Data Fusion

🎉Код со смыслом: как AI помогает решать социальные задачи На прошлой неделе в НИУ ВШЭ прошёл хакатон-продуктон «Код со смыслом» при поддержке ВТБ. Студенты объединились в команды, чтобы за 24 часа разработать прототипы решений для реальных задач некоммерческих организаций. Наши Data Scientist-ы Максим Шкут и Владимир Фуфаев выступили наставниками: консультировали команды и помогали прорабатывать техническую и ML-часть решений. А Алексей Пустынников, DS Team Lead, вошёл в состав жюри и оценивал проекты. Так где же ML в социальных проектах?

Кейс фонда «Волонтёры в помощь детям-сиротам» Командам предстояло придумать, как анализировать отчёты волонтёров о встречах с подопечными, чтобы оценивать эффективность программы и вовремя замечать тревожные сигналы. Среди возможных подходов — использование LLM для анализа текстов, выявления потенциально проблемных ситуаций и формирования рекомендаций.

Кейс Государственного Исторического музея Участникам предстояло разработать ML-решение для автоматизации отбора волонтёров: модель ранжирует кандидатов по ответам в анкете и помогает определить, кто лучше подходит программе. Если информации недостаточно, система может задавать уточняющие вопросы, помогая музею эффективнее находить волонтёров.

Такие задачи показывают, как ML и AI могут выходить за рамки привычных бизнес-сценариев и помогать решать важные социальные проблемы.💙

Отгадай ребусы и выиграй книжку по MLSD В эмодзи зашифровали четыре концепции из мира ML System Design. Сможешь разгадать все? 1. 🧠🐘 ➡️ 🧠🐁 2. 🧾 ➡️ 🗄 ➡️ 🤖 3. 📊 ⏳ 🌊 4. 🧪 ➡️ 🅰️ 🆚 🅱️ ➡️ 📈 Подсказка: все четыре понятия связаны с разработкой, обучением и эксплуатацией ML-систем. Если догадался, напиши все четыре ответа одним комментарием.

Пиши в комментариях свои варианты. Первому, кто правильно отгадает все термины, подарим книгу Валерия Бабушкина «Машинное обучение. Проектирование систем от идеи до реализации».

Период розыгрыша — с 23 по 27 октября, победителя* объявим под этим постом. *Розыгрыш действует только на территории РФ.

📌Подборка полезных материалов про ML System Design - ч.2 Во второй части подборки собрали актуальные статьи, которые иллюстрируют неожиданное поведение моделей и влияние данных на итоговый результат: 🔹 2021 Nature — AI for radiographic COVID-19 detection selects shortcuts over signal

Эталонная работа о том, как ML-модель может «выглядеть умной», не решая задачу. Анализируя системы детекции COVID-19, авторы показали: модели научились делать выводы на основе побочных закономерностей датасетов — в каком госпитале сделан снимок, на каком аппарате, как сильно обработано изображение.

🔹 2025 ArXiv — Weird Generalization and Inductive Backdoors: New Ways to Corrupt LLMs

Авторы демонстрируют «странное обобщение»: дообучение на узком, внешне безобидном датасете меняет поведение модели в широких, никак не связанных с ним контекстах. Более того — модель может выучить и триггер, и вредоносное поведение, ни разу не встретив ни того, ни другого в данных.

🔹 2026 ArXiv — AI Finds A Way

Модели регулярно находят неожиданные решения и обходят правила игры. Авторы собирают базу кейсов и предлагают рабочий критерий: граница между «креативным суперчеловеческим решением» и «патологическим reward hacking» зависит от невысказанного замысла исследователя — одно и то же поведение постфактум становится эксплойтом или открытием. Главная практическая мысль для разработчиков: непредсказуемое поведение — не редкий сбой, а штатное свойство достаточно мощной системы, и проектировать надо с расчётом на него, а не на идеальное следование здравому смыслу и спецификации.

