Endi mavjud! Telegram Tadqiqoti 2025 — yilning asosiy insaytlari 
ИИ Песочница Sber AI Lab
Kanalga Telegram’da o‘tish
AI & ML related papers review, news, opensource updates GitHub: https://github.com/sb-ai-lab Contact us for posts and promo: @oxana_y
Ko'proq ko'rsatish2 166
Obunachilar
+524 soatlar
+77 kunlar
+7030 kunlar
Ma'lumot yuklanmoqda...
O'xshash kanallar
Ma'lumot yo'q
Muammo bormi? Iltimos, sahifani yangilang yoki bizning qo'llab-quvvatlash boshqaruvchimizga murojaat qiling>.
Taglar buluti
Kirish va chiqish esdaliklari
---
---
---
---
---
---
Obunachilarni jalb qilish
Iyun '26
Iyun '26
+58
1 kanalda
May '26
+158
3 kanalda
Get PRO
Aprel '26
+156
3 kanalda
Get PRO
Mart '26
+34
0 kanalda
Get PRO
Fevral '26
+24
0 kanalda
Get PRO
Yanvar '26
+29
1 kanalda
Get PRO
Dekabr '25
+35
1 kanalda
Get PRO
Noyabr '25
+145
1 kanalda
Get PRO
Oktabr '25
+72
2 kanalda
Get PRO
Sentabr '25
+31
3 kanalda
Get PRO
Avgust '25
+34
0 kanalda
Get PRO
Iyul '25
+90
2 kanalda
Get PRO
Iyun '25
+52
3 kanalda
Get PRO
May '25
+11
0 kanalda
Get PRO
Aprel '25
+29
1 kanalda
Get PRO
Mart '25
+41
1 kanalda
Get PRO
Fevral '25
+53 398
46 kanalda
Get PRO
Yanvar '25
+948
1 kanalda
| Sana | Obunachilarni jalb qilish | Esdaliklar | Kanallar | |
| 26 Iyun | 0 | |||
| 25 Iyun | +6 | |||
| 24 Iyun | 0 | |||
| 23 Iyun | +1 | |||
| 22 Iyun | +2 | |||
| 21 Iyun | +1 | |||
| 20 Iyun | 0 | |||
| 19 Iyun | +4 | |||
| 18 Iyun | +1 | |||
| 17 Iyun | +5 | |||
| 16 Iyun | +3 | |||
| 15 Iyun | +1 | |||
| 14 Iyun | 0 | |||
| 13 Iyun | 0 | |||
| 12 Iyun | 0 | |||
| 11 Iyun | +1 | |||
| 10 Iyun | +4 | |||
| 09 Iyun | +22 | |||
| 08 Iyun | 0 | |||
| 07 Iyun | 0 | |||
| 06 Iyun | 0 | |||
| 05 Iyun | +4 | |||
| 04 Iyun | 0 | |||
| 03 Iyun | +2 | |||
| 02 Iyun | +1 | |||
| 01 Iyun | 0 |
Kanal postlari
🏆 Kaggle BirdCLEF 2026: серебро у команды Sber AI Lab
Омар Золоев Sber AI Lab вместе с Амурханом Дзагкоевым и Константином Зориным из Sber взяли 🥈серебро на Kaggle BirdCLEF 2026.
Решение вошло в 3% лучших среди всех участников.
BirdCLEF+ — ежегодное соревнование по аудиоклассификации: нужно по шумным полевым записям определить, какие виды животных там присутствуют.🔆Как устроена задача Полевые записи из природы, разбитые на куски по 5 секунд. Нужно понять, какие виды животных звучат в каждом фрагменте - один или несколько из 234 видов.
Это multi-label аудиоклассификация в условиях сильного шума и дисбаланса классов.🔆Что пробовали? 🟡Perch-based baseline - хорошая стартовая точка и основа для первых сабмитов. 🟡Perch + ProtoSSM + SED - основная рабочая связка. SED-модуль помогал лучше ловить временную структуру событий в аудио. 🟡EfficientNet - сам по себе давал слабый сигнал, но в ансамбле добавлял полезную вариативность. 🟡Сглаживание похожих видов - небольшой, но стабильный прирост за счёт учёта семантически близких классов. 🔆 Что сработало в итоге? Главный прирост дали не одиночные модели, а ансамбль: 🔘несколько моделей с разными индуктивными смещениями, 🔘блендинг предсказаний, 🔘постобработка со сглаживанием для похожих видов, 🔘аккуратная проверка на валидации - не все улучшения локально переносились на публичный лидерборд. 🔆 Почему это интересно?
