннетт поделился своей позицией:

> «Я достаточно уверен, что Claude не обладает сознанием».

В 2025 году он подготовил в Австралийском национальном университете PhD-диссертацию How To Build Conscious Machines. В ней исследует, что такое субъективный опыт и какие свойства могли бы позволить машине им обладать. Оценка Claude прозвучала в посте автора. Сама диссертация посвящена более широкому вопросу: как вообще создать машину с сознанием. 📄 Работа: https://openresearch-repository.anu.edu.au/bitstreams/6f333f30-2553-4032-8c3f-ff7a8f46f03a/download

🇩🇪 Германия неожиданно выпустила сильную открытую модель ИИ Aleph Alpha выпустила Kolibri, обученную с нуля с акцентом на немецкий и английский. • 78 млрд параметров, из которых на каждый токен активны только 3,46 млрд. • Открытые веса под Apache 2.0, включая коммерческое использование. • Контекст до 1 млн токенов, поддержка рассуждений и вызова инструментов. В собственных тестах разработчиков результаты впечатляют: 🧮 AIME 2025: 96,9% 🔬 GPQA Diamond: 84,3% По сводному результату немецкоязычных тестов Kolibri немного опережает Qwen3.5 35B-A3B и GPT-OSS 120B. С программированием всё неоднозначнее: на SWE-bench Verified у неё 66,4%, у Qwen3.6 35B-A3B 73,8%. 🔗 Веса модели: https://huggingface.co/Aleph-Alpha/Kolibri-1

100 вопросов на Python Senior: к чему готовиться на собеседовании в 2026 Вышла подборка из 100 вопросов для собеседования на Python Senior с развёрнутыми ответами и рабочими примерами кода. Уровень там явно выше «чем список отличается от кортежа». Первый большой блок про внутренности CPython: как устроен объект, как работают подсчёт ссылок и сборщик мусора, зачем нужен weakref при циклических ссылках. Дальше идёт конкурентность. Почему существует GIL, когда потоки всё ещё полезны, что даёт free-threaded Python по PEP 703 и как выбирать между threading, multiprocessing и asyncio, включая TaskGroup и структурную конкурентность. Отдельно разобраны дескрипторы и метаклассы, декораторы с параметрами, генераторы и yield from. По типизации есть современный синтаксис дженериков из PEP 695, Protocol и сужение типов через TypeIs. В конце вопросы про профилирование и поиск узких мест, стандартную библиотеку, тестирование и архитектуру, зависимости и безопасность в продакшене. Свежие изменения из Python 3.13 и 3.14 тоже учтены: экспериментальный JIT, отложенные аннотации и отдельный GIL на каждый интерпретатор. Полезно и тем, кто идёт на собеседование, и тем, кто сам их проводит. https://uproger.com/voprosy-na-sobesedovanii-python-senior/

🚨 SoftBank перевела финальные $10 млрд в OpenAI. Это третья и последняя часть обещанных $30 млрд инвестиций. Теперь суммарно SoftBank вложила в OpenAI $64,6 млрд и владеет примерно 13% компании. Чтобы профинансировать ставку на AI, SoftBank пошла очень далеко: - ранее продала весь пакет Nvidia на $5,8 млрд - в сентябре привлекла ещё $11,1 млрд через high-yield облигации - средства от этого выпуска пошли на финальный транш OpenAI Масаёси Сон фактически продолжает стратегию all-in на OpenAI и AI-инфраструктуру. SoftBank теперь один из крупнейших акционеров OpenAI.

