19745
Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM. MAX - https://max.ru/devsp Личный блог - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD
Безопасный AI в корпоративном контуре
Вебинар, онлайн
26 ноября, время уточняется
Как обеспечить безопасность корпоративного ИИ, когда с платформой работают целые команды, а агенты выполняют задачи от имени сотрудников? Разберём на примере VK AI Space: как устроены защита данных, управление доступами и контроль действий ИИ.
О чём будем говорить
· Доступы и роли: ролевая модель, сервисные аккаунты и API-ключи
· Защита данных: шифрование секретов и изоляция данных организаций
· Контроль моделей: как guardrails проверяют запросы и ответы
· Управляемость агентов: делегирование прав и аудит действий
· Контроль потребления: лимиты на токены, запросы и расходы
Спикер
Азамат Исмагулов, VK Tech
Зарегистрироваться
ONNX Runtime свалил с GitHub: что вообще происходит с репозиториями Microsoft
С вечера 17 ноября GitHub не отдаёт microsoft/onnxruntime: ни исходников, ни тегов, ни релизных архивов — глухо. И это не единственный сюрприз того вечера: в PyPI всплыли две заражённые сборки пакета Microsoft agent‑framework, и внутри у них сидит стилер.
Кого зацепило, что известно об инциденте и откуда теперь тащить сборки ONNX Runtime — всё в разборе: Читать далее.
👉 Telegram | Max | 🌥 Claude и другие ИИ
Добавляем в календарь: ML & Data Meetup RWB | 5 декабря
Как довести ML- и Data-решения до production, когда приходится учитывать вычислительные ограничения, качество данных, latency и требования бизнеса?
На ML & Data Meetup RWB разберем кейсы из опыта RWB, Авито и VK: архитектура моделей, оптимизация инференса, работа с данными и масштабирование систем под реальную нагрузку. Завершим митап праздничной атмосферой, обменом опытом и общением с теми, кто строит ML и Data в production.
Когда? 5 декабря, 13:00
Где? Москва + онлайн
В программе два трека:
Трек ML: Train Before Midnight
Как масштабировать обучение моделей и обеспечить эффективный инференс в production? Обсудим pretrain моделей до 100B параметров, inference на KServe, управление GPU-ресурсами, оптимизацию real-time ML-биддинга и математические методы решения задач маршрутизации.
Трек Data: Let It Flow, Let It Scale
Как строить устойчивую инфраструктуру данных для высоконагруженных систем? Разберём синтетику для OCR, отбор эмбеддингов, потоковую обработку на Kafka и Flink, управление состоянием, дедупликацию и observability.
Регистрация на митап открыта
🤬 ИИ-модели ненавидят Python
Программист выяснил, какие языки программирования бесят нейросети больше всего. Разраб опросил 12 ведущих моделей по 100 раз каждую. В итоге на Python все обплевались — он собрал 299 негативных отзывов, следом по нелюбви идут Rust и TypeScript.
А вот PHP неожиданно оказался в любимчиках: у него 28 положительных отзывов и ни одного отрицательного.
✖️ Telegram | Max | 🌥 Claude и другие ИИ
🌎 Команда Google Chrome вместе с разработчиками других браузеров обновила набор скиллов для современной веб-разработки
Внутри Modern Web Guidance инструкции по 250 возможностям современных браузеров и 203 сценария их применения. Агенты учатся избегать устаревшие подходы, создавать адаптивные интерфейсы, делать анимации без лишнего JavaScript и использовать встроенные функции вместо сторонних библиотек.
Работает с Claude Code, Cursor и Gemini CLI
✖️ Telegram | Max | 🌥 Claude и другие ИИ
Вышло исследование про то, как рекомендательным системам точнее понимать, что нам реально интересно. Главный головняк в этой теме сейчас один: обычные модели предсказывают «среднее время просмотра», а за этой цифрой может стоять что угодно — кто-то пролистнул за секунду, кто-то досмотрел до конца.
Как обычно устроено? Модель выдаёт одно число: «это видео посмотрят в среднем 15 секунд». И всё. Хоть половина пользователей пролистнула его мгновенно, хоть все досмотрели — для алгоритма это одно и то же. Отсюда промахи в ранжировании: контент, который цепляет одних и отталкивает других, система видит вслепую.