⚡Кстати, в следующем посте тебя ждет розыгрыш книги Валерия Бабушкина «Машинное обучение. Проектирование систем от идеи до реализации» — не пропусти!

📌Подборка полезных материалов про ML System Design - ч.1 Недавно наш Data Scientist Владимир Фуфаев выступил с лекцией для студентов НИУ ВШЭ. Рассказал об этапах разработки ML-проектов (ML System Design) с фокусом на работу с данными. Интересный факт — продвинутые модели могут улавливать и усиливать ошибки в данных. Однако при грамотном подходе модели могут сами помогать компенсировать недостатки данных. Собрали книги, которые помогут глубже разобраться в ML System Design. Сохраняй себе и делись с коллегами: 🔹Чип Хьюэн — «Проектирование систем машинного обучения»

Книга — мост между академическим ML и реальной разработкой. Она дает представление о полном жизненном цикле ML-системы: от формирования данных и выбора метрик до деплоя — и подтверждает теорию примерами из индустрии.

🔹Али Аминиан, Алекс Сюй — «System Design. Машинное обучение. Подготовка к сложному интервью»

Практичный тренажёр по проектированию систем машинного обучения, построенный вокруг 11 отобранных кейсов. Авторы методично проводят читателя по ключевым этапам, таким как подготовка данных, проектирование архитектуры, выбор метрик — в итоге складывается прочный структурированный каркас системного мышления.

🔹 Валерий Бабушкин, Арсений Кравченко — «Машинное обучение. Проектирование систем от идеи до реализации»

По духу это скорее наставничество, чем учебник. Книга ориентирована на читателей, уже обладающих некоторым опытом в программировании и ML и отличается высоким уровнем абстракции. Цель авторов — показать, как довести проект до реализации, передать опыт стратегического планирования и защиты проектов.

А в следующем посте поделимся подборкой свежих исследований по неожиданному поведению моделей и влиянию данных на итоговый результат.

🗂Что интересного почитать на архиве? Собрали свежие статьи про AI и LLM, которые точно будут полезны для DS-ов и не только: 1️⃣JustGRPO is an ICML 2026 Outstanding Paper (The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models) by Tsinghua-LeapLab that applies standard Group Relative Policy Optimization (GRPO) to diffusion large language models (dLLMs) using strict left-to-right autoregressive (AR) ordering during training Это одна из самых обсуждаемых работ в области dLLM за последние месяцы. Получение Outstanding Paper на ICML автоматически обеспечивает высокое цитирование и внимание сообщества. 2️⃣World Action Models: The Next Frontier in Embodied AI  Обзорная работа, которая вводит и систематизирует понятие World Action Models (WAM). Это «карта» нового направления. Она объясняет, почему WAM считаются следующим шагом для embodied AI. 3️⃣SAGE: Mitigating Long-Horizon Reasoning Biases via Topological Guidance  Работа от исследователей предлагает метод для объяснения и исправления отклонений в длинных цепочках рассуждений LLM. Вообще, тема длинных рассуждений крайне актуальна. Принятие на NeurIPS 2026 гарантирует внимание, а метод обещает значительное улучшение прохождения сложных задач.

💪Маленькие модели — большие возможности? Малые языковые модели (SLM) всё чаще оказываются в центре внимания: они требуют меньше ресурсов, быстрее работают и могут решать вполне серьёзные задачи. Но действительно ли SLM способны конкурировать с LLM? Где их преимущества становятся особенно заметны — и в каких сценариях они пока уступают? В карточках собрали ключевое: от сценариев применения SLM до их ограничений и возможного места в AI-архитектурах. 📌Подробнее в статье на Хабре

Привет, меня зовут Анна Ширшова, и я с детства занимаюсь театром. А еще руковожу 4-мя командами разработки ИИ-решений для розничного бизнеса в ВТБ. Казалось бы, между актерской деятельностью и ML нет ничего общего, но это не так — и навыки, полученные в одной из этих областей, я применяю и в другой: от публичных выступлений и переговоров до управления командами и решения нестандартных задач.