BirdCLEF
- хороший пример задачи, где выигрывает не одна «магическая» модель, а комбинация архитектур, осторожная валидация и правильный ансамбль. Для аудио это особенно важно: разные модели по-разному чувствуют спектральные паттерны, временную структуру и редкие события.💚 Поздравляем команду! ❤ @sb_ai_lab #kaggle
| 2 |  ⚡️Sber AI Lab на AAMAS 2026
4️⃣ статьи представили на демо треке AAMAS 2026 исследователи Sber AI Lab :
🎤SpeakerAICoach: A Multi-Agent Mobile Presenter Training
Мультиагентный мобильный тренер для выступлений с мультимодальной обратной связью.
Проблема: коучинг должен учитывать не только текст, но и динамику речи, жесты, взгляд, эмоции.
Подход: агенты для речи и видео анализируют фрагменты, агрегатор собирает timeline, LLM превращает данные в рекомендации.
Результат: Android-демо с объяснимой обратной связью по каждому фрагменту.
📄 PDF
🤖LightAutoDS-Tab: Multi-AutoML Agentic System for Tabular Data
Мультиагентная AutoML-система для табличных данных.
Проблема: AutoML на основе LLM гибок, но дорог и нестабилен. Классические инструменты надёжны, но хуже адаптируются.
Подход: агент выбирает между генерацией кода или использованием специализированных AutoML-инструментов в зависимости от задачи и времени на нее
Результат: преимущество над AutoKaggle и AIDE.
📄 PDF
⚙️Towards Automated Integration of Novel ML Tools Into LLM-Driven AutoML Agents
Автоматическая интеграция ML-библиотек в LLM-агентов.
Проблема: LLM-агенты ошибаются в API специализированных библиотек, особенно новых.
Подход: система извлекает структуру API, сигнатуры, примеры и строит граф для точного вызова инструментов.
Результат: фреймворк для AutoML-агентов с отслеживаемым использованием инструментов.
📄 PDF
🚒 LLM-Guided Multi-Agent Evacuation Coordination via Episodic Memory and Cognitive Task Analysis
LLM-координатор + эпизодическая память для управления эвакуацией при пожаре.
Проблема: мало данных, смена сценариев, высокая цена ошибки.
Подход: локальные политики агентов + LLM-командир. Эпизодическая память хранит похожие ситуации.
Результат: в ситуации с новым очагом пожара (которого не было в обучающих данных) доля успешно эвакуировавшихся увеличилась с 67% до 82.5% благодаря использованию эпизодической памяти..
📄 PDF
🔥 - если хотите детальный разбор любой из этих работ!
❤ @sb_ai_lab | 758 |
| 3 | ⚡️Sber AI Lab на AAMAS 2026
4️⃣ статьи представили на демо треке AAMAS 2026 исследователи Sber AI Lab :
🎤SpeakerAICoach: A Multi-Agent Mobile Presenter Training
Мультиагентный мобильный тренер для выступлений с мультимодальной обратной связью.
Проблема: коучинг должен учитывать не только текст, но и динамику речи, жесты, взгляд, эмоции.
Подход: агенты для речи и видео анализируют фрагменты, агрегатор собирает timeline, LLM превращает данные в рекомендации.
Результат: Android-демо с объяснимой обратной связью по каждому фрагменту.
📄 PDF
🤖LightAutoDS-Tab: Multi-AutoML Agentic System for Tabular Data
Мультиагентная AutoML-система для табличных данных.
Проблема: AutoML на основе LLM гибок, но дорог и нестабилен. Классические инструменты надёжны, но хуже адаптируются.
Подход: агент выбирает между генерацией кода или использованием специализированных AutoML-инструментов в зависимости от задачи и времени на нее
Результат: преимущество над AutoKaggle и AIDE.
📄 PDF
⚙️Towards Automated Integration of Novel ML Tools Into LLM-Driven AutoML Agents
Автоматическая интеграция ML-библиотек в LLM-агентов.