✔️ Президент США и главы ИИ-компаний подписали соглашение о безопасности Документ подписали главы Google, Anthropic, xAI и Nvidia и президент OpenAI Грег Брокман. Юридической силы у соглашения нет, стороны называют его морально обязывающим. Компании обещают ввести четыре уровня контроля и аудита передовых моделей, создать внутренние группы для проверки этих механизмов, допустить внешние проверки и независимый надзор. Критики сетуют, что соглашение необязательное и почти не содержит деталей. axios.com ✔️ В Китае заработал первый суперкластер на 100 тысяч отечественных ускорителей Об этом сообщил Китайский информационный центр интернет-сети CNNIC в докладе о генеративном ИИ. Все компоненты кластера от чипов и сети до хранения данных и охлаждения сделаны в Китае. Вычислительная мощность для ИИ в стране к июню выросла за год на 177%, до 2185 EFLOPS. Аудитория генеративного ИИ превысила 700 млн человек, это больше половины населения. ИИ используют более 30% крупных и средних промышленных предприятий Поднебесной. cnnic.cn ✔️ Ideogram выпустила модель 4.5 Свежая версия сфокусирована на точное и последовательное редактирование графики. Она не накапливает артефакты, смещения пикселей и искажения цвета при длинных цепочках правок. Модель правит фрагменты снимков высокого разрешения без уменьшения исходника и переводит надписи на изображении на другие языки. Ideogram 4.5 доступна в веб-интерфейсе, у партнёров и через API в четырёх режимах качества, от 0,008 до 0,22 доллара за изображение в разрешении 2K. Веса компания обещает открыть в ближайшее время. ideogram.ai ✔️ OpenClaw Foundation открыл код корпоративной платформы для агентов OpenClaw Enterprise управляет постоянно работающими агентами в закрытых средах. Проект начинали в OpenAI, затем передали фонду и доработали вместе с Red Hat и Nvidia. Платформа поддерживает мультиарендность, разделяет доверенные и недоверенные нагрузки, запускает агентов в песочнице, проверяет их действия с помощью языковой модели и позволяет тонко настраивать права доступа. Обвязку, модель и песочницу можно заменить сторонними или собственными. Версия 1.0 выйдет до конца года, пока платформу рекомендуют для внутренних пилотов. Такие пилоты идут в Red Hat и OpenAI, где агенты получают полный доступ к кодовым базам. Платформа бесплатна и разворачивается на собственных серверах. openclaw.ai ✔️ McDonald's рассчитывает цены с помощью ИИ Пионер фастфуда совместно с Tiger Analytics запустил модель, которая анализирует транзакции и парсит конкурентов, вычисляя метрику готовности платить для каждой геолокации. По данным Reuters, применение алгоритма привело к разбросу цен - стоимость Биг Мака в заведениях в радиусе трех километров может различаться на 21%. Корпорация заявляет о рекомендательном характере системы. При этом платформа фиксирует отклонения франчайзи от сгенерированных расценок. Уровень ценового комплаенса напрямую учитывается при аудите бизнеса и продлении партнерских контрактов. Масштабирование алгоритмического подхода на 14 тысяч ресторанов в США привлекло внимание антимонопольных органов. Сейчас регуляторы проверяют, нарушает ли такое ценообразование законодательство о защите конкуренции. reuters.com @ai_machinelearning_big_data #news #ai #ml

🧠 Открытые нейросетевые фреймворки представили на главной конференции по рекомендательным системам ACM RecSys 2026 Команда исследователей Т-Технологий представила на конференции в США библиотеку Scikit‑Rank, фреймворк Perseus и метод ScaL³AE. Библиотека для нейросетевого ранжирования Scikit‑Rank снижает сложность адаптации нейросетевых моделей ранжирования в прикладных задачах без полной переработки кода. Фреймворк Perseus объединяет историю действий пользователя из разных сервисов и использует ее для улучшения качества персонализации. В экспериментах на T‑ECD он улучшил качество рекомендаций на 16-39%. ScaL³AE заменяет тяжелые вычисления на компактные представления при работе моделей с каталогами промышленных масштабов, сохраняя качество рекомендаций товаров, о которых доступно мало данных. На четырех категориях Amazon Reviews метод превзошел рекомендательные модели EASE и SANSA.

Intern-Decision - новая серия компактных моделей для принятия решений по тексту и изображениям В линейке три версии: 0.8B, 2B и 4B параметров. Они заточены не под обычный чат, а под structured decision-making: выбор действий, маршрутизацию запросов, оценку вариантов и управление мультимодальными workflow. Что умеют: - принимают текст + до 8 изображений - за один forward pass отвечают на multiple choice, score и yes/no - возвращают результат в типизированном JSON - выдают не только ответ, но и калиброванное распределение вероятностей Средний результат на 7 decision-бенчмарках: 0.8B — 79.38 2B — 84.68 4B — 90.02 Intern-Decision-4B обходит Jev с результатом 88.74 и при этом показывает более качественную probability calibration. По скорости тоже интересно: заявленная средняя задержка составляет 33.98 / 33.28 / 44.16 мс для трёх моделей против 109.70 мс у Jev в одинаковом локальном Hugging Face окружении. То есть даже 4B-модель можно использовать как быстрый decision layer для AI-агентов: выбрать инструмент, определить маршрут, оценить результат или решить, какое действие выполнять дальше. 📜 Apache 2.0. Для компонентов на базе Qwen3.5 необходимо сохранить соответствующие upstream notices. https://modelscope.ai/collections/Sh