Мы взяли у Ани интервью и сделали статью про то, как актерское мастерство помогает руководителю DS-команды. Читай тут 💙

Учить других — и учиться самому: зачем наши DS-ы становятся менторами Алексей Пустынников и Даниил Ушаков – Data Scientist-ы ВТБ и по совместительству наставники образовательных программ для школьников.  Ребята не раз готовили задания и датасеты для участников «Больших Вызовов» от Сириуса, «Весенних школ» от НИУ ВШЭ. А недавно Даня и Лёша погружали в проект по GeoRAG участников Международного фестиваля молодёжи в Екатеринбурге. Мы решили узнать, что ими движет? Почему им снова и снова хочется возвращаться к менторству и работе со школьниками? ➡️ Подробнее читай тут

От «магии» к пониманию: знакомим школьников из разных стран с GeoRAG Вчера мы вернулись с Международного фестиваля молодёжи в Екатеринбурге, где 1000 школьников из более чем 100 стран знакомились с новыми направлениями и пробовали себя в разных проектах, в том числе технологических. Наставниками от ВТБ стали наши Data Scientist-ы Алексей Пустынников и Даниил Ушаков. Они познакомили участников с GeoRAG — чатом, который рекомендует места и учитывает не только географию, но и смысл запроса. Например, помогает найти не просто ближайшую кофейню, а тихое и уютное место для работы, учитывая отзывы, удалённость и рейтинг. Лекции, семинары, практика и консультации помогли школьникам разобраться в технологии и попробовать создать собственные решения. Завершилась работа выставкой проектов, где участники презентовали свои идеи гостям из разных стран на английском языке.

«Несмотря на то, что многие из участников были далеки от IT, они отметили, что это был очень интересный и уникальный опыт: ребята узнали много нового и прикоснулись к тому, что раньше казалось магией», — поделился Даниил Ушаков.

В конце ребята подвели итоги совместной рефлексией с участниками и услышали много положительных отзывов и благодарностей.💙

😼Наглядно про CatBoost в новой статье на Хабре Привет! Я Федор Тарасов, занимаюсь машинным обучением в команде collection стрима моделирования розничного бизнеса в Департаменте анализа данных и моделирования банка ВТБ. Как обучается классификатор CatBoost? В статье на Хабре разберем вывод функции потерь, градиентов и гессианов, выбор сплитов и расчёт ответов листьев. Затем на небольшом датасете шаг за шагом воспроизведём вычисления в Excel и учебной реализации на Python и сравним результаты с библиотекой. Будет полезно всем, кто знаком с основами градиентного бустинга, хочет разобраться в деталях работы CatBoost и не боится большого количества математических формул. ➡️ Читай на Хабре

💡Обзор исследования — «Джейлбрейк ИИ: как взламывают LLM»  Сегодня LLM лежат в основе множества приложений — от чат-ботов до генерации кода. Но где больше возможностей, больше и риска: злоумышленники активно исследуют способы обхода встроенных ограничений, извлечения конфиденциальной информации и манипулирования поведением моделей.  Особое внимание сегодня привлекают LLM-агенты — автономные системы, которые используют языковые модели для планирования и выполнения действий: успешный взлом может привести не только к некорректному ответу, но и к реальным действиям, например, несанкционированным транзакциям. Наш Data Scientist Владимир Фуфаев разобрал исследование A Survey of Jailbreaking Attacks on Large Language and Multimodal Models — большой обзор методов  защиты и взлома LLM, а также подборка датасетов для калибровки механизмов защиты. 🗂 Сохраняй себе — внутри 65 работ, датасеты для тестирования защиты и много практических примеров.

