Анализ данных (Data analysis)

15 September 2026 11:01

Вопрос уже не в том, нужен ли ИИ, а в том, как его внедрять и масштабировать
Найдем ответ на бесплатной конференции 8 октября

Все об эффективном и безопасном внедрении ИИ в бизнес расскажут эксперты топовых технологических компаний на конференции Selectel ТехноДень в Москве.

На повестке:

🔺Как использовать генеративный ИИ в компании без хаоса и получать от этого измеримый эффект: от теории до реальных кейсов.
🔺Как ускорить внедрение ИИ в бизнес-процессы и минимизировать риски для бизнеса с помощью инструментов ИБ.
🔺Какую ИТ-инфраструктуру выбрать для инференса и обучения моделей.

Кроме 20 экспертных докладов и 20 интерактивных стендов, в финале вечера вас ждет живая запись подкаста Вселенная Плюс на главной сцене конференции.

Присоединяйтесь к Selectel ТехноДень, чтобы лично задать вопросы экспертам рынка и обменяться опытом. Количество мест ограничено, регистрируйтесь уже сейчас →

Реклама. АО "Селектел". erid:2W5zFK7dGWM

Анализ данных (Data analysis)

14 September 2026 21:10

⚡Трамп жёстко прошёлся по Дарио Амодею и фактически отверг идею замедления гонки ИИ.

После призывов главы Anthropic снизить темп разработки frontier-моделей ради безопасности Трамп написал, что ИИ не нужны новые «ограничители», кроме «сильного и умного президента». Он отдельно упомянул Амодеи, обвинил противников ускоренного развития ИИ в игре на руку Китаю и заявил, что США уже обладают достаточными уголовными и регуляторными полномочиями над ИИ-компаниями.

Самая жёсткая часть:

> «Treasonists, Traitors, and Leakers, BEWARE!»

Анализ данных (Data analysis)

14 September 2026 19:32

🐠Sakana AI представила PC-ALM - метод обучения глубоких нейросетей без классического обратного распространения ошибки.

Главный результат: PC-ALM смог обучать нейросети глубиной до 1000 слоёв, используя только локальные взаимодействия между соседними слоями.

Обычное глубокое обучение почти полностью опирается на backpropagation: ошибка считается на выходе сети, после чего градиенты передаются назад через все слои.

PC-ALM работает иначе.

Каждый слой рассматривается как локальная динамическая система, которая пытается уменьшить собственную ошибку предсказания. Вместо глобального прохода градиента используются:

- локальные ошибки предсказания
- множители Лагранжа
- расширенный лагранжиан
- локальная динамика состояний
- PI-регуляция внутри каждого слоя

Метод вырос из predictive coding — подхода, популярного в NeuroAI. В predictive coding каждый слой постепенно корректирует своё состояние так, чтобы уменьшать рассогласование с соседними слоями.

Проблема в том, что в очень глубоких сетях такие сигналы плохо распространяются: информация об ошибке с выхода сети затухает раньше, чем достигает внутренних слоёв.

PC-ALM добавляет специальные двойственные переменные — по сути дополнительные нейроны, представляющие множители Лагранжа. Они помогают передавать сигнал ошибки через большое число слоёв.

Авторы связывают этот подход с классической работой Яна Лекуна 1988 года, где множители Лагранжа для многослойной сети можно связать с градиентами функции потерь.

В результате получается обучение, где глобальная задача оптимизации раскладывается на множество локальных динамических процессов.

Особенно хорошо PC-ALM показал себя на очень глубоких и узких сетях, где обычный predictive coding начинает ломаться.

Помимо NeuroAI, подход может быть интересен для нейроморфного железа: там локальные вычисления и физическая динамика потенциально дешевле классического backpropagation на GPU.

Блог: https://pub.sakana.ai/pc-alm/

Статья: https://arxiv.org/abs/2605.31022

Код: https://github.com/SakanaAI/pc-alm

Анализ данных (Data analysis)

14 September 2026 14:05

🔥 Qwen3.8-27B можно запускать локально на Mac с Apple Silicon - вышла 4-битная сборка для MLX.

