Machine learning Interview

🤖 Как нейросеть стала судьёй Как заставить нейросеть не просто генерировать текст, а оценивать свою работу? Городские сервисы Яндекса нашли ответ! Они создали систему, которая генерирует описания для пулл-реквестов, а затем сама же оценивает, насколько хороши эти описания, используя русскоязычную LLM на 7 миллиардов параметров. Никакой лишней разметки и асессоров — чистая математика. Как это работает и что получилось в итоге? Читаем в статье. Реклама. ООО «ЯНДЕКС», ИНН 7736207543

🚀 ИИ придумывает безумные новые эксперименты в физике — и они реально работают ИИ выходит за пределы привычного — теперь он придумывает эксперименты в физике, которые не только выглядят странно, но и реально работают. 🔭 На примере LIGO (детектор гравитационных волн): AI предложил необычные, на первый взгляд хаотичные конструкции, которые повысили чувствительность установки на 10–15%. Для этой области — это огромный прорыв. - Алгоритм предложил добавить трёхкилометровое кольцо для циркуляции света. На первый взгляд это выглядело хаотично и бессмысленно, но решение оказалось крайне эффективным. - Такой подход позволил бы повысить чувствительность детектора на 10–15% — огромный прогресс в этой области. - В квантовой оптике ИИ нашёл новые способы для “entanglement swapping”, которые позже подтвердились экспериментально. - Алгоритмы также 🌀 В квантовой оптике AI нашёл новые, более простые методы для *entanglement swapping* (перестановки запутанных частиц), которые затем подтвердили экспериментально. ⚛️ Помимо этого, AI открывает симметрии в больших массивах данных (например, симметрии Лоренца в экспериментах на Большом адронном коллайдере) и даже выводит новые формулы — в том числе для описания тёмной материи. ✨ ИИ активно помогает открывать фундаментальные законы природы. 📌 Подробнее

🔥 Qwen-Image-Edit — новый инструмент для умного редактирования картинок от Qwen Теперь можно не только генерировать изображения, но и редактировать их по команде: менять объекты, стиль, фон или даже текст прямо на картинке. Что умеет: - ✨ Редактировать смысл и детали — можно, например, повернуть объект, сменить цвет или стиль, не трогая остальное. - 🔤 Менять текст на картинках — добавлять, убирать или редактировать надписи на китайском и английском, при этом сохраняются шрифт и стиль. - 🏆 Лучшие результаты на тестах — модель показывает топ-уровень среди открытых решений. Как работает: Система сочетает понимание картинки (VL-модель) и точное управление структурой (VAE-кодировщик). Поэтому картинка сохраняет и смысл, и детали после правок. 🟢 Как попробовать: Достаточно открыть Qwen Chat и выбрать режим *Image Editing*. 🟠Попробовать: https://chat.qwen.ai/?inputFeature=image_edit 🟠Hugging Face: https://huggingface.co/Qwen/Qwen-Image-Edit 🟠ModelScope: https://modelscope.cn/models/Qwen/Qwen-Image-Edit 🟠Blog: https://qwenlm.github.io/blog/qwen-image-edit/ 🟠Github: https://github.com/QwenLM/Qwen-Image 🟠API (💰$0.03 за 1 редактирование): https://alibabacloud.com/help/en/model-studio/qwen-image-edit @ai_machinelearning_big_data #qwen #ml #llm #ai

🇺🇸🇨🇳 Чип NVIDIA H20 стал разменной монетой в технологическом противостоянии Графический процессор NVIDIA H20 оказался в центре торговых переговоров между США и Китаем. Этот чип, изначально созданный как безопасная для экспорта версия H100, теперь требует специальных лицензий и облагается 15% сбором с продаж. Ситуация осложняется тем, что китайские регуляторы начали сомневаться в безопасности этих чипов, а местные компании активно переходят на отечественные аналоги. При этом H20 остается востребованным благодаря поддержке CUDA и высокой производительности в задачах обучения ИИ. На фоне этих ограничений китайские производители вроде Huawei, Cambricon и Biren получают возможность укрепить свои позиции на рынке. Huawei уже предлагает полный стек решений для ИИ-вычислений, снижающий зависимость от западных технологий. 🔗 Подробнее в статье - *клик* @machinelearning_interview

🔮 Prophet Arena — новый бенчмарк, созданный для проверки предсказательных способностей ИИ. Он отвечает на вопрос: может ли модель действительно «увидеть будущее», связывая точки настоящего? Особенности Prophet Arena: - 🚫 Его невозможно «взломать». В отличие от классических бенчмарков, которые со временем насыщаются, здесь модели сталкиваются с реальными будущими событиями. Завтра нельзя заучить — если только не изобрели машину времени. - 🔍 Он прозрачен и интерпретируем. Высокие результаты означают реальное предвидение, что напрямую конвертируется в инвестиционные преимущества. 👉 Подробнее: https://prophetarena.com

