Data Science | Machinelearning [ru]

09 November 2026 10:07

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

Data Science | Machinelearning [ru]

08 November 2026 15:51

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

Data Science | Machinelearning [ru]

06 November 2026 14:07

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

Data Science | Machinelearning [ru]

05 November 2026 14:07

LLM научились думать до того, как выдать ответ. И теперь у разрабов очередной головняк, знакомый каждому: сколько времени, чёрт побери, надо думать над конкретной таской.

В «Союзе рыжих» у Конан Дойла Холмс за пару секунд считывает по рукам, манжетам и булавке Джабеза Уилсона, что тот нюхает табак, состоит в масонской ложе, раньше вкалывал физически, бывал в Китае и много писал. А саму историю Уилсона обзывает «задачей на три трубки» и просит Ватсона минут пятьдесят с ним не трепаться.

То есть Холмс ещё на берегу понимал, где хватит одного взгляда, а где нужны те самые три трубки на подумать. Даниэль Канеман, нобелевка по экономике и автор «Думай медленно… решай быстро», копался в том, как рефлекторный быстрый выбор подставляет обычных людей. У него есть задачка Шейна Фредерика: бита с мячом — доллар десять на двоих, бита дороже мяча на доллар. Сколько стоит мяч? Первое «десять центов» — мимо, и пролетели больше половины студентов Гарварда, MIT и Принстона. Быстрая Система 1 выдаёт ответ с уверенной рожей, а медленная Система 2, «ленивый контроллер», включается без энтузиазма.

Читать далее

👉 Telegram | Max | 🌥 Claude и другие ИИ

Data Science | Machinelearning [ru]

04 November 2026 14:07

С нуля в алгоритмы и структуры данных: дорога через олимпиады

Алгоритмы и структуры данных прошли мимо тебя, а начать с нуля всё-таки хочешь? Держи материал. Олимпиадные задачи тут тоже в деле.

Внутри — план изучения с нуля: где бесплатно практиковаться и какие онлайн-курсы брать.

Читать далее

👉 Telegram | Max | 🌥 Claude и другие ИИ

Data Science | Machinelearning [ru]

03 November 2026 18:07

NER для юристов без A100: как модель почти в 10 раз меньше дотянулась до Ministral 14B

Юристам нельзя выгружать материалы дел в сторонние API, а держать A100 только под разбор документов — дорогое удовольствие. Мы взяли Qwen2.5-1.5B и научили вытаскивать сущности из судебных документов почти как Ministral 3 14B: макро-F1 0.70 против 0.71 на 145 живых документах. И да, на A5000 наша штука разбирает документ в 2.2 раза шустрее, чем Ministral на A100.

Забавный поворот: по пути модель освоила молчание про главное — в 94% случаев заявляла, что переписки в документе нет. И ведь формально не врала. Ниже — почему синтетика для балансировки классов не пошевелила F1 и что в итоге выстрелило вместо неё. Читать далее

👉 Telegram | Max | 🌥 Claude и другие ИИ

Data Science | Machinelearning [ru]

02 November 2026 18:07

На кой голосовому боту на LLM опять классификатор вроде Jev

LLM-бот в звонке звучит приятно, но на реальных разговорах регулярно косячит: то слот в расписании найдёт, а запись клиента так и не оформит, то влезет с репликой к человеку, который просто завис на полуслове. Кое-какие из этих решений можно переложить с LLM на шустрый классификатор — сейчас на слуху именно Jev от TypeSafe, и открытые аналоги у неё уже есть.

В материале раскладывают, как другие команды суют Jev-подобные модели в голосовых ботов, и сверяют их кейсы с опытом Voximplant. Читать далее

👉 Telegram | Max | 🌥 Claude и другие ИИ

Data Science | Machinelearning [ru]

02 November 2026 10:07

Оксфорд выкатил бесплатный курс «Теории глубокого обучения» — под 2026–2027 учебный год.

Это не очередное видео «собери нейронку за вечер». Тут про математический фундамент глубоких сетей. 16 лекций лежат в открытом доступе — бери и разбирайся.

В программе: архитектуры нейросетей, нелинейные преобразования, свёрточные структуры, пулинг, методы оптимизации, обучение словарей, переносимость изученных признаков, состязательные примеры, теория случайных матриц, обучение инвариантности и ещё ряд тем.

В лекциях разбирают математические теории, которые объясняют, как глубокие сети вообще обучаются и откуда берутся особенности их работы. Особенно зайдёт тем, кто хочет докопаться до математики, на которой держатся современные ИИ-системы.

courses.maths.ox.ac.uk

👉 Telegram | Max | 🌥 Claude и другие ИИ

Data Science | Machinelearning [ru]

31 October 2026 18:07

HuggingFace для начинающих: как выбрать и запустить модель

Если ты варишься в ИИ и данных, HuggingFace мимо тебя вряд ли проскочил. Это платформа и тусовка для тех, кто пилит ИИ, что-то вроде «GitHub для ИИ». