Анализ данных (Data analysis)

🗞️ В статье Google DeepMind “Intelligent AI Delegation” есть хороший разбор того, как правильно отдавать задачи AI. Речь не о том, чтобы просто написать модели «сделай это» и надеяться на удачу. Авторы предлагают смотреть на делегирование как на цепочку решений: стоит ли вообще отдавать задачу AI, как её объяснить, какой уровень полномочий дать и как потом проверить результат. Сейчас многие системы держатся на жёстких правилах, которые ломаются при неожиданных сбоях. Исследователи предлагают более гибкий подход: динамический рынок, где агенты могут «торговаться» за задачи через smart contracts. Чтобы это работало безопасно, нужны строгий мониторинг и криптографические доказательства: система должна подтверждать корректность работы, не раскрывая приватные данные. Вместо простых рейтингов агенты смогут использовать проверяемые цифровые сертификаты, которые показывают их реальные навыки. Делегирование должно быть живым процессом- полномочия и ответственность могут меняться по ходу работы. Если ситуация изменилась или агент ошибся, система должна не разваливаться, а уметь передать задачу дальше, откатиться или включить запасной сценарий. Отдельно важна тема доверия. Фреймворк оценивает сложность задачи и прошлые результаты агента. Это помогает избежать двух ошибок: * over-delegating - когда AI дают задачу, к которой он ещё не готов * under-delegating, когда человек делает всё сам, хотя AI мог спокойно справиться Результат тоже нельзя принимать на веру. Система должна проверять ответ, учитывать уверенность агента и заранее иметь план, если он ошибётся. Для реальных рабочих процессов это критично: одна слепо принятая ошибка может потянуть за собой цепочку проблем. Авторы также разбирают сценарий, где один AI-агент передаёт задачу другому. В таком случае система должна отслеживать, кто отвечает за результат, какие полномочия переданы и где находится контроль. arxiv.org/abs/2602.11865

Yandex Cloud даёт 50% скидку на сертификацию для инженеров данных 🔵🟦🔵 даёт 50% скидку на сертификацию для инженеров данных Если вы работаете с загрузкой, хранением, обработкой данных и ETL/ELT-процессами, можно подтвердить навыки официальной сертификацией Yandex Cloud. Доступны два экзамена: 1⃣ Yandex Cloud Certified Data Engineer Для инженеров данных, которые используют платформу Yandex Cloud. Экзамен проверяет работу с загрузкой и приёмом данных, хранением, обработкой, качеством данных, оркестрацией, метаданными, мониторингом, безопасностью и управлением ресурсами. ⏩Ссылка 2⃣ Yandex Cloud Certified Lakehouse Data Engineer Для специалистов, которые проектируют и разворачивают Lakehouse-решения в Yandex Cloud. В фокусе архитектура Lakehouse, трансформация данных, пайплайны, хранение, обработка, метаданные, мониторинг и безопасность. ⏩Ссылка До 25 сентября 2026 включительно можно зарегистрироваться на сертификацию со скидкой 50%. Экзамен проходит онлайн с прокторингом: запись с камеры и автоматическая фиксация возможных нарушений помогают подтвердить, чтобы все было честно. Хороший способ проверить себя, закрыть пробелы и получить понятное подтверждение навыков работы с data-инфраструктурой в Yandex Cloud ✅

MiniMax готовит открытую модель на 2,7 трлн параметров, релиз может состояться уже в III квартале. Она станет крупнейшей среди китайских ИИ-моделей и будет более чем в 6 раз больше текущей модели MiniMax M3. Волна открытых ИИ-моделей из Китая только набирает обороты. Похоже, самое интересное ещё впереди. https://www.theinformation.com/briefings/exclusive-chinas-minimax-plans-launch-2-7-trillion-parameter-model

Лилиан Венг из Thinking Machines Lab выпустила большой обзор про harness engineering: слой вокруг модели, который отвечает за инструменты, память, оркестрацию, контекст, проверки, циклы обратной связи и выполнение задач. Менять веса модели дорого, рискованно и медленно. А вот харнесс можно улучшать быстрее: добавлять инструменты, менять workflow, усиливать память, запускать sub-agent’ов, проверять гипотезы и сразу мерить результат. Отсюда рождается более реалистичный путь к self-improvement: модель не переписывает себя напрямую, а улучшает систему, в которой работает. Венг разбирает авто-исследование, эволюцию программ и self-improving agents: от The AI Scientist до ShinkaEvolve и Darwin Gödel Machine. Общая логика в том, что агент предлагает изменение, запускает эксперимент, получает оценку и оставляет то, что реально улучшает результат. Но слабые места тоже есть: плохие evals, схлопывание разнообразия, reward hacking и риск, что агент научится ломать метрику, а не решать задачу. Ближайший RSI может быть не «модель сама переписала мозг», а «модель научилась улучшать свой рабочий станок». ・The AI Scientist (Nature 2026)： https://nature.com/articles/s41586-026-10265-5 ・ShinkaEvolve： https://sakana.ai/shinka-evolve/