Команда AI VK Research придумала подход HEGM. Вместо одной цифры модель предсказывает целый расклад сценариев: с какой вероятностью пролистают, с какой посмотрят частично, с какой досмотрят или включат повтор. И всё это одной моделью, а не зоопарком отдельных классификаторов.
И цифры реально бодрят. В VK Клипах за одну сессию стали смотреть на 10% больше роликов, досмотров дольше 10 секунд стало на 6% больше, а дизлайков — на 8,3% меньше. Проверяли на KuaiRec, VK-LSVD и датасете из 282 млн реальных взаимодействий — по качеству ранжирования обошли протестированные альтернативы.
И самое интересное: подход не привязан к видео. Музыка (пропустят трек или дослушают), реклама (сколько секунд выдержат), карточки товаров (сколько времени изучат) — та же логика. Причём встраивается в уже работающую систему без переделки архитектуры. Исследование по ссылке.
🖥Если ты хочешь обучиться вайбкодингу и при этом иметь возможность провести аудит безопасности своего продукта, то тебе сюда:
Lab IT — репозитории, полезные инструменты, курсы и многое другое по Айти:
ЭЙ, АЙ! — бесплатные инструменты, репозитории, обучающие материалы для упрощения работы с ИИ.
ИИ тебя взломает — объединит твои навыки в ИБ с ИИ
CyberGuard — оплот для ИБ-специалистов со всего телеграма. Тут ты точно узнаешь, как не оплошаться с запуском своего продукта, и защитить его от злоумышленников
🫵Подписывайся и обучайся!
Claude Fable 5.2: новая модель под микроскопом — большой разбор
Вечер воскресенья, 9 ноября. Anthropic выкатывает анонс — и за ночь его смотрят 9,7 миллиона раз. Причина простая: Claude Fable 5.2 за 30 часов довёл доказательство Великой теоремы Ферма до состояния, когда его по шагам проверяет компьютер. Силами сотен скоординированных агентов.
Параллельно эта же модель, начиная с пустой папки, за восемь дней накатала операционную систему — и та грузится на ноуте. В статье раскладывают: что за нейросеть, в чём Fable 5.2 расходится с Opus 5.5, GPT-6 и Gemini 4, почему бенчмаркам обычно не верят — и почему этим верить можно, и как формулировать промпты, чтобы модель не нагородила тебе бюрократии на 87500 слов. Цифры, пруфы, таблицы и графики прилагаются.
Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
Приглашаем на митап для ML-разработчиков и дата-сайентистов 🥰
Как использовать LLM и агентов в поиске, чтобы точнее понимать запросы пользователей и повышать релевантность результатов?
19 ноября обсудим выбор моделей, оценку качества и работу таких систем в проде.
🔴 Борис Коварский, hh.ru — Агентный поиск в рекрутинге: опыт hh
🔴 Виктор Реушкин, hh.ru — Как устроен диалоговый поиск вакансий на hh
🤩 Алексей Казаков, Циан — LLM и энкодерные модели для поиска. Опыт развития подходов в поиске недвижимости
Z3R0, если верить Артуру Валиеву, — его первая в жизни научная работа. Благодарности он раздаёт пачкой: командам, которые стоят за Spore, eligibilit, e-prop, NEST Simulator, BindsNET, Brian2 и Norse. Прямо говорит — гении, а экспериментальные стенды называет чуть ли не святынями (только без религиозного подтекста). Без этих людей, мол, доброй части работы просто не существовало бы.
Ещё он вносит ясность: Spore тут — другой, инженерный проект под управление ИИ-задачами, с одноимённым нейроморфным модулем он не родня. И напоминает: наука начинается не с очередного свежесозданного файла main.rs. Она начинается с Тьюринга, Хебба, Розенблатта и Эшби, с исследований пластичности, нейрофизиологии, обучения с подкреплением, стохастических процессов и динамических систем.
Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
Идея — ИИ — авария: в каком мире мы теперь живём
Материал про то, как существовать в новом мире ИИ и какие косяки вылезают на практике. На что реально смотреть, когда каждая собака орёт про ИИ, а директор впихивает его в дела всё злее.