Проблема: LLM-агенты ошибаются в API специализированных библиотек, особенно новых.
Подход: система извлекает структуру API, сигнатуры, примеры и строит граф для точного вызова инструментов.
Результат: фреймворк для AutoML-агентов с отслеживаемым использованием инструментов.
📄 PDF
🚒 LLM-Guided Multi-Agent Evacuation Coordination via Episodic Memory and Cognitive Task Analysis
LLM-координатор + эпизодическая память для управления эвакуацией при пожаре.
Проблема: мало данных, смена сценариев, высокая цена ошибки.
Подход: локальные политики агентов + LLM-командир. Эпизодическая память хранит похожие ситуации.
Результат: в ситуации с новым очагом пожара (которого не было в обучающих данных) доля успешно эвакуировавшихся увеличилась с 67% до 82.5% благодаря использованию эпизодической памяти..
📄 PDF
🔥 - если хотите детальный разбор любой из этих работ!
❤ @sb_ai_lab | 11 |
| 4 |  ⚡️Главное с AAMAS 2026: как LLM-агенты меняют MAS
В Пафосе (Кипр) завершилась 25-я юбилейная конференция AAMAS 2026 - крупнейшая в мире конференция по автономным агентам и мультиагентным системам.
Цифры:
1800 заявленных статей, 531 принято (25.5%)
Более 900 участников (+35% к прошлому году)
Впервые в программу добавлена секция Generative and Agentic AI (GAAI): LLM-агенты больше не хайп, а признанная часть основной повестки.
🔥Основные тренды конференции:
🔆 LLM-агенты как «команда экспертов» -
30-летний опыт мультиагентных систем переосмысляется через LLM. Появились фреймворки и стандарты (MCP, A2A). Главный риск: люди приписывают ИИ-агентам ответственность, которой у них нет. Контроль за их действиями должен оставаться за человеком.
🔆LLM становится планировщиком и координатором
LLM больше не просто «отвечает», а управляет рабочими процессами. Среди ключевых подходов:
🟣иерархические деревья агентов для долгосрочных задач
🟣ментальная симуляция для улучшения политики
🟣параллельные потоки для быстрой реакции
🟣повторное использование решений для координации нескольких роботов
🔆 Управление инструментами и рабочими процессами
Переход от «LLM вызывает инструмент» к системной инженерии рабочих процессов с ИИ-агентами. Нужны переиспользуемые компоненты - реестр инструментов, слой валидации, аудит.
🔆Координация остаётся ядром AAMAS
Команды, распределение задач, социальные дилеммы, протоколы. LLM-агенты усилили старую проблему - устойчиво координироваться, а не только рассуждать.
🔆Робототехника
Переход к специализированным роботам с общей ситуационной картиной. Надёжность таких систем - это совместная работа инженеров, пользователей и регуляторов.
🔆Теория игр и социальный выбор
Даже в год бума генеративного ИИ заметная часть работ посвящена коллективному принятию решений: голосованию, честности, стимулам и социальным дилеммам.
📌Главный вывод конференции:
LLM не заменяют мультиагентные системы, а становятся их частью. Настоящий прорыв - сложные рабочие процессы: разбивка задачи, координация, вызов инструментов, проверка и участие человека.
🔆Sber AI Lab представила на AAMAS 2026 четыре публикацияи в Demonstration Track.
Подробности в следующем посте.
#AAMAS2026 | 774 |
| 5 | Публикуем презентацию | 954 |
| 6 | Публикуем презентацию по итогам семинара | 820 |
| 7 |  Sber AI Lab приглашает вас на открытый научный семинар:
📆 сегодня, четверг, 18 июня в 17:00.
📆На семинаре выступит: Иван Карпухин (Sber AI Lab)
➡️Тема доклада: LLM-рецензент на примерах: нужен ли нам эксперт?
🔘На семинаре мы рассмотрим несколько научных статей в области Deep Learning и проанализируем качество автоматически сгенерированных обзоров и рецензий с помощью LLM.
🔘Обсудим, какие аспекты научных работ современные языковые модели способны выявлять эффективно, а в каких случаях они упускают критически важные наблюдения и нюансы.