Anthropic запустила программу Claude for Open Source. Теперь разработчики и мейнтейнеры open source-проектов могут получить Claude Max 20x бесплатно на 6 месяцев. Что дают: - Claude Max 20x без оплаты на полгода - доступ к Claude Code и самым мощным моделям Claude - программа рассчитана на активных мейнтейнеров и ключевых участников open source Anthropic планирует принять до 10 000 участников. Подать заявку могут разработчики, которые активно поддерживают или развивают значимые open source-проекты. (Claude) https://claude.com/contact-sales/claude-for-oss

Стоп. Китай теперь делает с США то же самое, что Anthropic, только в обратную сторону? То есть закрывает американским компаниям доступ к китайским frontier-моделям? Похоже, уверенность Китая растёт с каждым днём. Судя по всему, там считают, что больше не нуждаются в дистилляции западных моделей в таких масштабах, чтобы развивать передовой ИИ. Теперь их больше беспокоит обратное: что США могут украсть уже их интеллект. https://finance.yahoo.com/technology/ai/articles/exclusive-beijing-looking-curbing-overseas-101644780.html

📌Claude Code изменил чужую продакшен-базу На GitHub появился любопытный тикет, который (если подтвердится) бьёт по базовой гарантии Антропик - изоляции пользователей друг от друга. В рабочем контексте Claude Code внезапно оказались чужие учётные данные - IP и root открытым текстом от сервера, к которому автор не имеет никакого отношения. 🟡Дальше самое неприятное Ассистент принял чужие креды за легитимные, подключился к серверу по SSH, перечислил Docker-контейнеры и базы PostgreSQL, после чего выполнил миграцию с операциями чтения и записи. Иными словами, ИИ одного пользователя отредактировал базу другого без ведома и согласия владельца. 🟡Причина пока неизвестна В тематических сообществах обсуждают версию сбоя изоляции кэша общих префиксов.

Чтобы удешевить инференс и ускорить обработку, провайдеры переиспользуют кэшированные фрагменты диалогов, и при коллизии ключей кэша или отказе разграничения кусок чужого контекста теоретически может просочиться в вашу сессию.

Если эта версия верна, под угрозой данные любого пользователя. Но это лишь одна из гипотез, в самом отчёте среди возможных векторов названы также общее хранилище сессий, путаница при суммаризации контекста и перекрёстные ссылки в транскриптах. 🟡Есть и куда более прозаичное объяснение Возможно, это галлюцинация модели, случайно угадавшей реальный IP и слабый пароль, либо локальная история проекта, загрязнившая контекст. Пока Антропик не выпустила официального заключения, ни одну из версий нельзя ни подтвердить, ни отвергнуть. Автоматика GitHub повесила на тикет метку security. @ai_machinelearning_big_data #news #ai #ml

Присаживайся на диван к аналитикам Авито 👀 Команда AvitoTech запустила проект «Диванная аналитика». Это серия материалов, где специалисты из Авито рассказывают, как принимают решения в одной из крупнейших экосистем страны. Если ты работаешь с данными, то вот 3 причины зайти на лендинг прямо сейчас: 1️⃣ Все выпуски опираются на реальный опыт — аналитики рассказывают о том, что уже применили у себя и что сработало. 2️⃣ Царит приятная атмосфера: по сути, все видео — это недушные мини-лекции с наглядной презентацией. 3️⃣ Разбираются разные темы — от ML до стратегического планирования. Контент может пригодиться опытным аналитикам и менеджерам, которым надо говорить с командой на одном языке. Смотри готовые выпуски и подпишись на новые — телеграм-бот пришлёт уведомление о новом видео! Посмотреть, что там интересного

Anthropic опубликовала историю Claude Code и того, как Борис Черни прошёл путь от 10% AI-written code в 2025 году до 100% в 2026. Исследовательская команда постепенно усиливала agentic coding через shell, поиск по файлам, выполнение кода и циклы редактирования. В 2024 году CLI-прототип Claude от Бориса Черни стал первым настоящим terminal-продуктом в этом направлении. Небольшая команда быстро шипила, использовала Claude Code для разработки самого Claude Code и оперативно исправляла фидбек. Запуск в 2025 году сначала был багованным, но с выходом Claude Sonnet 4 и подписками продукт резко взлетел. https://x.com/claudeai/status/2074244664199115201