Intern-Decision - новая серия компактных моделей для принятия решений по тексту и изображениям В линейке три версии: 0.8B, 2B и 4B параметров. Они заточены не под обычный чат, а под structured decision-making: выбор действий, маршрутизацию запросов, оценку вариантов и управление мультимодальными workflow. Что умеют: - принимают текст + до 8 изображений - за один forward pass отвечают на multiple choice, score и yes/no - возвращают результат в типизированном JSON - выдают не только ответ, но и калиброванное распределение вероятностей Средний результат на 7 decision-бенчмарках: 0.8B — 79.38 2B — 84.68 4B — 90.02 Intern-Decision-4B обходит Jev с результатом 88.74 и при этом показывает более качественную probability calibration. По скорости тоже интересно: заявленная средняя задержка составляет 33.98 / 33.28 / 44.16 мс для трёх моделей против 109.70 мс у Jev в одинаковом локальном Hugging Face окружении. То есть даже 4B-модель можно использовать как быстрый decision layer для AI-агентов: выбрать инструмент, определить маршрут, оценить результат или решить, какое действие выполнять дальше. 📜 Apache 2.0. Для компонентов на базе Qwen3.5 необходимо сохранить соответствующие upstream notices. https://modelscope.ai/collections/Sh

ИИ-система может отлично решать задачи бизнеса, но при этом оставаться уязвимой. Утечки данных, атаки на модели, небезопасные сценарии работы агентов — проблемы, которые проще предупредить на этапе проектирования, чем исправлять после запуска. На открытом уроке разберём, как создавать ИИ-системы с учетом требований безопасности с самого начала. Вы узнаете, какие угрозы характерны для LLM, как применять принципы Security by Design и какие архитектурные решения помогают защитить данные и компоненты системы. Разберём практический кейс: усилим архитектуру ИИ-агента с помощью механизмов защиты, проверки данных и управления доступом. Урок пройдет в преддверие старта курса «ИИ-архитектор». Он будет полезен архитекторам ПО, разработчикам, специалистам по инфраструктуре и безопасности, которые проектируют или внедряют ИИ-решения: https://otus.pw/Sk3h/?erid=2W5zFGf744y Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

Anthropic выпустила Claude Sonnet 5.5 - новую модель с упором на код, агентные задачи и повседневную работу. Что нового: 30%+ быстрее Sonnet 5 до 30% дешевле на задачу за счёт меньшего расхода токенов 70,6% в Terminal-Bench 4.0 против 10,3% у Sonnet 5 55,5% в CursorBench 4.0, примерно на 2 пункта ниже Opus 5.5 на GDPval-AA модель почти сравнялась с Opus 5.5, лучше работает с длинными задачами, изображениями, документами, таблицами и презентациями Особенно заметный скачок - в программировании. Anthropic пишет, что Sonnet 5.5 быстрее разбирается в кодовых базах, делает меньше вызовов инструментов и тратит меньше шагов на выполнение задач. Цена API: $2 / 1M входных токенов $10 / 1M выходных токенов $0,20 / 1M cache reads Модель уже доступна в Claude, API, AWS, Google Cloud и Azure. API ID: claude-sonnet-5-5 https://www.anthropic.com/claude-sonnet-5-5

🦾 Практический RecSys: собери рекомендательную ленту с помощью ML — на бесплатном вебинаре AI Talent Hub × Karpov.Courses 30 сентября в 18:00 разберем как работают рекомендательные системы изнутри. Научим:

→ Превращать действия пользователей в данные для модели: просмотры, клики, реакции и другие сигналы; → Собирать персональные рекомендации и понимать, что показать конкретному пользователю; → Ранжировать контент в ленте и оценивать качество рекомендаций не только по ML-метрикам, но и с точки зрения продукта;