Можно до посинения спорить, случилась ли революция и вообще что-то поменялось. Но инструменты уже не откатить — как и мысли у людей в головах. Часть этих мыслей решает, останешься ли ты завтра на своей должности, и она же начисляет тебе зарплату. Когда технологии упёрлись в некое плато, без этого разговора уже никак. И да, материал автор клепал по старинке.
Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
Anthropic запилила гайд: какую модель брать под конкретную задачу
Anthropic выкатила гайд, где разжёвано, какую именно ИИ-модель тащить под конкретные задачи. И там прямо сказано: самая жирная по мощности система — не всегда лучший вариант в ряде случаев.
Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
Сила команды во времени: как её замерить и что в итоге вышло с рейтингом Universal Cup
Сколько процентов дашь за то, что ваша тима утащит медаль с финала ICPC? Десятки команд крутят этот вопрос в голове. Но кто реально способен выдать внятный ответ? У MachineSolution — финалиста ICPC и гроссмейстера Codeforces — под рукой были результаты 30 контестов Universal Cup, немного свободного времени и зуд докопаться до сути.
В статье — матмодель силы команд во времени, виртуальные участия и распределение Гумбеля, разбор ничьих, проверка предсказаний и готовый рейтинг Universal Cup. Узнать, как устроен рейтинг
👉 Telegram | Max | 🌥 Claude и другие ИИ
Как я перекроил свою CRM без прогеров
По рассказу автора, в его CRM шесть сервисов накручены вокруг одной базы, и команда кодеров пилила это годами. Плюс SQLite-базы рядом, скрипты, тесты и поддержка — всё это докручивал Claude Code.
Теперь, с его слов, Claude Code сам тащит весь этот воз: от ковыряния в чужом коде до новых доработок. Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
GPU купили — не значит, что всё, слил: как собрать ИИ-инфраструктуру и не перепиливать её после пилота
ИТ-команда уже выбирает GPU-серверы, бизнес прикидывает облачные модели, разработчики собирают первый прототип. А через полгода выясняется: модель не влезает в доступную видеопамять, облако вылезает за бюджет, а купленные ускорители под реальной нагрузкой не дают нужной производительности. Дело не всегда в железе или самой модели. Чаще косяк в порядке решений: инфраструктуру начинают проектировать раньше, чем стало ясно, что вообще нужно от будущего ИИ-сервиса.
За последний год в Orion soft насмотрелись на разные сценарии внедрения ИИ в российских компаниях: от первых экспериментов до проектов, которые готовят к промышленной эксплуатации у крупнейших заказчиков. Как разработчик инфраструктурного ПО, там часто подключаются позже: бизнес-задача сформулирована, модель выбрана, железо закуплено. И вот тогда вылезают архитектурные ограничения, которые заложили ещё на старте.
Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
Google предупредила: временные чаты Gemini и переписки, заведённые с выключенной историей, теперь хранятся до двух месяцев. Срок, если что, подрос.
В американской корпорации поясняют: это ради безопасности. ИИ-системы развиваются, вот и защиту приходится подтягивать.
Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
В статье «Coalition Formation in LLM Agent Networks» кооперацию ИИ-агентов разбирают через теорию игр. Авторы предлагают математическую модель того, как агенты на больших языковых моделях сколачивают коалиции. Дальше — когда такие союзы держатся, сходится ли процесс и насколько тяжёлая там вычислительная сложность.
На 2400 экспериментальных эпизодах их протокол выдал устойчивые по Нэшу коалиции в 73,2% случаев. Стандартный промптинг — 41,8%.
Мелкая, но любопытная работа для тех, кто хочет въехать в математические основы многоагентных ИИ-систем:
👉 Telegram | Max | 🌥 Claude и другие ИИ
😁 Гениальный ход!
💥 Telegram | Max | 🌥 Claude и другие ИИ
Наши исследователи придумали, как прокачать качество рекомендаций новых товаров и контента на 35%
Рекомендации подбираются хорошо, когда уже есть история покупок. С новинками дела обстоят сложнее. Команда российских исследователей разработала два способа разобраться с проблемой холодного старта, которые уже представила на одной из топовых конференций в области поиска и обработки информации ACM CIKM в Риме.
Первый — модель E2L3AE. Она обучает текстовый энкодер и рекомендательную модель вместе, а не по отдельности, так что система лучше понимает, какие особенности товара важны пользователю. Полнота рекомендаций на датасете офисных товаров выросла на 20,3%, качество ранжирования — на 17,2% относительно L3AE.
