Ivan Oseledets’ Channel

Редакция @snobru при экспертной поддержке AIRI запустила проект |RU| Интеллект об идеях отечественных учёных, которые изменили мир и продолжают влиять на современные технологии. В 116 выпуске журнала уже опубликована моя колонка про то, как советские математики работали над фундаментом ИИ, а на сайте журнала можно прочесть текст с участием экспертов BIOCAD и Артура Кадурина — про то, как советская кибернетика повлияла на современную фармакологию. Знать своих нужно и важно. Ищите журнал в магазинах и заходите на сайт.

Уже через две недели стартует AI Journey — крупная конференция для профессионалов в области искусственного интеллекта и машинного обучения. Мы традиционно принимаем в ней активное участие — выступаем с докладами и постерами, участвуем в дискуссиях. В этом году у нас также будет своя сессия «Заглянем за горизонт?». 28 ноября поговорим про главные тренды и направления развития науки об ИИ. Участники сессии (кроме меня;) — молодые учёные: Алексей Скрынник, Татьяна Шашкова, Александр Тюрин, Александр Никулин, Пётр Анохин и Вера Соболева. Регистрация на AIJ закрывается завтра в конце дня: https://aij2026.accreditation.ru/?quota=registration-sber

Сейчас делается много работ об автоматизированном доказательстве теорем, это одно из основных направлений ИИ в науке. Мы тоже внесли свой вклад — сделали LongTails для исследований в математической оптимизации. Уже получили более 35 новых результатов, включая существенные улучшения известных оценок сложности. Это задачи, которыми занимается большое сообщество и по которым регулярно выходят статьи. Методы оптимизации лежат в основе обучения любых нейросетей. Более эффективные алгоритмы сокращают время обучения, вычислительные затраты и энергопотребление дата-центров. Они помогают проектировать прочные и лёгкие конструкции, строить маршруты доставки, распределять нагрузку в электросетях, искать новые молекулы и материалы, обрабатывать физические эксперименты и управлять инвестиционными рисками. Все доказательства формально проверены в Lean 4. Идея в том, чтобы объяснить Lean 4 и нейронке базовую теорию, а дальше она уже либо сама ищет решение, либо использует эволюционные фреймворки. Отличная работа Саши Тюрина. Выложили код и результаты в открытый доступ, рекомендую посмотреть, потому что так мы можем покрыть целую область науки :) Сайт: https://k3nfalt.github.io/longtails/ GitHub: https://github.com/k3nfalt/longtails/

Сегодня первый день Саммита Россия — Африка. Принял участие в Экономическом и гуманитарном форуме, выступив на сессии «ИИ как фактор развития России и Африки: наука и кадры». На сессии выступили первый заместитель Минэкономразвития России Максим Колесников, академик РАН, доктор физико-математических наук и директор ИСП РАН Арутюн Аветисян, а также коллеги из стран и организаций Африки — Центральноафриканской Республики, Буркина-Фасо, Танзании, Южной Африки, Совета по телекоммуникациям «САМЕНА». Рассказал про AIRI, о том, какой вклад вносит наш Институт в развитие искусственного интеллекта в стране и мире, поделился планами на будущий год. На сайте есть запись трансляции: https://summitafrica.ru/programme/business-programme

На той неделе поучаствовал в открытии конференции Нейроинформатика-2026, старейшей международной конференции по нейронным сетям, которую проводит Российская нейросетевая ассоциация с 1999 года. Выступил с пленарным докладом «Повышение эффективности работы агентов» (презентация здесь). Рассказал про методы и математические основы обучения современных нейросетевых моделей, про подходы к построению ИИ-агентов для различных практических приложений, от ответов на вопросы по документам до поиска математических закономерностей. Показал свежие результаты, полученные в AIRI — OCC-RAG, LANTERN. По приглашению президента-основателя Российской нейросетевой ассоциации В.Л. Дунина-Барковского поучаствовал в работе круглого стола «Нейрозой: что делать?» вместе с академиком РАН Д.В. Ушаковым и профессором РАН Ю.В. Визильтером. Обсудили проблемы наступившей эпохи нейронных сетей и ИИ, которые начали применяться повсеместно. Запись первого дня: https://vkvideo.ru/video-192903627_456239200

Сегодня 15 лет Сколтеху. Пройден огромный путь от небольшой комнаты в МШУ до огромного здания, большого числа выпускников и очень сильного коллектива по всем областям наук. Среди профессоров Сколтеха я работаю дольше всех — уже целых 13 лет. Застал практически все стадии развития. Думаю, что сегодняшний этап — самый важный: нужно бороться с бессмысленной бюрократией (неизбежная болезнь роста) и поддерживать реально работающих учёных. Поздравляю Сколтех и желаю ему дальнейшего развития.