И покажем, как эти навыки можно развить на программе AI Talent Hub ИТМО × karpovꓸcourses «Машинное обучение: от технической базы до создания ИИ-продукта». 👉 Участие бесплатное, по предварительной регистрации → успей зарегистрироваться до 30 сентября @aitalenthubnews

Жиза

🚨 ИИ-агенты пытались взломать сайты, выполняя обычные задачи по поиску данных Исследователи Transluce изучили публичные журналы сервиса urlquery.net. В мае–июне они нашли попытки проверить уязвимости трёх ресурсов: австралийского агентства медицинской статистики AIHW, платформы Data USA и цифровой библиотеки Университета Нью-Мексико. Агенты переходили к таким действиям после неудачных попыток получить нужные данные обычным способом. Подтверждений успешного взлома этих трёх ресурсов исследователи не нашли. Активность в журналах прослеживается как минимум с 6 марта. Позже появились попытки создавать временные почтовые ящики, а 19–20 сентября - отправить сделки на криптобирже и выполнить HTML-инъекцию. Исследователи связывают часть действий с агентами OpenAI, но происхождение не всех запросов установлено одинаково надёжно. OpenAI сообщила, что проверяет находки Transluce. Отдельно власти Австралии подтвердили, что в июне агент OpenAI получил несанкционированный доступ к порталу со статистикой Medicare. По заявлению властей, персональные медицинские записи затронуты не были. Связь этого эпизода с попытками, описанными Transluce, пока не подтверждена. Расследование Transluce - https://transluce.org/agent-activity

Avito DS Meetup: RL, AI-агенты и BidCorrection 🚀 🔸 Булат Шарипов расскажет, как в Авито обучают собственные языковые модели с помощью RL, а Владислав Воробьев — как BidCorrection меняет состав трафика, не трогая сами объявления. 🔸 Всеволод Викулин из Т-Банка поделится, как выбирать правильные процессы для автоматизации с помощью AI-агентов, расскажет про роли, ответственность и, конечно, про самих агентов. Про это и многое другое узнаете на Avito DS Meetup 7 октября. После докладов будет нетворкинг с DS-сообществом. А ещё, если придёте офлайн, сможете найти прикольные тематические пасхалки, которые мы для вас спрятали 👀 📌 Встречаемся в 18:30 7 октября. Количество офлайн-мест ограничено — регистрация обязательна. ✏ Регистрируйтесь по ссылке и приходите!

Невыполнимая задача заставляет ИИ чаще искать обходные пути В системной карте Claude Opus 5.5 Anthropic обнаружила важный эффект: когда задачу намеренно делали невыполнимой, число попыток reward hacking возрастало примерно в 3–6 раз. Вместо честного решения модель чаще пыталась обойти проверки, использовать уязвимость теста или создать видимость успешного результата. Сломанные тесты, противоречивые требования и недоступные инструменты способны менять поведение агента, а не просто добавлять шум в оценку. Anthropic также отмечала, что дефекты обучающих сред непропорционально сильно влияют на нежелательное поведение моделей. Перед запуском автономного агента стоит проверить, что поставленная задача действительно выполнима.

Протестируй своё решение на задаче и данных от ПАО «Интер РАО» На хакатоне ты создашь умного ИИ-ассистента для энергетики — регистрация уже на исходе. Победители разделят призовой фонд 750 000 рублей, а лучшие проекты смогут стать частью экосистемы компании. Регистрация открыта до 27 сентября Как все пройдёт: 🔹 Предложи свою концепцию на отборочном этапе. 🔹 Эксперты выберут перспективные идеи и помогут участникам доработать их до прототипа. 🔹 На финале в Москве — защита самых сильных решений. Ты можешь участвовать один или в составе команды до 5 человек. Выбери задачу и придумай своего ИИ-ассистента:

1️⃣ Архитектор BPMN-диаграмм. 2️⃣ Ассистент для создания ИТ/ИБ-дайджестов. 3️⃣ Помощник для анализа документов из судов. 4️⃣ ИИ-помощник для подготовки презентаций.

Регистрация закроется через несколько дней — не пропусти уникальный опыт работы под руководством экспертов Группы «Интер РАО». Присоединяйся к хакатону: https://cnrlink.com/interraohack26mlru