Второй — архитектура MoE-IGR. Она соединяет графовую модель с подходом «смесь экспертов». Система оценивает характеристики товара и подбирает, какая нейросеть-эксперт или их сочетание сработает лучше всего, а затем сводит результаты с разными весами. Тестировали на фильмах, книгах и заведениях, разбирая четыре сценария: уже знакомые объекты, новинки, новые пользователи и новинки для тех, кто только пришёл. Именно на новинках модель раскрылась лучше всего: на данных MovieLens ранжирование поднялось на 34,5% по сравнению с PinSAGE.
✖️ Telegram | Max | 🌥 Claude и другие ИИ
🖥 Пока фронтендеры и мобильные разработчики теряют работу, спрос на других инженеров взлетает
По данным нового большого исследования, за год количество открытых вакансий для фронтендеров сократилось на 51%, для Android-разработчиков упало на 47%, а для iOS — на 46%. Что еще:
— Спрос на Forward Deployed Engineers, которые внедряют технологии у клиентов, вырос сразу на 361%. На наше несчастье, ИИ пока не заменил эйчаров — количество вакансий для них взлетело на 295% относительно 2023 года.
— В выигрыше также оказались продакты, у которых +56% вакансий, и специалисты по безопасности с +34%.
— Из заметных минусов: удалёнка постепенно исчезает. Теперь её предлагают лишь в 14% IT-вакансий против 21% в конце 2022 года.
Всего месяц курса CS8803 в Технологическом институте Джорджии — и на руках реально жирные материалы
Эмбеддинги, рассуждения, выравнивание моделей, архитектура ИИ-агентов и работа с длинным контекстом — всё разобрано детально. И подкреплено научными публикациями.
Материалы офигенно ценные и лежат в открытом доступе
👉 Telegram | Max | 🌥 Claude и другие ИИ
Раздел про комплексные числа на Algebrica перебрали и обновили
За две недели там прошерстили и переписали весь раздел, который про комплексные числа: «Комплексные числа», «Операции с комплексными числами», «Тригонометрическая форма комплексного числа», «Формула Эйлера», «Показательная форма комплексного числа», «Формула Муавра», «Корни из единицы», «Основные неравенства для комплексных чисел», «Неравенство треугольника», «Неравенство Коши — Шварца», «Комплексные степени» и «Комплексный логарифм».
Всё это на Algebrica лежит в открытом доступе — ни рекламы, ни платных заглушек. Исходники статей в Markdown тоже отдают бесплатно: качай из репозитория на GitHub.
Ссылка: algebrica.org/complex-numbers
👉 Telegram | Max | 🌥 Claude и другие ИИ
Ферромарганец в ДСП-3: CatBoost дрессируют на прогноз дозы
Автор — Рамиль Максютов, и это уже вторая часть цикла про плавки в ДСП-3. Первая часть лежит тут.
В свежей статье на данных из первой части CatBoost учат предсказывать минимальную дозу ферромарганца для выплавки отливки из стали 35Л в дуговой сталеплавильной печи с основной футеровкой. Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
На Habr есть материал: JS-проект для моделирования физических экспериментов прокачали через ИИ-возможности.
В программе — эксперименты из разделов: механика, механические колебания, гидростатика. Код — голый Vanilla JS, сторонние библиотеки не подтягивали.
Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
В Railway кто-то полез в чужую инфраструктуру — и это заметили
Основатель хостинг-платформы Primcloud Джош Мандерс наехал на конкурента: работник Railway Джейк Разнер, по его данным, лез в инфраструктуру Primcloud. Причём не абстрактно, а в попытке реального взлома.
Дальше начали разбираться. Гендир Railway Джейк Купер и сам Разнер на заяву отреагировали. Второй не отвертелся: причастность к инциденту признал. Но злого умысла, говорит, не было — тестировал автономные алгоритмы для создания аккаунтов на сторонних платформах. А ИИ-агент «зашёл слишком далеко».
Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
Кто в IT платит выше рынка? И какой оффер считается хорошим?
Предлагаем опытным IT-специалистам поделиться мнением о зарплатах и бенефитах в крупных технологических компаниях.
Кто, на ваш взгляд, платит выше рынка?
У кого привлекательнее премии?