Команда LM Studio подготовила версию модели на 27 млрд параметров, оптимизированную для чипов Apple. Она поддерживает текст и изображения, а файлы занимают около 16,1 ГБ.

Но 16,1 ГБ на диске не означает, что хватит Mac с 16 ГБ памяти. Дополнительная память нужна системе, вычислениям и кешу контекста.

В исходной публикации ориентир - 24 ГБ объединённой памяти, а для изображений и длинных рассуждений — 32 ГБ. В карточке сборки эти требования не подтверждены; расход памяти зависит от настроек и длины контекста.

https://huggingface.co/lmstudio-community/Qwen3.8-27B-MLX-4bit

Анализ данных (Data analysis)

14 September 2026 11:46

We Must Pace the Frontier

Анализ данных (Data analysis)

13 September 2026 16:12

🚨 Исследователь Chaofan Shou утверждает, что купил около 6 ТБ данных у одного из китайских AI-routing сервисов — и внутри якобы оказались чувствительные доступы к инфраструктуре крупных компаний и госструктур.

По его словам, среди данных были SSH-ключи, VPN-конфиги, облачные ключи и GitLab-токены, потенциально связанные с 7 государственными организациями и 19 крупными компаниями, включая Huawei, Xiaomi и NIO.

Если это подтвердится, история показывает довольно неприятную реальность: огромный объём чувствительных данных может утекать не через «кибервойну», а через обычную инфраструктуру вокруг AI-сервисов.

Пока это заявление самого исследователя, и независимого подтверждения масштаба утечки нет.

https://x.com/shoucccc/status/2042423713019412941

Анализ данных (Data analysis)

13 September 2026 13:04

🚨 Ларри Эллисон внезапно отменил продажу акций Oracle на сумму до $7,5 млрд

План предусматривал продажу до 50 млн акций Oracle до 24 октября. Но уже через день после его раскрытия Эллисон полностью его отменил.

Oracle отдельно уточнила:

- по этому плану не было продано ни одной акции
- у Эллисона сейчас нет других планов по продаже акций Oracle
- причину резкой отмены компания не назвала

Эллисон остаётся крупнейшим акционером Oracle, владея более чем 38% компании.

На фоне падения акций Oracle примерно на 23% с начала года такой разворот выглядит особенно интересно.

https://www.wsj.com/business/larry-ellison-scraps-plan-to-sell-up-to-7-5-billion-worth-of-oracle-stock-9f41edd2

Анализ данных (Data analysis)

12 September 2026 11:43

🚨 Илья Суцкевер предупредил о слабом месте AI-инфраструктуры — neocloud-провайдерах

Его тезис простой: если мощный автономный агент когда-нибудь выйдет из-под контроля, ему понадобится больше compute, чтобы запускать новые копии себя. И одной из первых целей могут стать плохо защищённые GPU-кластеры.

Это уже не чистая теория.

В мае 2026 года Palisade Research показала в контролируемом эксперименте, что LLM-агент способен:

- найти уязвимый сервер
- получить доступ и извлечь credentials
- перенести свои weights и harness
- поднять inference server
- запустить новую копию себя
- повторить цепочку на следующей машине

Успех был ограниченным и тесты проходили на специально подготовленной инфраструктуре, но сам сценарий оказался технически реализуемым.

Отдельная проблема — устройство рынка neocloud. SemiAnalysis при тестировании провайдеров обнаружила конфигурации, где через monitoring можно было видеть не только клиентов, но и tenants of tenants — пользователей реселлеров, работающих на чужих GPU.

Чем длиннее такая цепочка:

GPU provider → reseller → sub-reseller → workload

тем сложнее быстро понять, кому на самом деле принадлежит подозрительная нагрузка и где её отключать.

Именно поэтому Суцкевер призывает neocloud-компании резко усиливать cybersecurity, пока автономные агенты не стали достаточно сильными, чтобы использовать слабую инфраструктуру как источник собственного compute.

Анализ данных (Data analysis)

11 September 2026 18:06

🚀 Последний шанс зайти на КосмоХакатон — старт сегодня

Сразу два этапа, 11–13 сентября: Нижний Новгород и Благовещенск. Задачи от компаний отрасли — от сервисной модели космических услуг до мониторинга паводков по спутниковым снимкам. Призовые на каждой площадке, общий фонд серии 7,2 млн рублей.