К 2027 году всего 5 компаний — Alphabet, Amazon, Microsoft и Oracle - могут тратить на AI-инфраструктуру около 3.2% ВВП США. Это выше ожидаемых расходов США на национальную оборону, которые оцениваются примерно в 2.7% ВВП. Гонка AI уже финансируется в масштабе, который обычно ассоциируется с государствами, войнами, энергетическими системами, железными дорогами, хайвеями и телеком-инфраструктурой. https://x.com/KobeissiLetter/status/2073777167691845818

NVIDIA придумала красивую схему для AI-рынка. Компания помогает neocloud-провайдерам (облачные компании, которые специализируются на аренде GPU для AI-задач) покупать GPU-инфраструктуру, а взамен получает долю будущей выручки от облачных мощностей. В итоге NVIDIA зарабатывает дважды: сначала на продаже железа, потом на регулярной доле дохода от аренды этих GPU. GPU превращается из разовой продажи в долгосрочный денежный поток. https://blogs.nvidia.com/blog/nvidia-unlocks-ai-compute-at-scale-capital-partners-to-power-ai-infrastructure-buildout/

LongCat-2.0 открыли в open source. Это MoE-модель на 1,6T параметров с примерно 48B активных, заточенная под агентное программирование и длинный контекст до 1M токенов. По бенчмаркам: • 59,5 на SWE-bench Pro • 70,8 на Terminal-Bench 2.1 • 77,3 на SWE-bench Multilingual Внутри: sparse attention для длинного контекста, ScMoE для экономной активации экспертов и MOPD для разделения задач между агентными, reasoning и interaction-экспертами. Модель обучали с нуля на 35T+ токенов. Есть поддержка деплоя на GPU и NPU. 🤖https://modelscope.ai/collections/meituan-longcat/LongCat-20

CMU показали Gym-Anything: подход, который превращает почти любое ПО в среду для обучения и оценки AI-агентов. Это важно, потому что реальная работа в приложениях редко похожа на маленькие web-задачи из бенчмарков. В рабочих программах длинные сценарии, грязные состояния, разные интерфейсы, файлы, ошибки установки, странные настройки и много шагов, где агент легко теряется. Gym-Anything пытается убрать главный bottleneck: ручную сборку таких сред. Один агент сам ставит приложение, пишет скрипты, загружает данные, открывает софт и собирает доказательства, что окружение реально работает. Второй агент проверяет это через скриншоты, логи, файлы и чеклисты. Если setup слабый, он отправляет задачу на исправление. На этой схеме авторы собрали CUA-World: больше 10 000 задач в 200 приложениях, покрывающих все 22 крупные группы профессий. Самый адекватный результат: когда задачи становятся похожи на настоящую работу, даже сильные агенты часто проваливаются. Особенно на длинных сценариях, где нужно держать контекст, пользоваться интерфейсом, проверять результат и восстанавливаться после ошибок. Paper: Gym-Anything: Turn any Software into an Agent Environment https://arxiv.org/abs/2604.06126

В AI пришёл surge pricing: DeepSeek повышает цены на API V4 в часы пик в 2 раза. Новые тарифы будут действовать с 9:00 до 12:00 и с 14:00 до 18:00 по пекинскому времени. Компания объясняет это желанием стабилизировать сервис и лучше распределять ограниченные ресурсы. Вот так разворот- всего несколько недель назад DeepSeek навсегда снизила цену на V4-Pro на 75%, сделав флагманскую модель заметно дешевле перед запуском динамического ценообразования. Теперь output для V4 Pro в пиковые часы вырастет с 6 до 12 юаней за 1 млн токенов, около $1.77. scmp.com/tech/big-tech/article/3358868/after-triggering-price-war-deepseek-reverses-course-surcharge-peak-hour-api-use

🚨 Research: Shanghai AI Lab выложила в open source Agents-A1 - 35B MoE agent-модель для long-horizon задач. Увеличение горизонта работы агента улучшает long-form search, следование инструкциям и научное reasoning. На отдельных бенчмарках Agents-A1 обходит другие модели класса 35B и приближается к системам с триллионным числом параметров. arxiv.org/abs/2606.30616

