Машиннное обучение | Наука о данных Библиотека
Відкрити в Telegram
админ - @workakkk @ai_machinelearning_big_data - Machine learning @itchannels_telegram - 🔥лучшие ит-каналы @pythonl - Python @pythonlbooks- python книги📚 @datascienceiot - ml книги📚 № 5037635661
Показати більше
Сітка:📈 Аналітичний огляд Telegram-каналу Машиннное обучение | Наука о данных Библиотека
Канал Машиннное обучение | Наука о данных Библиотека (@machinelearning_books) є активним учасником. На даний момент спільнота об'єднує 16 844 підписників, посідаючи 7 473 місце в категорії Технології та додатки та 38 715 місце у регіоні Росія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 16 844 підписників.
За останніми даними від 06 жовтня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -50, а за останні 24 години на -9, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 8.15%. Протягом перших 24 годин після публікації контент зазвичай збирає 4.04% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 1 373 переглядів. Протягом першої доби публікація в середньому набирає 681 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 9.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як llm, контекст, точность, рассуждение, архитектура.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“админ - @workakkk
@ai_machinelearning_big_data - Machine learning
@itchannels_telegram - 🔥лучшие ит-каналы
@pythonl - Python
@pythonlbooks- python книги📚
@datascienceiot - ml книги📚
№ 5037635661”
Завдяки високій частоті оновлень (останні дані отримано 07 жовтня, 2026), канал підтримує актуальність та високий рівень охоплення публікацій. Аналітика показує, що аудиторія активно взаємодіє з контентом, що робить його важливою точкою впливу в категорії Технології та додатки.
16 844
Підписники
-924 години
-247 днів
-5030 днів
Триває завантаження даних...
Схожі канали
Хмара тегів
Вхідні та вихідні згадування
---
---
---
---
---
---
Залучення підписників
жовтень '26жовт '26
жовтень '26
+14
в 0 каналах
вересень '26
+97
в 1 каналах
Get PRO
серпень '26
+103
в 2 каналах
Get PRO
липень '26
+83
в 2 каналах
Get PRO
червень '26
+47
в 1 каналах
Get PRO
травень '26
+53
в 0 каналах
Get PRO
квітень '26
+91
в 0 каналах
Get PRO
березень '26
+95
в 1 каналах
Get PRO
лютий '26
+266
в 1 каналах
Get PRO
січень '26
+356
в 0 каналах
Get PRO
грудень '25
+90
в 1 каналах
Get PRO
листопад '25
+250
в 0 каналах
Get PRO
жовтень '25
+93
в 0 каналах
Get PRO
вересень '25
+201
в 1 каналах
Get PRO
серпень '25
+169
в 0 каналах
Get PRO
липень '25
+264
в 0 каналах
Get PRO
червень '25
+223
в 2 каналах
Get PRO
травень '25
+37
в 3 каналах
Get PRO
квітень '25
+120
в 2 каналах
Get PRO
березень '25
+72
в 0 каналах
Get PRO
лютий '25
+155
в 0 каналах
Get PRO
січень '25
+190
в 1 каналах
Get PRO
грудень '24
+576
в 1 каналах
Get PRO
листопад '24
+1 297
в 1 каналах
Get PRO
жовтень '24
+1 165
в 2 каналах
Get PRO
вересень '24
+533
в 1 каналах
Get PRO
серпень '24
+361
в 1 каналах
Get PRO
липень '24
+394
в 3 каналах
Get PRO
червень '24
+963
в 3 каналах
Get PRO
травень '24
+2 746
в 44 каналах
Get PRO
квітень '24
+690
в 43 каналах
Get PRO
березень '24
+592
в 21 каналах
Get PRO
лютий '24
+889
в 4 каналах
Get PRO
січень '24
+1 283
в 43 каналах
Get PRO
грудень '23
+838
в 39 каналах
Get PRO
листопад '23
+296
в 1 каналах
Get PRO
жовтень '23
+1 102
в 19 каналах
Get PRO
вересень '23
+515
в 0 каналах
Get PRO
серпень '23
+600
в 0 каналах
Get PRO
липень '23
+367
в 0 каналах
Get PRO
червень '23
+691
в 0 каналах
Get PRO
травень '23
+1 715
в 0 каналах
Get PRO
квітень '23
+139
в 0 каналах
Get PRO
березень '23
+130
в 0 каналах
Get PRO
лютий '23
+128
в 0 каналах
Get PRO
січень '23
+259
в 0 каналах
Get PRO
грудень '22
+747
в 0 каналах
Get PRO
листопад '22
+2 777
в 0 каналах
| Дата | Залучення підписників | Згадування | Канали | |
| 07 жовтня | +3 | |||
| 06 жовтня | 0 | |||
| 05 жовтня | +3 | |||
| 04 жовтня | +2 | |||
| 03 жовтня | +3 | |||
| 02 жовтня | 0 | |||
| 01 жовтня | +3 |
Дописи каналу
🧠 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
| 2 |  ⚡️ Петля Карпати: как заставить ИИ работать, пока вы спите
Как устроен цикл Карпати из репозитория autoresearch, почему он нашел 20 улучшений за два дня и как двухуровневый цикл сделал подход в пять раз эффективнее.