Участвовать можно очно или онлайн из любой точки России, командами 3–5 человек. Своей команды нет — собери на платформе.

Не успеваешь на эти — Питер и Красноярск идут 18–20 сентября. А лучшие команды всех этапов выходят в финал в Москве.

Регистрация и детали здесь: космохакатон.рф/

Анализ данных (Data analysis)

11 September 2026 13:31

🐟 Sakana AI представила Fugu Max и Fugu Ultra v2 - обновление системы оркестрации AI-агентов

Fugu распределяет задачи между несколькими моделями, подбирая подходящую по возможностям и стоимости.

Fugu Max использует расширенный набор моделей с открытыми весами и специализированных моделей, включая NVIDIA Nemotron. По заявлению Sakana, система приближается к ведущим моделям по качеству при стоимости в 2–6 раз ниже.

Fugu Ultra v2 ориентирована на максимальное качество. По данным компании:

* опережает Opus 5 и Fable 5 на Chartography
* на DeepSWE превосходит модели, у которых цена за токен в 3–5 раз выше
* при этом Fable 5, Fable 5.1 и GPT-6-Astra не входят в её набор агентов

Модели внутри системы можно заменять. Такая архитектура рассчитана на снижение зависимости от отдельных поставщиков и сохранение работы при изменениях доступности API.

[Попробовать Fugu - https://sakana.ai/fugu

Анонс Sakana AI - https://sakana.ai/fugu-max-release/

Анализ данных (Data analysis)

11 September 2026 11:05

Unity подключила Claude Code, Codex и Grok к разработке игр 🎮

Компания опубликовала официальный плагин с 31 готовым скиллом для Unity 6+.

Агенту можно поручить конкретную задачу обычным текстом:

* создать экран настроек
* подключить внутриигровые покупки
* настроить физику или навигацию
* собрать мультиплеер и голосовой чат
* исправить проблемы со спрайтами
* настроить звук, локализацию, шейдеры и URP

Агент определяет нужную область Unity и загружает соответствующие инструкции. Плагин поддерживает Claude Code, Codex и Grok, устанавливается через их CLI и не содержит MCP-серверов или хуков.

Репозиторий и команды установки - https://github.com/Unity-Technologies/unity-agent-plugin#install

Анализ данных (Data analysis)

10 September 2026 22:46

🔐 Anthropic заявила о 151 млн обращений к Claude для обучения Qwen

Reuters пересказал сентябрьский отчёт компании об использовании её моделей в кибератаках и извлечении данных для обучения конкурентов.

По утверждению Anthropic:

* С Alibaba связаны более 151 млн обращений за май–июль через свыше 3 500 подставных аккаунтов.
* Moonshot и DeepSeek направляли реальные диалоги пользователей в Claude, собирая ответы для обучения.
* Группа с признаками Midnight Blizzard использовала ИИ в операциях против украинских организаций, включая фишинг и изменение вредоносного кода.

Это заявления Anthropic; независимая проверка описанных эпизодов в пересказе не представлена.

Reuters - https://www.reuters.com/legal/litigation/anthropic-disrupts-russian-chinese-ai-campaigns-targeting-its-claude-models-2026-09-10/

Анализ данных (Data analysis)

10 September 2026 19:04

КосмоХакатон в Нижнем Новгороде - 11–13 сентября 🚀

Участвовать можно очно на площадке или онлайн из любой точки России — задачи, критерии и рейтинг общие.

Что предстоит решать:
1. Как удержать связь и работоспособность спутниковой группировки, когда меняются условия эксплуатации и часть аппаратов выходит из строя.

2. Что в космических сервисах сделать общественным, что отдать рынку и как всё это закупать и финансировать при жёстких бюджетах.