🚀 В репозитории rasbt/LLMs-from-scratch появился новый раздел: Gemma 3 from Scratch — PyTorch-реализация модели Gemma 3 (270M) полностью с нуля, выполненная в Jupyter-ноутбуке (~1.5 ГБ RAM). Gemma 3 — одна из самых интресных open-weight моделей от Google. Это отличный способ изучить архитектуру крупной LLM без абстракций. Советую: если вы хотите глубже понять, как работают современные языковые модели — этот раздел будет идеальным обучающим материалом. 📌 Читать

📌Подборка материалов по оптимизации агентных систем. Awesome-Self-Evolving-Agents - подборка материалов по теме оптимизации агентов в концепции саморазвивающихся систем, в которой собраны работы с 2023 по 2025 год по 3-м направлениям: оптимизация одиночного агента, оптимизация мультиагентных систем и методы их оценки. Содержание 🟡Оптимизация одного агента 🟢Оптимизация поведения LLM 🟢Оптимизация промпта 🟢Оптимизация памяти 🟢Инструменты 🟡Мультиагентная оптимизация 🟡Оценка 🟠LLM-судья 🟠Агент-судья 🟠Безопасность и элайнмент саморазвивающихся агентов @ai_machinelearning_big_data #AI #ML #LLM #Agents #AwesomeList #Github

🚀 ART (Agent Reinforcement Trainer) — фреймворк для обучения агентных моделей с помощью RL. ✨ Что внутри: - RULER — система вознаграждений, где LLM сам оценивает действия агента. - MCP•RL — агенты учатся работать с инструментами и выполнять задачи без размеченных данных. - GSPO / GRPO — новые стабильные алгоритмы RL, особенно полезные для MoE-моделей. - Интеграции — vLLM, Unsloth, SkyPilot, W&B, Langfuse. 🔥 Кейсы: ART уже обучает почтового агента (**ART•E**), где Qwen 2.5 14B обходит даже o3 на ряде задач. ⚙️ Установка:

pip install openpipe-art

👉 Репозиторий: github.com/OpenPipe/ART @machinelearning_interview

🚨Bloomberg — сотрудники OpenAI продают акции на $6 млрд SoftBank и другим инвесторам при оценке компании в $500 млрд 📌 Что известно: - SoftBank и ко выкупают акции сотрудников на $6 млрд - Ранее SoftBank уже купил $1 млрд акций при оценке $300 млрд - Если сделка состоится — OpenAI станет самым дорогим стартапом в мире, обогнав SpaceX 💰 Финансовые перспективы: - Выручка компании вырастет втрое: с $3.7 млрд в 2024 → до $12.7 млрд в 2025 - Всё это на фоне релиза GPT-5 🗣 Сэм Альтман: > «Мы собираемся вложить триллионы в инфраструктуру ИИ. Дайте нам делать своё дело.» 🔥 Оценка в полтриллиона делает OpenAI главным игроком в новой технологической гонке. 📌 Источник

🌟 Awesome-Self-Evolving-Agents (EvoAgentX) — актуальный обзор по саморазвивающимся AI-агентам Этот удобно оформленный список (awesome-лист) представляет собой визуальную таксономию подходов к эволюции AI-агентов, систематизируя решения по трем тематическим направлениям: 1. Single-Agent Optimisation — методы улучшения одного агента (LLM), включая: - self-consistency - Tree of Thoughts - ToRA - и другие подходы к оптимизации рассуждений и действий. 2. Prompt Optimisation — алгоритмы автоматической настройки промптов: - GrIPS, TEMPERA - Automatic Prompt Optimization - Genetic Prompt Search (GPS) - и другие, использующие эволюционные и gradient-free методы. 3. Multi-Agent / Domain-Specific Optimisation — развитие многоагентных систем: - Agentic workflow orchestration - Multi-Agent Architecture Search - AutoGen, AgentVerse, FlowReasoner и прочие фреймворки для координации и масштабирования. Почему это важно: - Охватывает ключевые публикации и инструменты из исследований 2023–2025 годов. - Содержит ссылки на статьи (Paper) и исходники (Code) для каждого метода. - Идеален как для новичков, так и для учёных или разработчиков, работающих с LLM и агентами. 🔗 Ссылка: https://github.com/EvoAgentX/Awesome-Self-Evolving-Agents