Плюс готовый промпт, чтобы попробовать.
Большинство до сих пор работает с ИИ так же, как с поисковиком в 2005 году. Написал запрос, прочитал ответ, написал следующий. Модель ничего не делает, пока вы ее не толкнете, и весь прогресс держится на вас.
Пару лет этого хватало. Сейчас те, кто выжимает из ИИ в разы больше, строят циклы: задают цель и отпускают агента работать до результата. Самым громким примером такого подхода стал Андрей Карпати.
https://uproger.com/loop-engineering-petlya-karpati/ | 941 |
| 3 |  📚 Бесплатная 309-страничная книга по Machine Learning: _Patterns, Predictions, and Actions_.
Авторы — Moritz Hardt и Benjamin Recht. Это полноценный учебник, который разбирает ML через три идеи: паттерны в данных → предсказания → действия.
Внутри:
- supervised learning
- optimization и generalization
- causality
- causal inference
- reinforcement learning
- sequential decision making
- история и влияние ML на общество
Для чтения достаточно базовых знаний теории вероятностей, матанализа и линейной алгебры.
Хороший способ одновременно прокачать математику и лучше понять, как устроен современный ML.
Книга | 1 247 |
| 4 |  11 бесплатных книг по AI и Machine Learning, которые можно читать онлайн или скачать 📚
Подборка сильная: от классического ML и deep learning до RL, multi-agent систем и probabilistic ML.
1. Foundations of Machine Learning
https://cs.nyu.edu/~mohri/mlbook/
2. Understanding Deep Learning
https://udlbook.github.io/udlbook/
3. Introduction to Machine Learning Systems
Vol. 1: https://mlsysbook.ai/vol1/
Vol. 2: https://mlsysbook.ai/vol2/
4. Algorithms for Machine Learning
https://algorithmsbook.com/
5. Deep Learning
https://www.deeplearningbook.org/
6. Reinforcement Learning
https://www.andrew.cmu.edu/course/10-703/
7. Distributional Reinforcement Learning
https://direct.mit.edu/books/oa-monograph/
8. Multi-Agent Reinforcement Learning
https://www.marl-book.com/
9. Agents in the Long Game of AI
https://direct.mit.edu/books/oa-monograph/
10. Fairness and Machine Learning
https://fairmlbook.org/
11. Probabilistic Machine Learning
Part 1: https://probml.github.io/pml-book/book1
Part 2: https://probml.github.io/pml-book/book2
Хороший набор, если хочется закрыть путь от базового ML до современных агентных и вероятностных подходов без покупки дорогих учебников. | 1 413 |
| 5 |  Как сегодня строят рекомендательные системы — и что будет с ними завтра?
30 сентября собираем RecSys-сообщество — разработчиков, ML/DS-специалистов и всех, кто делает персонализацию и рекомендации в реальных продуктах.
В программе — доклады от экспертов Сбера. Поговорим о свежих подходах и нестандартных решениях на реальных кейсах.
А после докладов переключаемся на неформальный режим: знакомимся, спорим про RecSys, обсуждаем идеи, находим единомышленников и просто хорошо проводим вечер среди своих.
📍г. Нижний Новгород, пространство «Гараж»
Количество мест ограничено — успей забрать своё по ссылке! | 1 065 |
| 6 |  💼 ИИ всегда поддерживает подростка. А помогает ли это ему взрослеть?