🔘Поговорим о перспективах автоматического рецензирования, его ограничениях и роли человека в повышении качества экспертной оценки научных исследований.
📱Семинар пройдёт онлайн в SberJazz по ссылке
➡️переговорная 38.08 - для очных участников
#анонc | 1 652 |
| 8 |  Sber AI Lab приглашает вас на открытый научный семинар:
📆 завтра, четверг, 11 июня в 17:00.
📆На семинаре выступят: Максим Макаренко, Савелий Чежегов (Sber AI Lab)
➡️Тема доклада: Обзор конференции ICLR 2026
➡️На семинаре расскажем о поездке на ICLR 2026, самых интересных работах и трендах конференции, а также о том, что сейчас происходит в исследованиях агентской памяти, reasoning и LLM-агентов. Отдельно обсудим две статьи команды Фундаментальных Исследований, представленные на конференции, ключевые идеи, результаты и полученную обратную связь от научного сообщества.
📱Семинар пройдёт онлайн в SberJazz по ссылке
📍переговорная 38.08 - для очных участников
#анонc | 1 205 |
| 9 |  🔥Делимся находкой: Boltbook — платформа для коммуникации AI-агентов:
💡Обратили внимание на платформу Boltbook.ai.
Агенты здесь публикуют посты, комментируют, создают тематические сообщества с собственными правилами и координировано решают задачи: помогают друг другу с кодом, обсуждают статьи, создают и улучшают скиллы.
✍️Что заметили:
🔘Скиллы — модульные навыки, которыми агенты делятся друг с другом. Один агент опубликовал скилл для анализа кода. Другой применил его на своей базе и нашёл циклические зависимости между модулями.
🔘Протокол — один из агентов предложил облегчённую версию протокола взаимодействия с Boltbook, которая экономит 85% токенов. Сообщество подхватило.
🔘Задачи — агент публикует ТЗ, прикладывает репозиторий, указывает, какие навыки требуются. Другие агенты подключаются, делают итерации, сдают результат.
🔘Креатив — агенты совместно разобрали корпускулярно-волновой дуализм и сгенерировали иллюстрацию для статьи.
⚙️Как это устроено:
➡️Платформа совместима с OpenClaw и другими движками, поддерживающими skills.md.
➡️Человек тоже может участвовать: наблюдать, ставить задачи или подключать своего агента.
❤ @sb_ai_lab
#новости | 1 327 |
| 10 |  🔥 Sber AI Lab на DataFest в Новосибирске
Иван Карпухин рассказал о двух работах, опубликованных в этом году - в журнале Neurocomputing (Q1) и на конференции AAAI-26 (A*).
📄 HoTPP: бенчмарк для долгосрочных предсказаний
Как оценить качество модели, которая предсказывает несколько событий на горизонте? Стандартные метрики (OTD) учитывают только популярные классы, а итоговые значения тяжело интерпретировать.
📌Что предложили:
Новую метрику T‑mAP (Temporal mean Average Precision), которая оценивает не только правильность предсказаний, но и уверенность модели.
Первый открытый бенчмарк HoTPP для долгосрочного прогнозирования событий (финансы, ритейл, соцсети, медицина).
🔆Результаты: современные MTPP-модели часто уступают простым статистическим методам. Большинство подходов страдают mode collapse — предсказывают одно и то же.
🔗Статья и arXiv
📄 DEF: новый способ прогнозирования будущих событий
Авторегрессионные модели при длинном горизонте сходятся к константе или повторениям. Методы, предсказывающие все события сразу, тоже далеки от идеала.
📌Что предложили:
Модель DEF, которая предсказывает несколько событий одновременно.
Функция потерь на основе динамического связывания предсказаний с реальными событиями (как в детекции объектов в компьютерном зрении).
🔆Результаты: до +50% относительного улучшения качества долгосрочных предсказаний. При этом модель остаётся одной из самых быстрых на инференсе и не теряет в качестве предсказания следующего события.
🔗Статья и arXiv
Интересный факт: обе работы адаптируют идеи из компьютерного зрения в новый домен, попутно развивая и улучшая выбранные подходы.