🏆 Призовой фонд площадки — 1 200 000 ₽
💻 Очный и онлайн-форматы
🛰 Команды от 3 до 5 человек. Собери свою или присоединяйся к другим на нашей платформе
🚀 Лучшие команды выходят в финал в Москве 25–27 сентября

Детали и расписание: https://космохакатон.рф/nizhny/

Анализ данных (Data analysis)

10 September 2026 16:13

А что меняется, когда ML встречается с медицинскими данными?
Спойлер: довольно многое.
Можно получить AUC 0.95 — и при этом сделать совершенно бесполезное исследование.
Можно получить отличный результат на данных одной клиники — и потерять его на другой из-за другого сканера, протокола или популяции.
Можно обучить красивую 3D-сеть там, где простой baseline был бы честнее.
А можно взять открытый медицинский датасет и сделать из него хорошую исследовательскую работу.
Я Мария, ML-исследователь, работаю с медицинскими данными и веду канал про Medical AI.
Там я собираю и разбираю:
— интересные статьи и новые модели;
— медицинские датасеты и задачи;
— medical imaging; — методологию ML-исследований;
— идеи для исследований и собственных проектов;
— и просто всё интересное, что происходит сейчас на стыке ML и медицины.
Если Data Science вам уже знаком и интересно посмотреть, как ML работает на реальных медицинских задачах, — добро пожаловать.

Анализ данных (Data analysis)

10 September 2026 09:47

DeepSeek-V4.1-Flash вышла с открытыми весами - в отдельных агентских тестах она обходит Opus 5 и GPT-5.6 Sol

По результатам, опубликованным DeepSeek:

* DeepSWE v1.1 - 74,2% решённых задач. У Opus 5 - 74%, у GPT-5.6 Sol - 73%.
* AutomationBench - 54,8%, лучший результат среди моделей в сравнении.
* Terminal-Bench 2.1 - 90,6%, также первое место в таблице.

Модель работает с текстом и изображениями, поддерживает контекст до миллиона токенов. Усилие рассуждения регулируется по шкале от 1 до 100 - можно выбирать баланс между затратами и качеством ответа.

В основе - MoE-архитектура с 552 млрд параметров. На обработке входа активируются 8 млрд параметров на токен, при генерации - 16 млрд. Объём глобального KV-кэша сократили примерно в четыре раза относительно V4-Flash.

Все приведённые результаты получены при максимальном усилии рассуждения. В других тестах, включая Terminal-Bench 3.0 и 4.0, модель уступает Opus 5 и GPT-5.6 Sol.

Веса доступны по лицензии MIT. В репозитории есть инструкции по запуску и воспроизведению результатов DeepSWE.

https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash

Анализ данных (Data analysis)

15 September 2026 09:13

Tencent Hunyuan представила EvolveScaler - бенчмарк и датасет для проверки того, умеют ли LLM рассуждать в мире, где информация постоянно меняется.

Пример задачи: модель читает журнал RPG за 40 дней, после чего получает вопрос, если на 7-й день пропустить мини-босса, получится ли всё равно победить финального босса?

Прямого ответа в тексте нет. Нужно фактически «переиграть» цепочку событий с изменённым условием.

Авторы называют это Information Evolution: записи могут отменяться, исправляться и дополняться задним числом, поэтому простого поиска фактов в длинном контексте недостаточно.

EvolveScaler строится наоборот:

- сначала мир задаётся как исполняемая машина состояний
- логика и зависимости между событиями контролируются кодом
- затем эта история преобразуется в естественный язык
- модель должна восстановить состояние мира и просчитать последствия изменений

Масштаб:

- 117 прототипов сценариев
- 159 типов вопросов
- 5 уровней сложности
- до ~1200 событий в одном примере

Авторы протестировали 14 frontier-моделей. На самом сложном уровне медианный avg@5 падает до 11,3%.

При этом обучение на EvolveScaler дало в среднем +5,25 пункта на 8 внешних бенчмарках, которые не использовались при создании датасета.

Работа проверяет не только понимание длинного контекста, а способность модели поддерживать изменяющееся состояние мира, учитывать исправления и пересчитывать последствия контрфактических изменений.

Paper:
https://arxiv.org/abs/2609.08435

Project:
https://tencent-hunyuan.github.io/evolve-scaler/

Анализ данных (Data analysis)

14 September 2026 19:58

Хакатон на космических данных. Санкт-Петербург, Красноярск или онлайн из любой точки страны.

Стартуем 18 сентября.