Elsevier обновил базу ТОП-2% учёных мира по цитированиям✔️ 7 октября на платформе Elsevier Data Repository вышла версия девятой общедоступной базы данных "Updated science-wide author databases of standardized citation indicators" — одного из самых цитируемых источников для оценки научного влияния в мире. База подготовлена на основе данных из Scopus на 1 августа 2026 года и включает метрики по цитированиям за 2025 календарный год, а также данные за всю научную карьеру до конца 2025 года. В ней представлены такие показатели, как количество публикаций, число цитирований, индекс Хирша с учётом и без учёта самоцитирования, и ряд других. От нашего Института в ТОПе: ➡️ доктор физико-математических наук, профессор РАН, генеральный директор AIRI и декан факультета ИИ МГУ Иван Оселедец — 28 157-е место в общем рейтинге за всю карьеру и 3 277-е место за год ➡️ доктор физико-математических наук, руководитель группы «Обучаемый интеллект» AIRI и руководитель Центра ИИ Сколтеха Евгений Бурнаев — 196 789-е место в общем рейтинге за всю карьеру и 48 982-е место за год Поздравляем Ивана и Евгения сердечками! ❤️

🚀 Мы с командой представляем Kandinsky 6.0 Video Lite и Pro — новое поколение наших моделей генерации видео, теперь с синхронным звуком! 🎬 Video Lite — 3B параметров, акцент сделали на эффективности модели и доступности запуска 🎬 Video Pro — 29B параметров, это флагман с лучшим качеством следования промпту, качеством визуала и динамики Обе модели понимают мультиязычные запросы и генерируют видео (режим text-to-video) или «оживляют» изображения (режим image-to-video). Разрешение видео — вплоть до FullHD с помощью нашей модели апскейла Kandinsky SR 2.0 Video. Модели поддерживают создание видео до 5 секунд с диалогами, музыкой и звуками окружения. Аудиодорожка синхронизирована с происходящим в кадре, а движения губ персонажей — с их речью ⚡️ Про качество Модель Kandinsky 5.0 Video Pro более полугода занимала первое место среди открытых моделей в задаче text-to-video на arena.ai и была сопоставима по визуальному качеству с Veo 3. По нашим side-by-side сравнениям флагман новой линейки — Kandinsky 6.0 Video Pro — заметно превосходит Kandinsky 5.0 Video Pro по визуальному качеству, реалистичности движения и следованию запросу и показывает качество на уровне Veo 3.1 Fast. А среди открытых моделей Kandinsky 6.0 Video Pro уступает только MiniMax H3, достигая паритета с LTX 2.5. Больше сравнений и деталей — в техрепорте (кстати, буду рад апвоутам статьи, сейчас мы уже традиционно #1 Paper of the day) 🔧 Немного технических подробностей 🔘Для обучения мы подготовили 50 млн изображений, 20 млн видеосцен, 40 млн аудиотреков и 7 млн видео с синхронным аудио 🔘В основе моделей — CrossDiT с двумя башнями: видео и аудио, с bidirectional audio↔video cross-attention. Видеобашню мы инициализировали моделью Kandinsky 5.0 Video (Lite и Pro, соответственно), аудиобашню обучали сначала с нуля, а затем совместно с видеобашней на качественных видео с синхронным звуком 🔘SFT делали в два этапа: сначала улучшали визуальное качество, дообучая видеобашню с замороженной аудиобашней. Затем размораживали всю модель и совместно дообучали обе башни с фокусом на качество аудио, синхронизацию модальностей и качество липсинка. На обеих стадиях обучали отдельные модели для 11 доменов, а в конце супировали полученные компоненты, усредняя веса в одну модель 🔘Смогли завести RL: на нашем тесте доля ошибок в генерируемой речи (WER) снизилась с 23,5% до 12,4% у модели Pro 💪 🔘Поработали и над ускорением: подготовили дистиллированные версии Lite и Pro с генерацией за 10 шагов. Использовали π-Flow с последующим adversarial-дообучением Sim-LADD. По нашим side-by-side сравнениям в режиме image-to-video дистиллированная Pro сохраняет качество на уровне полной версии, при этом работает быстрее: 402→175 секунд на 5-ти секундное видео для Pro и 157→98 секунд для Lite 🔘Адаптировали и Lite, и Pro для запуска на на RTX 4090, 5060 Ti, 5080, 5090, PRO 6000 Полезные ссылки: 👉 Почитать подробнее: техрепорт 👉 Код и веса: GitHub, Hugging Face, GitVerse 👉 Модель уже доступна через FAL, Diffusers, ComfyUI, SGLang и vLLM-Omni 👉Больше о нашей команде, моделях и исследованиях — на сайте Kandinsky Lab Попробовать модель Pro можно в ГигаЧат в разделе Видео. Делитесь своими генерациями и обратной связью 🙂 @dendi_math_ai

Хорошая, качественная, открытая модель

Ещё не написал свою книгу, а уже получил литературную премию, приятно.