🔥 - если интересны такие обзоры исследований
✈ @sb_ai_lab
#science | 1 483 |
| 11 |  🧬Synolitic AI: как работать с медицинскими данными, где признаков больше, чем пациентов
В биомедицинских задачах часто возникает типичная проблема: данных мало, а признаков много. Например, в геномике, физиологических измерениях или медицинских записях один пациент может описываться сотнями и тысячами параметров.
Для классических ML-моделей это сложная постановка: растёт риск переобучения, падает устойчивость, а перенос знаний между датасетами становится нестабильным.
В статье Overcoming the Curse of Dimensionality with Synolitic AI, написанной исследователями Sber AI Lab, совместно с профессором University College London, мы исследуем синолитические графовые нейросети (Synolitic Graph Neural Networks), подход, который переводит табличные данные в графовое представление.
⚙️Как это устроено:
🟣признаки становятся узлами графа
🟣для каждой пары признаков обучается небольшой классификатор
🟣его оценка задаёт силу связи между признаками
🟣дальше граф обрабатывается GNN-моделью: GCN или GATv2
✨Важная часть подхода - не только сами связи, но и топология графа: степень узла, сила связей, closeness и betweenness centrality. Именно такие структурные признаки дают основной прирост качества.
В экспериментах SGNN проверяли на 15 UCI-датасетах и на реальном протеомном датасете по раку яичников.
✨Что получилось:
🟣 в foundation setting GATv2 достигает ROC-AUC 92.22 против 86.05 у XGBoost
🟣при обучении на отдельных датасетах лучший результат SGNN - 83.12 macro ROC-AUC против 80.28 у XGBoost
🟣в low-data режиме SGNN сохраняет ROC-AUC около 85% уже с 10% обучающих данных
🟣на протеомных данных foundation-style обучение повышает стабильность и качество модели
📝Главный вывод:
Графовое представление помогает работать с высокоразмерными биомедицинскими данными, особенно когда выборка маленькая, признаки избыточны, а классические модели начинают терять устойчивость.
✈ @sb_ai_lab
#medicine | 1 025 |
| 12 |  🔥Присоединяйся к Sber AI Lab: новые проекты в EdTech, HR, агентах для бизнеса и LLM-инференсе
Работай над продуктами и исследованиями в области LLM и агентных систем.
EdTech - одно из направлений, где мы:
🔘создаём агентов для учеников и учителей,
🔘инструменты проверки заданий и генерации контента.
🔘проект сочетает LLM (RAG, агенты, fine‑tuning) с задачами OCR, document understanding и оценкой качества генераций.
⚡️расширяем команду и ищем:
➡️Senior Data Scientist / AI Researcher в команду ИИ в образовании
Что делать:
🔘разрабатывать LLM‑агентов и RAG для учебных сценариев; решать OCR и document understanding (структура учебников, обработка PDF/изображений);
🔘настраивать multi‑agent оркестрацию (LangGraph, LangChain, schema‑guided pipelines);
🔘экспериментировать с GigaChat, Gemini, Qwen и др.;
🔘проводить fine‑tuning (instruction‑tuning, adapters, LoRA, SFT);
🔘строить метрики и evaluation pipeline.
🔘Нужен: практический опыт от 3 лет в NLP/LLM/агентах.
Актуальные вакансии в других командах:
➡️LLM Engineer / Inference Engineer в команду развитие OpenSource технологий
🔘Обучать LLM на GPU-кластерах, доводить модель до продакшена, выжимать максимум из инференса.
🔘Нужен: практический опыт обучения LLM, Python от 3 лет, distributed training.
➡️Middle/Senior ML Engineer в команду GenAI для HR
🔘Строить прикладных AI-агентов для HR-направления.
🔘Нужен: практический опыт вывода в прод агентов или LLM-решений.
➡️ML Engineer в команду ИИ агенты и оптимизация
🔘Придумывать новые алгоритмы, проверять гипотезы, писать статьи A*/Q1.
🔘Нужен: сильный Python, PyTorch, опыт с LLM и агентами.
➡️ML Engineer в команду ИИ-агенты для бизнеса
Проект: разработка ассистента руководителя для автономного решения рутинных задач.
Разрабатывать NLP и мультимодальные пайплайны, RAG-системы, создавать ИИ-агентов и мультиагентные системы.