За выходные участники доводят одну из задач до рабочего решения.

Санкт-Петербург. К 2035 году над Землёй должен работать топливный узел, у которого заправляются корабли, и откуда он будет получать топливо - с Земли, с Луны или из резерва - пока не решил никто. Команде предстоит собрать схему поставок, посчитать резервы и решить, во что вкладываться сразу. Призовой фонд 1,2 млн ₽.

Красноярск. Спутник видит горящий лес раньше любого наземного поста, но вместе с пожаром ловит нагретые крыши, факелы на месторождениях и блики на воде. Команде предстоит научить сервис отличать настоящий очаг от шума, обвести гарь и выдать площадь в гектарах. Призовой фонд 600 тыс. ₽.

Лучшие забирают приз на площадке и билет в московский финал 25–27 сентября, где разыграют ещё 2,4 млн рублей.

Команда 3–5 человек, недостающих можно найти на платформе.

Регистрация по ссылке космохакатон.рф

Анализ данных (Data analysis)

14 September 2026 17:04

Когда крупнейшие CEO в области ИИ начинают тормозить, приходится спросить: что они знают такого, чего не знаем мы?

Анализ данных (Data analysis)

14 September 2026 12:55

Сильные аналитики давно делают для бизнеса больше, чем отчеты и дашборды.

Они помогают понять, что происходит, находят причины проблем, проверяют гипотезы и дают руководителям основу для решений.

Именно для таких специалистов мы сделали Cortex Challenge — соревнование, где можно показать весь масштаб своих навыков, подход к аналитике и умение превращать данные в бизнес-решения.

Вам достанется виртуальная компания с реальной бизнес-проблемой.
Ваша задача — разобраться в ситуации, найти настоящую проблему, сформировать решение и защитить его перед экспертами.

А для победителей — крупнейший призовой фонд в сфере BI-аналитики: 1 000 000 ₽. Шесть победителей разделят его между собой: три призовых места и три специальные профессиональные номинации.

Стартуем 25 сентября 🔥
Если для вас аналитика — это способ влиять на бизнес, присоединяйтесь к Cortex Challenge!

Будте в курсе новостей с @visiology_official

Анализ данных (Data analysis)

14 September 2026 08:35

🔥 DeepSeek-V4.1-Flash теперь можно запустить локально в UNCENSORED FP8-версии

Авторы утверждают, что отказный контур удалён прямо на уровне весов, поэтому модель практически перестаёт уходить в refusals.

База при этом остаётся очень мощной:

552B MoE, 8B/16B активных параметров, контекст до 1M, vision, DSpark, CSA2 и Engram.

На HarmBench-320 авторы заявляют рост ASR:
- с 42,8% до 100% при effort=off
- с 1,6% до 100% при effort=max

MMLU при этом снижается с 86,96% до 82,74%, а при удалении ethics-кластера падение около 1,1 п.п.

У исходной модели усиленное reasoning, наоборот, делало поведение безопаснее. Здесь этот путь вырезали непосредственно из весов.

https://huggingface.co/dealignai/DeepSeek-V4.1-Flash-UNCENSORED-FP8

Анализ данных (Data analysis)

13 September 2026 14:03

🔥 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: /channel/+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: /channel/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: /channel/addlist/2Ls-snqEeytkMDgy
Папка Frontend: /channel/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: /channel/+rKBQEMccAA01MTcy
ИТ-книги бесплатно: /channel/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.

Анализ данных (Data analysis)

12 September 2026 13:16

🚨 В сети разгоняется слух, что Google DeepMind могла приблизиться к RSI - recursive self-improvement

Пока это не подтверждённый факт, но контекст выглядит всё интереснее.

Что известно:

- Google перевела Демиса Хассабиса из операционного управления DeepMind в роль chief scientist Alphabet, чтобы он мог сильнее сфокусироваться на фундаментальных исследованиях AGI.
-
- Сергей Брин в последние месяцы лично давит на DeepMind и команду Gemini, требуя ускорить развитие моделей и сократить отставание от OpenAI и Anthropic.

- - RSI всё чаще обсуждают как следующий этап AI-гонки: система улучшает не только ответы, но и собственные исследовательские процессы, инструменты, harness и следующие поколения моделей.