🫡 GitHub теряет независимость: Microsoft берет прямое управление ресурсом С уходом CEO Томаса Домке GitHub окончательно интегрируется в структуру Microsoft. Платформа перестанет быть автономным подразделением — теперь её будут курировать напрямую руководители Microsoft, включая президента по разработке Джулию Лиусон и вице-президента по AI Ашу Шарму. Компания войдёт в новую инженерную группу CoreAI под руководством Джея Париха. Это означает более тесную интеграцию с AI-инструментами Microsoft, хотя пока неясно, как это повлияет на политику платформы в отношении open-source. Press F🥀 🔗 Ссылка - *клик* @machinelearning_interview

🚀 Интересуетесь нейросетями и хотите понять, как эволюция архитектур RNN и Transformer влияет на NLP?🚀 На открытом уроке «От RNN до Transformers: скорость, память, контекст» 19 августа в 20:00 МСК мы разберём, как работают рекуррентные нейросети (RNN), их ограничения и почему современные NLP-системы всё чаще переходят к трансформерам. Мы сравним эти архитектуры по ключевым параметрам: скорости, памяти, контексту и масштабируемости. Урок даст вам чёткое представление о том, как меняются подходы в обработке текста, а также объяснит, почему трансформеры становятся основой современных NLP-систем. 📚 Посетите вебинар и получите скидку на большое обучение «NLP / Natural Language Processing»:  https://otus.pw/QKft/?erid=2W5zFK8ZKSY Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

🦕 DINOv3 — новая мощная модель компьютерного зрения, обученная полностью без разметки (Self-Supervised Learning) в большом масштабе. DINO создаёт высококачественные плотные признаки, отлично понимая как смысл (семантику) сцены, так и её геометрию. Зачем это нужно: 1️⃣ Больше не нужны размеченные данные Раньше на ImageNet лучшие результаты показывали модели с полной или слабой разметкой. Теперь DINOv3 с чистым SSL догнал их по качеству — и это огромный шаг вперёд. 2️⃣ Сильные плотные представления Модель особенно хороша в задачах, где важны детальные признаки: мульти-модальные LLM, видео и 3D-анализ, робототехника, генеративные модели. С замороженным ❄️ backbone DINOv3 получены новые рекорды: - Обнаружение объектов: 66.1 mAP (COCO) - Сегментация: 63 mIoU (ADE) - Оценка глубины: 4.3 ARel (NYU) Даже встраивание в готовые пайплайны (пример с 3D-моделью @jianyuan_wang) даёт новый SOTA. 3️⃣ Модель под любую задачу - ViT-7B — флагман - ViT-S/S+/B/L/H+ (от 21M до 840M параметров) - ConvNeXt — для быстрого инференса - Text-aligned ViT-L (dino.txt) - ViT-L/7B для спутниковых снимков 📡 Для спутниковых данных DINOv3 даёт топовые результаты в геопространственных задачах, например в оценке высоты деревьев, и создаёт впечатляющие карты признаков. Это и есть магия SSL — универсальные признаки, которые работают в самых разных областях. 📌 Github @machinelearning_interview #dino3 #cv #ml

🎉 Розыгрыш завершен! 🏆 Победители:1. Вик (@Vity_OMSKAGD)

📘 Хочешь понять машинное обучение без головной боли? GeostatsGuy сделал визуальный учебник по ML с десятками анимаций и интерактивных демо. 🧠 Что внутри: — Простые объяснения ключевых концепций — Как работает регрессия, классификация, деревья решений — Анимации градиентного спуска, переобучения, кросс-валидации — Наглядные примеры для всех основных алгоритмов Идеально для студентов, начинающих аналитиков и тех, кто хочет «прочувствовать» машинное обучение, а не просто заучить формулы. 🔗 Читать учебник @machinelearning_interview

xAI теряет ключевого лидера: сооснователь и главный инженер Игорь Бабушкин уходит спустя чуть больше двух лет работы. Он запускает Babuschkin Ventures — фонд, который будет инвестировать в исследования и стартапы, делающие упор на безопасный ИИ и долгосрочное благополучие человечества. Уход Бабушкина происходит на фоне стремительного роста xAI — от строительства суперкомпьютера Memphis до бурных споров вокруг чатбота Grok. 💥 Кто займёт место технического лидера? В кулуарах всё громче звучит имя Андрея Карпаты — звезды AI-индустрии, работавшего с Маском в Tesla и OpenAI, а сейчас развивающего свой стартап Eureka Labs. Его опыт масштабирования нейросетей и свежие похвалы в адрес Grok 3 подогревают слухи о возможном возвращении в «экосистему Маска». 🎯 Среди других кандидатов — внутренние инженеры xAI и ветераны отрасли, включая бывших исследователей OpenAI и DeepMind. Маск известен громкими и рискованными назначениями, так что сюрпризы возможны. 🚀 Уход Бабушкина — это поворотный момент: кому-то предстоит не только удержать темп, но и задать новый вектор в гонке за суперинтеллектом.