Нужен: сильный Python, опыт в разработке агентов, понимание всех этапов вывода агентов в промышленную эксплуатацию.
📍Москва, Кутузовский проспект, гибрид.
💚Если хотите строить LLM-решения, которые реально работают в продуктах - ждём ваш отклик.
#job #вакансии
✈ @sb_ai_lab | 2 610 |
| 13 |  ⚡️Sber AI Lab на Data Fest 2026
Делимся информацией о лучших исследованиях и разработках Sber AI Lab на главном событии сообщества Open Data Science, которое традиционно пройдёт в конце мая на нескольких площадках конференции DataFest (офисы Сбера, ВТБ и Белград).
📍 Москва, 24 мая (офис ВТБ)
📆Доклад
Алексей Шестов, руководитель направления по анализу данных
Топологическая метрика для оценки качества эмбеддингов без разметки
📍 Москва, 26 мая (офис Сбера)
📆 Доклад в секции Agents in Action
Дмитрий Парпулов, тимлид «ИИ-агенты и оптимизация»
Text2Agent: как мы строим рабочие workflow в low‑code по текстовому описанию задачи
🔆Постерная сессия по статьям
Юлия Беликова - Detecting Overflow in Compressed Token Representations for Retrieval-Augmented Generation
Алексей Гришанов - Pre-trained LLMs Meet Sequential Recommenders: Efficient User-Centric Knowledge Distillation
Алексей Шестов - Topological Metric for Unsupervised Embedding Quality Evaluation
Иван Свиридов - Predicting Task fMRI Contrasts from Resting-State fMRI Using Sparse 3D Convolutions
Антон Пембек - Let It Go? Not Quite: Addressing Item Cold Start in Sequential Recommendations with Content-Based Initialization
🤩Регистрация и подробная программа по ссылке
📍Новосибирск, 28 мая (офис Сбера)
📆 Доклад
Иван Карпухин, руководитель направления по исследованию данных
Генеративные модели последовательностей событий и транзакционных данных
🤩Регистрация и подробная программа по ссылке
📍Белград, 31 мая
📆 Доклад
Алексей Васильев, тимлид команды Recsys
SplitLight: RecSys Evaluation Toolkit — open-source инструмент для анализа датасетов и стратегий сплитов в рекомендательных системах.
О чём ещё поговорим на стендах и в кулуарах:
генеративные модели, мультиагентные системы, физический ИИ, RAG, open‑source для RecSys, продакшен‑оптимизация.
💚Заходите знакомиться, предлагать идеи и задавать вопросы.
🔥- если планируете быть очно.
❤ @sb_ai_lab
#анонс | 1 005 |
| 14 | Sber AI Lab приглашает вас на открытый научный семинар:
📆 сегодня, 21 мая в 17:00.
📆На семинаре выступит: Иван Кружилов (Sber AI Lab)
➡️Тема доклада: Метод DPO и его вариации DPO и GRPO сегодня являются ключевыми методами для RLHF- alignment.
➡️В докладе мы рассмотрим модель Брэдли–Терри в классической постановке, а также её расширения, учитывающие неопределённость оценщиков. Особое внимание будет уделено современным модификациям DPO и их практическим преимуществам.
📱Семинар пройдёт онлайн в SberJazz по ссылке
#анонc | 971 |
| 15 | Sber AI Lab приглашает вас на открытый научный семинар:
📆 сегодня, 21 мая в 17:00.
📆На семинаре выступит: Иван Кружилов (Sber AI Lab)
➡️Тема доклада: Метод DPO и его вариации DPO и GRPO сегодня являются ключевыми методами для RLHF- alignment.
➡️В докладе мы рассмотрим модель Брэдли–Терри в классической постановке, а также её расширения, учитывающие неопределённость оценщиков. Особое внимание будет уделено современным модификациям DPO и их практическим преимуществам.
📱Семинар пройдёт онлайн в SberJazz по ссылке
#анонc | 0 |
| 16 | 🫥Как студенты решают научные задачи: взгляд из жюри
Савченко Андрей, директор по науке Sber AI Lab принял участие в экспертной комиссии секции «ИИ в науке» на мультидисциплинарной молодёжной конференции Центрального университета «Научный телеграф».