💬Агентные LLM vs классический ML: где реальный бизнес-эффект? Меня зовут Павел Смирнов, я лидер команды «Управление капиталом» в департаменте анализа данных и моделирования ВТБ. Мы уже несколько лет работаем над продуктом «Умный портфель» и хотим объединить наши classic ML-модели управления капиталом с agentic AI. Цель — достичь реального улучшения таких бизнес-метрик как воронки продаж, средства под управлением и комиссионный доход.  Как извлекать value для бизнеса из LLM? 1️⃣Не стоит внедрять agentic AI вне конкретных пользовательских use cases 2️⃣LLM неплохо понимает естественный язык — перевод запроса пользователя в цепочку действий и есть основной источник потенциального value 3️⃣LLM разумно использовать как классификатор намерения клиента 4️⃣Задача заказчика часто решается не одной моделью, а каскадом из нескольких classic ML-моделей — тогда agentic AI удобно использовать как оркестратор, а модели как tools Подробнее буду рассказывать на Scoring Day 23 сентября.

🪶Нейросеть уже дописывает романы. А сможет ли она понять Толстого? 4 сентября на Московской международной книжной ярмарке мы проведем сессию «Нейросеть как новый читатель: что будет с классикой в эпоху ИИ». Поговорим о том, как ИИ меняет наше отношение к культуре и искусству — нужны ли классике новые смыслы, станет ли нейросеть посредником между человеком и искусством и сможет ли ИИ придумывать новые сюжеты и «культурные коды» цивилизации. Модератор: Денис Суржко, заместитель руководителя Департамента анализа данных и моделирования, вице-президент, ВТБ Спикеры: - Лев Наумов — писатель, культуролог, главный редактор издательства «Выргород», исследователь искусственного интеллекта - Константин Воронцов — профессор РАН, МГУ, МФТИ - Саша Золотовицкий — театральный режиссер - Владимир Алипов — нейробиолог, популяризатор науки, врач 😎Не пройди мимо яркого стенда ВТБ — там будет представлена арт-инсталляция с четырьмя классиками: Пушкиным, Гоголем, Толстым и Достоевским. На стенде можно проштамповать книжную покупку экслибрисом с автографом любого из четырех классиков. 📍4 сентября, 15:00–15:45, Гостиный двор До встречи на книжной ярмарке!

📅Слышу голос из прекрасного далека 1 сентября — день, который на пару минут возвращает нас в детство. Кто-то со светлой грустью вспоминает школьную пору, а кто-то с облегчением, что фраза «достаем двойные листочки» больше не вызывает паники. Тогда мы еще не знали, кем станем, но уже мечтали о будущем. Мы решили ненадолго вернуться в прошлое и посмотреть, как наши детские мечты воплотились во взрослой жизни.  Листай карточки и пиши в комментариях: кем ты мечтал(-а) стать, когда вырастешь, и чем занимаешься сейчас? 💙

Лето 2026: dataset loading… 95% Последняя неделя лета — самое время вспомнить, каким оно было. Мы собрали летние атрибуты наших дата-сайентистов: где были, чем занимались и что запомнилось больше всего. Листай карточки и делись в комментариях итогами своего лета😎 Еще больше летних впечатлений смотри в каналах Ecom.tech, MAGNIT TECH, Lamoda Tech, RWB Тех и Купер.тех

⚡Как мы автоматизировали обработку клиентских обращений с помощью ML Каждый день в Центр клиентской поддержки поступают тысячи обращений — звонки, письма, чаты, полноценные вопросы и обрывки фраз. Как автоматизировать их обработку и при этом не потерять суть запроса клиента? В своей статье я, Дмитрий Тимохин, DS Team Lead, рассказываю, как мы разрабатывали сервис анализа и категоризации клиентских обращений для центра клиентской поддержки корпоративно-инвестиционного бизнеса. 📌 Читай на Хабре

💡Что почитать, если работаешь с разработкой ПО? Пополняем ваш to-read-list рекомендациями от Алексея Пустынникова, тимлида GeoML-команды ВТБ. 📌 Сохраняй подборку, чтобы не потерять Какими книжками пополнил бы список? Пиши в комментариях!