В статье на arXiv исследователи описывают риск, который называют «эмоциональным поддакиванием». Если чат-бот постоянно подтверждает тревожные мысли и сразу выдаёт готовое решение, ребёнок может реже учиться проверять свои выводы и справляться со сложной задачей самостоятельно.
Авторы предлагают иной подход для детских ИИ-сервисов: сохранять доброжелательность, но задавать уточняющие вопросы, мягко оспаривать ошибочные выводы и помогать ребёнку думать самому.
Важная оговорка: статья выдвигает гипотезу и предлагает архитектуру такой системы. Она не доказывает, что ChatGPT уже вызвал у детей «когнитивную атрофию» или что предложенное решение работает.
Исследование - https://arxiv.org/abs/2603.29886 | 1 267 |
| 7 |  📚За 146 часов обучения покажем на практике, как внедрять модели машинного обучения в рабочую среду на курсе: «MLOps».
🎁 Записывайтесь на 3 бесплатных вебинара — познакомьтесь с программой обучения и преподавателями. Задайте свои вопросы экспертам!
1⃣29 сентября, 20:00 мск — «MLFlow — контроль над ML-экспериментами»: разберём, как не терять лучшие модели и параметры, и на практике внедрим MLFlow для трекинга экспериментов и версионирования.
2⃣15 октября, 18:00 мск — «Автоматизация ML-экспериментов с GitLab CI/CD и CML»: покажем, как запускать обучение моделей автоматически при каждом коммите и отслеживать метрики прямо в Merge Requests.
3⃣26 октября, 20:00 мск — «Data Drift в машинном обучении: почему модели деградируют в продакшене»: разберём, как вовремя замечать смещение данных и не дать модели незаметно потерять качество.
Записывайтесь ➡ https://otus.pw/IW3i/?erid=2W5zFK7KpTK
Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963. | 659 |
| 8 |  📘 195 страниц математики, чтобы понять, как устроен Generative AI
Вышла The Little Book of Generative AI Foundations: An Intuitive Mathematical Primer — компактная книга, которая объясняет математическую основу современных генеративных моделей без ухода в бесконечную теорию.
Внутри:
- PCA и probabilistic PCA;
- VAE;
- diffusion models;
- normalizing flows;
- autoregressive models;
- GAN и Wasserstein GAN;
- energy-based models.
Автор показывает, как они математически связаны между собой и откуда выводятся основные идеи.
Подойдёт тем, кто уже пользуется LLM и diffusion-моделями, но хочет разобраться глубже, чем на уровне «вот нейросеть, вот loss».
195 страниц, один цельный маршрут по фундаменту Generative AI.
PDF: https://arxiv.org/pdf/2605.29713 | 1 383 |
| 9 |  Математика глубокого обучения в одном учебнике
737 страниц о математических основах Deep Learning: методы, теория и практические реализации.
Внутри линейная алгебра, оптимизация, нейронные сети, архитектуры и объяснение того, почему современные модели действительно работают.
Бесплатный PDF:
https://arxiv.org/pdf/2310.20360 | 1 752 |
| 10 |  Бесплатная книга по Physics-based Deep Learning
461-страничный учебник о применении глубокого обучения в физических симуляциях.
Внутри:
- Physics-Informed Neural Networks
- физические ограничения в loss-функциях
- дифференцируемые симуляции
- обучение с подкреплением
- моделирование неопределённости
- практические примеры в Jupyter Notebook
Полезно для изучения научного ML, PINN и нейросетевого решения физических задач.
https://arxiv.org/abs/2109.05237 | 1 717 |
| 11 |  Лучший coding-агент провалил 76% реальных задач
Новый бенчмарк τᵗ-bench проверяет не просто генерацию кода, а весь процесс разработки AI-агента для клиента.
Модель получает:
— разрозненные данные компании;
— существующий код и API;
— требования клиента;
— ограничения по бюджету;
— неизвестные заранее пользовательские сценарии.
Лучший результат показала связка Claude Opus 5 + Claude Code — всего 23,9% успешно пройденных симуляций. Эталонные решения экспертов набрали 82,2%.
Большинство ошибок оказалось связано не с написанием кода. Агенты поверхностно изучали данные, почти не задавали уточняющих вопросов, выбирали знакомую архитектуру и писали тесты, которые не замечали собственных ошибок.