Насколько важны ДМС, спорт, питание и другие бонусы при выборе работы?
👉 Поделиться мнением: https://clck.ru/3WNjfX
Вышло исследование про то, как масштабировать мультиагентные системы. Главный головняк в этой теме сейчас один: заставить толпу ИИ-агентов нормально координироваться и тащить задачу вместе, а не тянуть одеяло каждый в свою сторону.
Как обычно устроено? Разработчик сверху рисует план: вот этот агент делает вот это, вот тут они перекидываются данными. И вся эта схема, как правило, работает одинаково — хоть задачу поменяй, хоть нет.
Исследователи придумали подход s3. Правила сверху больше не нужны: агенты сами, через обучение с подкреплением, учатся договариваться о совместной работе. Сами решают, когда пора действовать в одиночку, когда скинуть результаты другим, а когда и к коллегам по команде постучаться. Роли никто заранее не раздаёт.
И цифры реально бодрят. При тех же затратах на обучение и инференс группы s3 — а на тестах их состав был вдвое больше, чем на обучении — закрыли более чем в 25 раз больше задач на координацию, чем лучший базовый метод. Когда решения искали параллельно, обмен данными между агентами почти вдвое срезал объём повторной работы и обогнал метод best-of-N на величину до 9,4 балла. И самое интересное: агенты сами разложили между собой взаимодополняющие роли, причём это разделение не развалилось даже когда команда выросла. Исследование:
👉 Telegram | Max | 🌥 Claude и другие ИИ
Прогнал Kimi AI, Qwen, DeepSeek и Grok по текстам. Результаты — ниже
Дай нейросетке статью на вычитку — назад прилетит вылизанный текст, в котором автора уже не читается. В препринте 2026 года исследователи из Berkeley, Google DeepMind и других организаций показали: ИИ-модели перекручивают смысл даже тогда, когда их просят только поправить грамматику.
Kimi AI, Qwen, DeepSeek и Grok всё чаще суют в тексты вместо ChatGPT. Но выбрать из них редактора на глаз — та ещё рулетка. По дефолту нейросеть, которой дали текст на вычитку, начинает его переписывать, хотя просили только правки. Прижать её можно лишь жёстким промптом и сравнением версий.
Редакторские модели сравнивай не по ощущению «стало лучше», а по доле переписанного текста и по тому, уцелел ли смысл. Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
Пять слоёв памяти ИИ-ассистента: что в проде реально тащит, а что так и пылится в библиотеке
Снова одно и то же нытьё про чат-ботов: «он меня не помнит». У самой LLM памяти нет. Всё, что она якобы запомнила, мы сами заталкиваем ей в контекст.
В статье — как память ассистента устроена в проде на 16 тысячах раундов: файлы, PostgreSQL с pgvector, судья на дешёвой модели, выжимки и политика доступа между агентами. Плюс про то, что из задуманного так и осталось валяться в библиотеке.
Читать далее
👉 Telegram | Max | 🌥 Claude и другие ИИ
Alibaba обкатала самообучающихся ИИ-агентов на живом A/B-тесте
Alibaba выкатила исследование про самообучающихся ИИ-агентов — и не в песочнице, а в реальном A/B-тесте с участием больше 200 тысяч продавцов. Система SPAR рулит B2B-продажами на площадке Alibaba 1688: конверсия подскочила на 15,8%, а продавцов с высокой заинтересованностью стало больше на 35,8%.
Фишка SPAR — учится на двух уровнях и при этом не трогает веса модели. Первый уровень: агент копит эпизодическую память по каждому продавцу и тащит накопленный опыт в следующие сессии. Второй — общая база стратегий продаж, и каждая расписана как проверяемая гипотеза. Самое важное — понять, почему сделку слили: прежде чем менять стратегию, SPAR разбирается, где косяк — в кривом подходе или во внешних обстоятельствах. Если провал случайный и виноваты внешние факторы, рабочую стратегию никто не пересматривает.
Спецы по предметке влепили качеству продаж SPAR 4,62 из 5 — лучший результат среди всех протестированных методов. Так что если пилишь агентов, которые учатся на результатах реальной работы, — заложи механизм определения причин успехов и провалов, прежде чем сваливать этот опыт в память. arXiv
👉 Telegram | Max | 🌥 Claude и другие ИИ