Конференция объединила шесть секций - от цифровой трансформации и ИИ до гуманитарных и естественных наук. В экспертной комиссии были профессора и представители корпоративных R&D‑команд.
Ключевые впечатления:
Секция выглядела очень достойно: студенты из разных вузов показали продуманные эксперименты и зрелые методологические решения. Важно, что многие участники не просто применяют готовые ML‑инструменты, а формулируют нетривиальные научные задачи и предлагают собственные методы.
🤩Темы, которые запомнились:
⏺️Оптимизация на графах - проекты по задаче коммивояжёра, сочетающие ML и классические алгоритмы.
⏺️ML в химии - яркая прикладная направленность и потенциал для реальных открытий.
⏺️Оценка параметров гауссовских смесей при неизвестном числе кластеров - аккуратная постановка и оригинальный алгоритм.
🤩Совет для начинающих исследователей
Не ограничивайтесь демонстрацией работы модели. Сравните свой метод с сильными современными аналогами, подробно проанализируйте литературу и честно опишите ограничения - это делает работу более убедительной и полезной для сообщества.
🤩Итог для аудитории R&D
Самые перспективные студенческие проекты объединяют аккуратную постановку задачи, сравнение с сильными базовыми методами и явную прикладную мотивацию - такие работы легче масштабировать и интегрировать в R&D‑проекты.
🔥 - если хотите развиваться в науке и хотите больше советов!
❤ @sb_ai_lab
#science | 836 |
| 17 | 🫥Как студенты решают научные задачи: взгляд из жюри
Савченко Андрей, директор по науке Sber AI Lab принял участие в экспертной комиссии секции «ИИ в науке» на мультидисциплинарной молодёжной конференции Центрального университета «Научный телеграф».
Конференция объединила шесть секций - от цифровой трансформации и ИИ до гуманитарных и естественных наук. В экспертной комиссии были профессора и представители корпоративных R&D‑команд.
Ключевые впечатления:
Секция выглядела очень достойно: студенты из разных вузов показали продуманные эксперименты и зрелые методологические решения. Важно, что многие участники не просто применяют готовые ML‑инструменты, а формулируют нетривиальные научные задачи и предлагают собственные методы.
🤩Темы, которые запомнились:
⏺️Оптимизация на графах - проекты по задаче коммивояжёра, сочетающие ML и классические алгоритмы.
⏺️ML в химии - яркая прикладная направленность и потенциал для реальных открытий.
⏺️Оценка параметров гауссовских смесей при неизвестном числе кластеров - аккуратная постановка и оригинальный алгоритм.
🤩Совет для начинающих исследователей
Не ограничивайтесь демонстрацией работы модели. Сравните свой метод с сильными современными аналогами, подробно проанализируйте литературу и честно опишите ограничения - это делает работу более убедительной и полезной для сообщества.
🤩Итог для аудитории R&D
Самые перспективные студенческие проекты объединяют аккуратную постановку задачи, сравнение с сильными базовыми методами и явную прикладную мотивацию - такие работы легче масштабировать и интегрировать в R&D‑проекты.
🔥 - если хотите развиваться в науке и хотите больше советов!
❤ @sb_ai_lab
#science | 0 |
| 18 |  ⚡️ICLR 2026: основные тренды и направления исследований
В Рио-де-Жанейро прошла 14-я конференция ICLR.
Цифры: 19 525 статей (+70% к 2025), acceptance rate — 27%.
Делимся, что было в центре внимания:
1️⃣ Reasoning и вычисления на этапе инференса
Переход от текстовых цепочек к латентному reasoning (вычисления в скрытых состояниях). Два пути: transformer-in-the-loop и диффузионные модели. RNN-архитектуры от Google показывают, как обойти квадратичный рост сложности трансформеров.
2️⃣AI‑агенты и мультиагентная оркестрация
Идёт отход от идеи «одна большая модель решит всё». Демонстрируют архитектуры с небольшой управляющей моделью, которая координирует нескольких специализированных LLM. Меняются и метрики: новые бенчмарки (DSGym, OPENAPPS) оценивают не только ответы, но и последовательность действий в среде.
3️⃣ Пост‑тренинг: GRPO и верифицируемые награды
GRPO и RL с верифицируемыми (проверяемыми) наградами становятся привычной практикой. Главная инженерная задача — правильно сформулировать objective, учитывать старые данные (staleness) и строить асинхронную инфраструктуру для обновлений.