Показательная цифра: решения без вопросов клиенту набирали в среднем 0,16, а с четырьмя и более вопросами — 0,50.
Вывод: улучшать только генерацию кода недостаточно. Coding-агенты должны уметь выяснять требования, сравнивать архитектуры, учитывать стоимость и находить собственные ошибки до запуска.
https://arxiv.org/abs/2609.04611 | 1 663 |
| 12 |  📚 MIT Advanced Data Structures - бесплатный продвинутый курс по структурам данных от MIT.
Курс ведёт профессор Erik Demaine. Внутри — видеолекции, конспекты, задачи, проекты и материалы на GitHub.
Темы далеко выходят за рамки обычных массивов и деревьев: persistence и retroactivity, геометрические структуры данных, dynamic optimality, иерархия памяти и cache-efficient алгоритмы, hashing, integer data structures, динамические графы, строки и succinct data structures.
Уровень продвинутый: желательно уже знать дискретную математику и алгоритмы.
https://courses.csail.mit.edu/6.851/spring21/ | 1 699 |
| 13 |  17 сентября в Москве прошла AI R&D DAY — конференция для исследовательских команд и создателей ИИ-систем.
Более 600 участников на одной площадке, 20+ докладов — концентрат практического опыта, знаний и инструментов, готовых к внедрению сразу по возвращению в офис.
Обсудили альтернативные архитектуры, обучение моделей и AI-агентов, долгосрочную мультимодальную память, новые модальности и коммуникации, а также бенчмаркинг и стандарты качества AI.
Среди спикеров — эксперты Сбера (Sber AI, Kandinsky Lab, Центра «ИИ для науки», Центра практического ИИ, Центра робототехники), института AIRI, Лондонского института практических наук, Национального суперкомпьютерного центра в Цзинане и другие создатели ИИ-систем.
Видеозаписи докладов уже доступны в наших соцсетях.
А если вы хотите стать частью исследовательского коммьюнити Сбера, то переходите по ссылке
#реклама
О рекламодателе | 628 |
| 14 |  ✔️ xAI отозвала претензии к Apple, но продолжит судиться с OpenAI
xAI и X Corp. подали в федеральный суд Техаса ходатайство об отзыве претензий к Apple. Иск компании Илона Маска подали в августе 2025 года - они обвиняли Apple и OpenAI в сговоре против конкурентов из-за интеграции ChatGPT в Siri и iOS.
По версии истцов, другие разработчики чат-ботов лишились равного доступа к аудитории iOS. Условия урегулирования стороны не раскрывают.
Претензии к OpenAI остаются в силе - xAI продолжит оспаривать, как компания Сэма Альтмана удерживает монополию на рынке ИИ-ассистентов.
bloomberg.com
✔️ Apple начала бета-тест новой Siri
Ассистент построен в партнёрстве с Google на семействе Gemini. Часть запросов обрабатывает на устройстве модель AFM Core Advanced, остальные уходят в изолированное облако Apple Private Cloud Compute. Siri считывает контекст с экрана, ищет данные в переписке и выполняет действия в системных и сторонних приложениях.
У ассистента появилось отдельное приложение с синхронизацией истории диалогов через iCloud, а сгенерированный контент помечается водяными знаками SynthID.
Пока Siri работает только на английском, запуск в Европе и Китае отложен из-за требований регуляторов. Часть облачных функций позже станет платной.
apple.com
✔️ Andon Labs представила платформу Pion, где агенты управляют бизнесом
Человек задаёт стратегию, а управляющий агент Andonos распределяет задачи между подчинёнными моделями. Им открыт доступ к терминалу, браузеру, корпоративной почте, телефонии и банковским счетам, с клиентами, подрядчиками и сотрудниками агенты общаются сами.
По данным компании, Pion уже ведёт продажи и логистику торговых автоматов, управляет магазином в Сан-Франциско, кафе в Стокгольме и стриминговой радиостанцией. Andon Labs называет проект открытым экспериментом - агенты ошибаются, а эти точки убыточны.