Наш препринт про архитектурную модификацию трансформера: https://huggingface.co/papers/2609.32814 Change the Product, Keep the Parameters: Associative Algebra Layers for Transformers tl/dr Исследуем замену GEMM в MLP-слое трансформера на более лёгкую операцию, которая сохраняет билинейность и ассоциативность матричного умножения, но требует меньше вычислений при том же количестве обучаемых параметров. Лонгрид Работа состоит из трёх частей. Часть первая: математическая база Описывается новый оператор, заменяющий обычное матричное умножение. Формально доказывается, что он билинеен и ассоциативен. Для оператора над матрицами размера q×q вычисляется билинейный ранг — минимальное число скалярных умножений, необходимых для его вычисления. Для q=2 новый оператор имеет ранг 6. Для сравнения, обычное умножение 2×2 требует 8 умножений, а алгоритм Страссена — 7. Эти числа всплывут в третьей части 👇 Билинейность позволяет заменить линейную проекцию трансформера, не вводя дополнительную нелинейность, а также даёт возможность формально анализировать вычислительную стоимость оператора. При этом мы не уменьшаем число параметров и не используем sparsity или low-rank compression: сохраняется полный набор обучаемых весов, меняется только закон их умножения на активации. Часть вторая: синтетические экспы на GPU Показываем, что реализация нового оператора действительно может использоваться вместо GEMM в качестве линейной проекции трансформера. Приводятся оценки эффективности для нескольких архитектур, включая Qwen и DeepSeek. Часть третья: оценка end-to-end на декодерной LM Создаётся небольшая декодерная LM ёмкостью 110M параметров, близкая к GPT-2, но с небольшими модификациями (SwiGLU вместо стандартного FFN) и GPT-2-токенизатором. Делаем два варианта модели: с классическим GEMM и с новым оператором в MLP. Обе модели обучаются на одном и том же инструктивном датасете с бюджетом около 12.3B токенов и в одинаковом вычислительном окружении. Эксперимент показывает, что новый оператор остаётся обучаемым в реальных условиях, включая CUDA, floating-point вычисления и автоматическое дифференцирование в PyTorch. Затем измеряем скорость инференса и качество на downstream-задачах через lm-eval-harness. Для q=2 модель с новым оператором показывает прирост end-to-end throughput примерно на 7%. Для сравнения, переход от rank-7 алгоритма Страссена к rank-6 оператору сокращает число скалярных умножений примерно на 14.3%. Наблюдаемый выигрыш оказывается примерно вдвое меньше этого арифметического выигрыша, что ожидаемо: MLP составляет лишь часть вычислений модели, а итоговое время также определяется attention, LM head, memory traffic, sampling и другими операциями. Что дальше: много экспов с другими параметрами (q=3 и 4), настройка ядер и пр. 🤗 👉 hf dailypapers link 👈

Мне крайне приятна статья, хотя и сложная

Объединяем исследователей для обучения ИИ долгосрочному планированию Владислав Куренков, руководитель научной группы «Адаптивные агенты» Института AIRI, запустил открытое сообщество людей, работающих над системами планирования ИИ, чтобы вместе решить одну из самых неподатливых для искусственного интеллекта игр — NetHack. У каждого участника будет свой способ получить программу, свои инструменты и своя стратегия, а общая инфраструктура позволит видеть результаты друг друга, сравнивать их между собой и продолжать разрабатывать решения друг друга. Владислав рассказал, почему NetHack весьма полезна для обучения ИИ:

«Одна партия в NetHack — это десятки тысяч ходов. Жизнь у героя одна, сохранений нет, подземелье каждый раз новое, а игра по дороге ничего не подсказывает. Если вы сыграли плохо, то выясняется это тогда, когда ничего исправить уже нельзя. Когда мы запускаем наших ботов играть, то вторая по частоте причина их "смерти" — голод, потому что они не позаботились о еде за несколько тысяч ходов до финального момента. На таких же ошибках спотыкаются ИИ-агенты, когда пишут код: отдельный шаг они выполняют прекрасно, а на длинную дистанцию держать планку не могут. И NetHack в этом плане становится весьма полезной для обучения ИИ».