4️⃣Мультимодальность - новые сенсоры и задачи
Много работ по новым модальностям: генерация звука для видео с модульными решениями (PrismAudio), дешёвые сенсоры для «обоняния» (SmellNet) как новая модальность. В робототехнике видно развитие foundation‑моделей с прикладными action‑головами — иногда правильный head важнее самой VLM.
5️⃣Эффективность и управляемость
Индустрия ищет баланс качества и стоимости: ускорение инференса, сжатие контекстного окна, адаптивный scaling в runtime. Появляютcя методы верификации reasoning через вычислительные графы (пример — CRV от FAIR).
💡Главные выводы:
🔘Акцент сместился с «как сделать модель умнее» на «как сделать AI рабочим в реальных условиях».
🔘Приоритеты: управляемость, эффективность, применимость.
🔘Трансформер перестаёт быть единственной архитектурой - набирают силу адаптивные вычисления на инференсе, агентная оркестрация и новые схемы пост-тренинга.
🔥- если хотите подробный разбор трендов ICLR на научном семинаре.
❤ @sb_ai_lab
#ICLR | 747 |
| 19 |  ⚡️Один лайк — и ты в матрице: воркшоп по рекомендательным системам от Sber AI Lab
Что будет, если научить AI не просто понимать пользователя, а ещё и угадывать, что ему действительно понравится?
Именно об этом команда Recsys Sber AI Lab (Артём Фаткулин и Дарья Денисова) рассказали студентам на воркшопе в рамках проектной школы AI360.
AI360 — это флагманский бакалавриат Сбера, Яндекса и пяти ведущих университетов, где готовят будущих исследователей и архитекторов AI-решений.
📆О чём говорили:
🔘Зачем рекомендательные системы бизнесу.
Они улучшают пользовательский опыт, помогают растить продажи и снижают отток клиентов.
🔘Как они устроены.
Разобрали базовые подходы: коллаборативную фильтрацию, content-based и матричную факторизацию.
🔘С какими проблемами сталкиваются в реальности.
Холодный старт, масштабируемость и другие классические вызовы RecSys.
🔘Как оценивать качество. Precision, recall, NDCG, MAP - без этих метрик в рекомендациях никуда.
🔘Что меняется сейчас.
Всё активнее в рекомендации заходят LLM: для генерации объяснений, работы с текстом и учёта диалога.
🔥- если вам интересна тема рекомендательных систем и изучайте подробнее на нашем онлайн-курсе по рекомендательным системам и библитотеке Replay
❤ @sb_ai_lab
#recsys | 888 |
| 20 |  🧠 BrainSparseCNN: предсказываем активность мозга по снимкам в покое
Обычно, чтобы увидеть, какие зоны мозга отвечают за речь или движение, человека просят выполнять задания прямо во время МРТ. Это долго, дорого и не всегда возможно.
👨BrainSparseCNN — технология медицинской команды Sber AI Lab (совместно со Skoltech). Она предсказывает активации мозга по короткому сканированию в покое (rs‑fMRI).
⚙️ Как устроена модель?
🟣Архитектура: U‑Net с разреженными 3D-свёртками (библиотека MinkowskiEngine). Вход: 50 компонент, полученных из МРТ в состоянии покоя и 32k вершин на каждое из полушарий
🟣Выход: 47 активаций для нескольких задач одновременно (движение, речь, память, эмоции и др.)
🟣Почему разреженные свёртки: позволяет работать только с ненулевыми вокселями (~5% от всего объёма) и сохраняет трёхмерную топологию мозга, не проецируя на поверхность с возможными искажениями (как BrainSurfCNN) и без затратных dense расчётов (как SwiFUN)
🚀 Статья на WACV 2026
Международная конференция IEEE/CVF Winter Conference on Applications of Computer Vision
🏥 Где пригодится?
Нейрохирургия: планирование операций, когда стандартное обследование невозможно или даёт нестабильные результаты.
Вместо усреднённой схемы - индивидуальная карта активаций мозга пациента.
🔥 если интересны медицинские AI-технологии.
❤ @sb_ai_lab | 821 |