Thinking Machines Миры Мурати превратила закрытую экспертную оценку Bridgewater в обучаемый навык и обошла frontier-модели, снизив число ошибок на 29.8%. В ии подавали финансовые статьи, отчёты, документы центробанков, письма. ИИ должен был определить что аналитик должен прочитать первым. Для LLM это оказалось тяжёлой задачей. При обычных промптах модели держались на уровне 46–50% accuracy, почти как угадывание. Экспертные промпты поднимали качество до 74–78%, но лучший результат дала разметка от опытных инвесторов Bridgewater. Неэкспертные метки провалились: здесь важны рыночный контекст, приоритеты и профессиональное чутьё. Один заголовок про тарифы может быть сильным сигналом, другой громкий геополитический инфоповод останется шумом. Bridgewater чистила датасет через спорные рейсы. Если модель расходилась с разметкой, пример возвращали экспертам на повторную проверку. Так в обучение попали паттерны принятия решений, которые эксперты видят интуитивно, но редко могут описать полноценной инструкцией. В обучении использовали три приёма. Во-первых, смешивали разные типы задач, чтобы модель училась применять экспертную оценку в похожих сценариях, а не запоминала один узкий шаблон. Во-вторых, аккуратно ограничивали обновления при обучении. Это снижало риск, что модель зацепится за случайные признаки в данных и начнёт уверенно ошибаться. В-третьих, модель дообучали на ответах более сильных версий. Так лучшие checkpoints постепенно становились учителями для следующих итераций. Результат: на 29.8% меньше ошибок, чем у лучшей frontier-модели, и в 13.8 раза ниже inference cost. Заметное преимущество, благодаря качеству экспертных решений. Такой датасет конкурент не скачает с Hugging Face. https://thinkingmachines.ai/news/learning-to-replicate-expert-judgment-in-financial-tasks/

SciJudge-30B и SciJudge-4B учатся предсказывать, какие научные работы получат более сильное цитирование. 📊 Точность Scientific Judge: SciJudge-30B достигает 80.6 на in-domain задачах и обходит GPT-5.2, GLM-5 и Gemini 3 Pro. SciJudge-4B тоже превосходит гораздо более крупные базовые модели. 🧪 Данные: модель обучалась на сигнале из 2.1 млн arXiv-статей и 696 758 пар предпочтений, сопоставленных по области и времени на основе цитирования. 🧠 Обучение: GRPO с DAPO loss и pairwise-наградами, основанными на цитируемости. Лицензия: Apache-2.0 🚀 30B 🔬 https://modelscope.ai/models/openmoss/SciJudge-30B-2605 4B 🔬 https://modelscope.ai/models/openmoss/SciJudge-4B-2605 📄 https://modelscope.ai/papers/2603.14473

В русскоязычном поле не так много авторов, которые разбирают математические расследования международного уровня. Но одно такое местечко всё же есть — это канал Яндекс Образования «Зачем мне эта математика?». В прошлом году там рассказывали историю о том, как GPT-5 «решил» несколько задач Эрдёша. Тогда оказалось, что модель не создала новое доказательство, а нашла в научной литературе уже существующие решения и правильно связала их с задачами. Это было большим скандалом для OpenAI; Но история на этом не закончилась. Недавно компания рассказала о другом кейсе: внутренняя reasoning-модель нашла контрпример к гипотезе Эрдёша о единичных расстояниях. Это базовая задача из комбинаторной геометрии. Долгое время математики ожидали, что лучшие конструкции будут похожи на квадратную сетку. Модель предложила другой подход — с идеями из алгебраической теории чисел. Доказательство затем проверяли независимые математики, а к результату вышел отдельный разбор. Для тех, кто занимается аналитикой данных и Data Science, это очень важный разбор, потому что здесь виден почти весь стек современного мышления о данных и моделях. Такие истории хорошо показывают, что математика в AI — это язык, на котором формулируются задачи, ограничения, доказательства, метрики качества и способы проверки. Больше таких разборов — в канале Яндекс Образования «Зачем мне эта математика?». Там пишут о математике в технологиях, Data Science, ИИ и реальных научных сюжетах. Подписывайтесь!

Вышел Grug-12B Это экспериментальный open-source fine-tune на базе Gemma 4 12B IT. Идея простая - заставить модель «думать» короче, но не терять качество ответа. Grug обучали на compact-reasoning стиле: меньше воды, меньше лишних шагов, больше плотности в рассуждении. По заявлению автора, модель генерирует примерно на 69.8% меньше reasoning-токенов и остаётся близко к базовой Gemma 4. На небольшом локальном math-eval она снизила среднее число generated tokens с 228.5 до 68.9. Главный плюс: быстрее ответы и меньше забитого контекста. huggingface.co/kai-os/Grug-12B