xAI теряет ключевого лидера: сооснователь и главный инженер Игорь Бабушкин уходит спустя чуть больше двух лет работы. Он запускает Babuschkin Ventures — фонд, который будет инвестировать в исследования и стартапы, делающие упор на безопасный ИИ и долгосрочное благополучие человечества. Уход Бабушкина происходит на фоне стремительного роста xAI — от строительства суперкомпьютера Memphis до бурных споров вокруг чатбота Grok. 💥 Кто займёт место технического лидера? В кулуарах всё громче звучит имя Андрея Карпаты — звезды AI-индустрии, работавшего с Маском в Tesla и OpenAI, а сейчас развивающего свой стартап Eureka Labs. Его опыт масштабирования нейросетей и свежие похвалы в адрес Grok 3 подогревают слухи о возможном возвращении в «экосистему Маска». 🎯 Среди других кандидатов — внутренние инженеры xAI и ветераны отрасли, включая бывших исследователей OpenAI и DeepMind. Маск известен громкими и рискованными назначениями, так что сюрпризы возможны. 🚀 Уход Бабушкина — это поворотный момент: кому-то предстоит не только удержать темп, но и задать новый вектор в гонке за суперинтеллектом.

💼 Как подготовиться к любому собеседованию: гайд от нового сотрудника OpenAI Новый инженер OpenAI поделился опытом прохождения интервью в AI-стартапы и крупные компании, включая OpenAI. 1. Заботьтесь о себе — ментально и физически Интервью — это стресс. Следите за сном, питанием, отдыхом, заручитесь поддержкой друзей и семьи. 2. Помните: цель — ваш успех Компания и интервьюеры хотят, чтобы вы прошли. Даже если был отказ, пробуйте снова — многие успешно попадали на роль со второй попытки. 3. Получайте удовольствие от процесса Это шанс познакомиться с интересными людьми, узнать новые технологии и потренироваться в решении задач. 4. Готовьтесь основательно - 100 часов на задачи (LeetCode и аналоги) - 100 часов на изучение теории и статей - Тренируйтесь с друзьями без автодополнений и LLM-подсказок 5. Каждая встреча важна Даже «неформальный звонок» — это возможность показать мотивацию, характер и профессионализм. 6. Работайте над профилем и сетью LinkedIn, GitHub с проектами, участие в митапах, open-source, хакатонах — всё это привлечёт внимание рекрутеров. 7. Первые звонки - С рекрутером: записывайте детали — этапы, состав команды, имя руководителя - С руководителем: изучите его публикации и проекты, покажите интерес, расскажите, почему хотите работать именно здесь 8. Поведенческие вопросы Готовьте истории по формату STAR(I) — о том, как решали конфликты, брали на себя лидерство, справлялись с ошибками. 9. Техническая часть - Решайте задачи быстро и чётко, проговаривая ход мыслей - Практикуйте кодинг в условиях стресса и без IDE - Разбирайтесь в алгоритмах, трансформерах, RL-методах - Умейте объяснить свою текущую работу и её пользу для компании 10. Переговоры Обсуждайте не только зарплату, но и команду, миссию, культуру. Все договорённости фиксируйте письменно. 11. Принятие решения Выбирайте место, где вам будет комфортно работать каждый день. 📌 Главное: интервью — это навык, который можно натренировать. Подготовка + уверенность = высокий шанс успеха. 📌 Полный текст

🚀 LiveMCPBench — новый бенчмарк для LLM-агентов в мире инструментов MCP Что это: LiveMCPBench тестирует ИИ-агентов в масштабных, реалистичных сценариях с использованием MCP (Model Context Protocol) — стандарта для взаимодействия модели с внешними данными, API и инструментами. Ключевые факты: - 95 реальных задач в экосистеме MCP - 70 MCP-серверов и 527 инструментов в коллекции LiveMCPTool - Автоматическая оценка через LiveMCPEval (LLM-судья) с точностью 81 % по сравнению с экспертами - Протестировано 10 ведущих моделей: лидер — Claude-Sonnet-4 с результатом 78.95 % успеха Почему это важно: LiveMCPBench — первый воспроизводимый фреймворк, который проверяет, как агенты справляются с обилием инструментов и динамично меняющейся средой. 🔗 Подробнее: https://icip-cas.github.io/LiveMCPBench

🚀 Вышла Mistral Medium 3.1 - Повышена общая производительность - Улучшен тон общения - Обновлена и улучшена работа в вебе Попробовать можно в Le Chat (стоит как модель по умолчанию) или через API: mistral-medium-2508