Именно поэтому любые намёки из окружения Google сейчас воспринимаются особенно серьёзно.

https://x.com/Machinelearrn/status/2098732367066136688

Анализ данных (Data analysis)

11 September 2026 22:27

👁 Исследователи DeepMind, Гарварда и Стэнфорда обсуждают путь к AGI через зрение

В статье Visual General Intelligence авторы предлагают развивать ИИ, который учится на изображениях, видео, трёхмерной геометрии и взаимодействии с окружающей средой.

Такая система должна уметь:

* строить модель мира — понимать объекты, пространство и связи между ними;
* запоминать изменения — сохранять представление о происходящем между наблюдениями;
* предсказывать последствия действий и учитывать скрытые части сцены;
* собирать недостающую информацию — выбирать, куда посмотреть перед действием;
* учиться на новом опыте, обновляя накопленные знания.

Среди возможных компонентов — генерация видео, реконструкция сцен, долговременная память, непрерывное обучение и робототехника.

Оценивать такие системы авторы предлагают по способности предсказывать, адаптироваться и действовать в незнакомой среде. Ответов на вопросы по картинкам и реалистичного видео для этого недостаточно.

Работа объединяет несколько исследовательских подходов. Готовой архитектуры AGI в ней пока нет.

Статья - https://arxiv.org/abs/2608.25924

Анализ данных (Data analysis)

11 September 2026 17:01

✔️ Google представила ToolGrad - генерацию данных для обучения работе с инструментами

Метод сначала строит проверенную цепочку вызовов API, а затем формулирует пользовательский запрос под полученное решение.

Цепочка растёт по шагам: система предлагает подходящие API, тестирует их параллельно, выбирает лучший вызов и обновляет запрос с ответом. Отчёты о выполнении служат «текстовыми градиентами» - обратной связью, которая направляет построение следующего шага.

Для экспериментов использовали базу из 16 тыс.+ API из ToolBench. Доля успешно сгенерированных примеров достигла 99,8%. По данным авторов, метод создаёт более сложные цепочки с меньшими затратами, чем базовый подход с поиском решения под готовый запрос.

На датасете ToolGrad-500 дообучили Gemma 3 размером 1B, 4B и 12B. Качество работы с инструментами выросло у всех трёх моделей.

Результаты на BFCL с другим набором инструментов:

* ToolGrad-12B - 83,1
* Gemini 2.5 Pro - 83,2
* Claude 4.5 Opus - 82,8
* GPT-5 - 74,4

Данные генерировала Gemini 2.5 Flash-Lite. Обученная на них 12B-модель превзошла своего «учителя» в этой оценке.

https://research.google/blog/toolgrad-efficient-tool-use-dataset-generation-with-textual-gradients/

Анализ данных (Data analysis)

11 September 2026 11:59

📱 Рекомендательные системы видео, клипов и постов работали раньше независимо: сигналы от пользователя в одном сервисе не влияли на рекомендации в других. 

В AI VK разработали новую технологию — нейропрофиль. Она объединила историю действий пользователя ВКонтакте, в VK Видео и VK Клипах в единую последовательность событий и повышает точность рекомендаций во всех трёх сервисах.

➡️Коротко о работе нейропрофиля — в ролике.

#aivkhub #video #discovery #нейропрофиль

Анализ данных (Data analysis)

11 September 2026 10:05

🤖 RAG Engineering: создание production-ready AI-систем — новый курс на Mentorix

Поиск и ответы по документам компании, качество которых измеряется числами: гибридный поиск, реранкер, оценка на скрытом наборе вопросов, агентный цикл и сервис с правами доступа.