📎Подробнее про сообщество, игру и «интеллект» агента — в интервью «Ъ-Науке».

Вчера ездил на Practical ML Conf — там мне и Антону Конушину, с которым мы вместе двигаем AIRI и ФИИ МГУ, вручили Yandex ML Prize. Отметили в «Зале славы» — пишут, что это про тех, кто меняет образование, науку и технологии, вдохновляет новые поколения. В номинации «Начинающие преподаватели» выиграли наши младшие научные сотрудники Альбина Бурлова и Константин Пчелин. Здорово, когда твою работу и работу твоей команды видят и признают — спасибо коллегам. Продолжим развиваться в том же направлении.

Решение проблемы тысячелетия про задачу Навье-Стокса - очень круто! https://nplus1.ru/material/2026/09/09/openai-x-navier-stokes

📆 Все перевернули календарь? Под костры рябин возвращаемся в 28 августа – вспоминаем, как прошел наш разогрев перед учебой. Фото и видео – в галерее. Благодарим за поддержку фонд Олега Дерипаска «Вольное дело» и фонд «Интеллект».

ФИИ стартовал

ИИ делает нас умнее. Или все-таки нет? Друзья, специально к Дню знаний мы выложили новую серию подкаста 2TOK об ИИ в образовании и науке. Он уже доступен на YouTube и VK Видео. В гостях Андрей Себрант, директор по стратегическому маркетингу Яндекса и профессор ИТМО, и Иван Оселедец, гендиректор Института искусственного интеллекта AIRI и декан факультета ИИ МГУ. С одной стороны ИИ можно использовать как экзоскелет для мозга: он подхватывает усилия, забирает рутину, помогает сделать больше и быстрее, но направление движения все равно определяет человек. С другой стороны можно превратить его в «инвалидное кресло» для мышления: отдать модели домашку, диплом, презентацию и даже не пытаться вычитать и понять результат. Выбор остается за человеком. Что обсудили: • Проблема домашек не появилась вместе с ChatGPT. До нейросетей школьники искали ГДЗ. Если задание воспринимается как бессмысленное заполнение времени, ученик все равно найдёт кратчайший путь. Запретить ИИ здесь проще, чем разобраться с мотивацией и способом оценки знаний, но вряд ли полезнее. • Учить «правильным промптам» поздно уже в момент подготовки программы. Технология меняется быстрее учебников. Профессия промпт-инженера, которую в 2023 году объявляли профессией будущего, быстро растворилась в обычном умении работать с моделями. Нужнее навык постоянно переучиваться и спрашивать у агента, как лучше решить конкретную задачу. • Нейрослоп становится новой формой профессиональной небрежности. Нажать «сделай презентацию» и принести 20 аккуратных слайдов ещё не значит выполнить работу. Бывает так, что презентацию сократили вручную с 18 до 6 слайдов и вычитали, а после очередного прогона через нейросеть она вернулась уже на 21 слайде. Модель ускоряет производство текста, но не берет на себя смысл, вкус и ответственность. • В науке ИИ уже работает как соавтор. Агент подбирает 50–100 работ, резюмирует их и отмечает фрагменты для самостоятельного чтения. То, что раньше занимало две недели, теперь укладывается в день. Еще интересный пример: студентка за трёхчасовой семинар вместе с Claude сформулировала гипотезу, написала код и подготовила работу, которую затем приняли на конференцию. В подкасте мы ставим неудобный вопрос перед школами, ВУЗами и нами самими: если модель умеет написать типовую домашку, диплом или научную статью, что именно мы теперь должны считать результатом обучения и работы?

Для меня ответ такой: ценность сейчас смещается от производства текста к постановке задачи, проверке, пониманию и личному суждению. ИИ может сделать нас заметно сильнее. Но когнитивную мышцу, которую перестали напрягать, никакой экзоскелет уже не спасет.

Смотрите новый подкаст, оставляйте комментарии. Ну и скажите, для вас ИИ скорее «экзоскелет для мозга» или «инвалидное кресло»? #2TOK 💬 ген ии | MAX

«Лето с AIRI 2026» не заканчивается! Делимся лекциями и семинарами ⏯ Мы записали всё, о чём на протяжении двух недель говорили исследователи и эксперты на летней школе. Собрали целый багаж знаний — 76 видео! — из разных областей ИИ и делимся им с вами, чтобы все могли послушать и узнать для себя что-то новое и интересное. 📎Сохраняйте ссылки на плейлисты: VK Видео, YouTube — и пересылайте их тем, кому тоже может быть полезно)

🫪 Конкурс на новый факультет искусственного интеллекта МГУ составил 127 человек на место