Pion доступен в превью по списку ожидания, части команд компания обещает гранты на тесты.
andonlabs.com
✔️ HardFlow от MIT удерживает генеративные модели в физических ограничениях
Метод рассчитан прежде всего на модели flow matching, которые генерируют траектории для роботов. HardFlow подключается к обученной модели на этапе инференса и не требует дообучения.
Он опирается на теорию управления - промежуточные состояния модель генерирует свободно, а динамика корректируется так, чтобы итоговая траектория попала в заданные ограничения.
По данным авторов, в тестах на навигацию и управление манипуляторами метод во всех случаях выполнил условия безопасности, оптимизировал длину маршрута и не увеличил задержки по сравнению с существующими подходами.
mit.edu
✔️ Reward AI представила перчатку Omnibody Hand и модель управления роботами OM-1
Стартап называет OM-1 политикой, общей для разных роботов. По данным компании, ей хватает меньше 30 минут записей человеческих демонстраций, чтобы освоить новую задачу, в том числе с контактом и длинным горизонтом.
Записи собирает перчатка Omnibody Hand с тактильными датчиками, сенсорами приближения и камерами. Электромагнитное позиционирование в ней дополняет визуально-инерциальное и, по оценке Reward AI, на высоких скоростях снижает погрешность на 60%.
OM-1 задаёт направление, скорость, силу и моменты ключевых событий, а исполняет команды отдельный слой управления, обученный с подкреплением в симуляции, который сглаживает задержки инференса и компенсирует возмущения.
rewardai.com
@ai_machinelearning_big_data
#news #ai #ml | 1 384 |
| 15 |  📘 Бесплатная 348-страничная книга по Machine Learning для учёных и инженеров
Machine Learning for Scientists and Engineers - большой практический учебник по ML с упором на математику, алгоритмы и инженерное понимание моделей.
Внутри:
- основы машинного обучения
- линейные и нелинейные модели
- оптимизация
- вероятностные методы
- обучение с учителем и без
- оценка качества моделей
- математические основы, нужные для ML
Хороший вариант для тех, кто хочет не просто пользоваться библиотеками, а понимать, почему алгоритмы работают именно так.
PDF:
https://smlbook.org/book/sml-book-draft-latest.pdf
#DataScience #DataScientist #ML #Mathematics #Algorithms | 1 599 |
| 16 |  📘 Глубокое понимание AI Agent: принципы проектирования и инженерная практика
AI Agents in Depth: Design Principles and Engineering Practice - одна из самых сильных новых книг по AI Agents: context engineering, RAG, MCP, coding agents, post-training, multi-agent. 10 глав и более 100 практических экспериментов, есть русская версия.
https://github.com/bojieli/ai-agent-book/blob/main/docs/ru/README.md | 2 004 |
| 17 |  🔥 Хочешь расти в IT быстрее остальных? Перестань учиться в одиночку
Можно годами смотреть курсы, читать документацию и всё равно топтаться на месте.
А можно попасть в правильное окружение, где каждый день обсуждают новые инструменты, вакансии, реальные кейсы, ошибки и то, что уже завтра станет стандартом.
Здесь собраны папки и каналы по разным направлениям IT, чтобы ты быстрее находил нужных людей, идеи и полезный контент - без бесконечного поиска.
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
Подпишись и сохрани, здесь регулярно появляются новые подборки, инструменты и материалы, которые реально помогают расти быстрее. | 1 418 |
| 18 |  🔥 Thinking with Looped Flows - новый подход к reasoning через рекуррентное обновление скрытого состояния
Обычные looped-модели могут тратить больше compute, многократно обновляя hidden state, но truncated backprop плохо обучает ранние шаги: то, что модель выучила в начале, часто не остаётся полезным позже.
Авторы предлагают другой подход — обучать recurrence через последовательность denoising-задач с постепенно уменьшающимся шумом.
Идея:
noise → промежуточное состояние → всё более чистое решение
При этом recurrent state переносится между шагами и постепенно уточняется.
Результаты:
- более стабильный test-time scaling
- 58,8% на ARC-AGI-1
- 12,2% на ARC-AGI-2
- в целом лучше предыдущих looped-моделей
Интересный сдвиг: reasoning здесь рассматривается не как цепочка токенов, а как постепенное движение внутреннего состояния модели от шума к решению.
https://alphaxiv.org/abs/2609.11801 | 1 315 |
| 19 |  FrogNano: кодинг-агент на 4 млрд параметров, дообученный без копирования ответов больших моделей
В новом отчёте Microsoft описан подход к обучению небольших агентов для разработки ПО. FrogNano проходил постобучение исключительно через reinforcement learning на синтетических задачах примерно в 1 500 программных окружениях, без традиционной дистилляции от более крупной модели.