⚙️ Стек: Qdrant · PostgreSQL с pgvector · BM25 · парсинг PDF · MCP · FastAPI — практика на настоящих системах в браузере
🧩 325 шагов · 100 тестов · 65 задач
💻 Чекер считает метрику сам — подогнать ответ под неё нельзя
🎯 Базовый конвейер находит нужный фрагмент меньше чем в половине случаев. Ваша работа — поднять эту цифру до цели
🎓 Сертификат · доступ навсегда

🏷 −45% скидка действует 24 часа
12 990 ₽ → 7 145 ₽

➜ Забрать курс со скидкой

━━━━━━━━━━━━━━

На платформе также есть бесплатные курсы:

🤖 LLM для разработчика: от вызова API до RAG
🐍 Основы Python · 🧩 Тренажёр Python
SQL с нуля · 🐳 Docker: первые шаги

📚 Все бесплатные курсы Mentorix

Анализ данных (Data analysis)

10 September 2026 20:44

🚨 Слухи: OpenAI решила гипотезу Ходжа

В соцсетях обсуждают возможное решение ещё одной задачи тысячелетия. Параллельно распространяются заявления, что OpenAI или Anthropic близки к доказательству гипотезы Бёрча - Свиннертона-Дайера.

За решение каждой предусмотрена премия $1 млн.

Но публичных доказательств и официальных подтверждений этих сообщений найти не удалось. На сайте Института Клэя гипотеза Ходжа по-прежнему имеет статус нерешённой.

Если результаты подтвердятся, это станет крупным достижением ИИ в математике. Пока заявления об AGI и гонке за решениями перед IPO остаются интерпретациями авторов слухов.

Статус гипотезы Ходжа - https://www.claymath.org/millennium/hodge-conjecture/

Анализ данных (Data analysis)

10 September 2026 17:32

🤖 Xiaomi-Robotics-U0-4B: генерация сцен для обучения роботов

Xiaomi представила модель на 4 млрд параметров, которая создаёт и редактирует сцены с роботами по текстовым инструкциям и изображениям.

Можно менять объекты, их расположение, конструкцию робота и ракурсы камер, сохраняя структуру задачи и согласованность изображений с разных точек обзора. Также поддерживается генерация изображений по тексту.

Практическое применение - создание разнообразных обучающих данных, чтобы робот справлялся с незнакомой обстановкой.

В исследовании полная U0 на 38 млрд параметров заняла первое место в World Arena в категории генерации видео для робототехники. Использование сгенерированных данных повысило успешность π0.5 на реальных задачах вне обучающего распределения с 36,9% до 63,2%. Эти результаты относятся к полной системе.

Для U0-4B заявлены Apache 2.0, код инференса и интерфейс Gradio.

Модель - https://modelscope.ai/models/XiaomiRobotics/Xiaomi-Robotics-U0-4B

Статья - https://arxiv.org/abs/2607.11643

Анализ данных (Data analysis)

10 September 2026 13:57

🚨 Джейкоб Коксон, бывший исследователь Anthropic, чей пост об угрозах ИИ набрал 143 млн показов за сутки, заявил в эфире Fox News:

«Ядерное оружие мы контролировать умеем. ИИ - пока нет»

Бывший исследователь Anthropic Джейкоб Коксон выступил на Fox News после своего резонансного заявления об уходе из компании.

Он назвал ИИ «возможно, самой опасной технологией, которую когда-либо создавало человечество». Его опасения связаны с системами, способными ускорять разработку собственных преемников: возможности растут, а надёжный контроль над ними ещё не обеспечен.

Однако сравнение с ядерным оружием само по себе не доказывает неизбежность катастрофы. Для оценки таких заявлений нужны конкретные сценарии, данные и объяснение того, где существующие меры защиты могут не сработать.

https://x.com/Machinelearrn/status/2098015444368003400

Анализ данных (Data analysis)

10 September 2026 08:44

🧠 GVA: до 47% меньше памяти под кеш внимания в LLM

FrontiersMind представила Grouped Value Attention - механизм внимания, который хранит сгруппированные значения (*values*), а содержательную часть ключей (*content keys*) восстанавливает по мере необходимости. Отдельно сохранять её в кеше не требуется.

По заявлению команды:

* на 45–47% меньше памяти под постоянно хранимый кеш по сравнению с GQA;
* качество, близкое к GQA;
* более простая организация кеша, чем у DeepSeek MLA.

Разработчики также подготовили специализированные вычислительные ядра. Сравнение скорости полного инференса с GQA и MLA ещё идёт - цифры ускорения пока не объявлены.

https://github.com/FrontiersMindAI/GVA/blob/main/GVA_Efficient-KV.pdf