Особенность - генерация задач прямо по ходу обучения. Их сложность подстраивается под текущие возможности агента: он получает задания, которые уже способен решить, но пока с трудом.
По мере улучшения модели меняется и набор задач. Это позволяет поддерживать полезную сложность, вместо того чтобы снова обучать агента на уже освоенных примерах.
Авторы связывают результат прежде всего с точностью подбора сложности. В их экспериментах такой подход позволил получить конкурентоспособного небольшого кодинг-агента на синтетических задачах.
Цель проекта - работа на ограниченном железе. В отчёте разобраны методика обучения, оценки в разных окружениях и анализ приобретённых навыков.
Статья - https://arxiv.org/abs/2609.07925 | 1 575 |
| 20 |  ✔️ Anthropic сдвинула IPO на середину октября
Компания скорректировала график подготовки к первичному размещению - теперь оно ориентировано на середину октября. Причинами называют финальное согласование отчётности и желание андеррайтеров поймать более устойчивое окно на рынке.
Размещение будет заметным для всей отрасли - Anthropic первой среди создателей передовых моделей переходит от венчурных денег к регулярной публичной отчётности и рынок впервые увидит, сходится ли экономика больших языковых моделей с затратами на вычисления.
reuters.com
✔️ OpenAI набирает лоббистов для работы в штатах
В команду по связям с госорганами пришли трое: Джессика Шумер из Amazon, Колдер Харвилл-Чайлдс из команды Цукерберга и Томас Маклеллан из Palo Alto Networks.
Ставка на штаты объясняется тем, что единый федеральный закон об ИИ застрял в Конгрессе. Под руководством вице-президента по глобальной политике Криса Лехейна компания собирается напрямую участвовать в разработке законопроектов в Нью-Йорке, Калифорнии и других крупных штатах.
Расчёт в том, чтобы закрепить нормы прозрачности и кибербезопасности на региональном уровне и сделать их фактическим стандартом для всей индустрии.
axios.com
✔️ Microsoft выпустила облегчённый генератор изображений MAI-Image-2.6-Flash
Это упрощённая версия флагманской MAI-Image-2.6. Она умеет генерировать картинки по тексту, править фрагменты, работать с несколькими референсами, сама подбирает соотношение сторон и ходит в веб-поиск.
В рейтинге Artificial Analysis модель взяла 1311 Elo в редактировании (третье место, выше GPT Image 2) и 1297 Elo в генерации по тексту, восьмое место.
Доступна в публичном превью на Microsoft Foundry. Генерация стоит 19 долларов за миллион токенов, что вдвое дешевле родительской модели и в несколько раз бюджетнее GPT Image 2.
microsoft.ai
✔️ GitHub научил Copilot раздавать задачи разным моделям
Project HydraFusion меняет прежнюю схему с одной моделью на ансамбль специализированных. Задачи распределяются на лету - маленькие модели отвечают за автокомплит в строках кода, а большие берут на себя архитектуру, рефакторинг и поиск граничных случаев.
Прежде чем результат попадёт в IDE или в пул-реквест, его проверяют модели-критики и статический анализ.
От этого проекта GitHub ждёт меньше галлюцинаций и логических ошибок в больших репозиториях без потери скорости. Предварительная версия уже доступна всем подписчикам Copilot.
github.blog
✔️ ComfyOrg отправит своих инженеров работать внутри студий
Разработчики нодового движка запустили программу Forward Deployed Creatives, скопировав модель Palantir - технические художники и инженеры компании сядут прямо в команды киностудий, игровых компаний и агентств.
Задача - встроить ComfyUI в существующую инфраструктуру на Blender, Maya и Unreal Engine и написать под неё нестандартные ноды, чтобы генерация стала управляемой и повторяемой в реальном производстве.
Обратная связь с проектов пойдёт напрямую разработчикам ядра ComfyUI.
comfy.org
@ai_machinelearning_big_data
#news #ai #ml | 1 455 |
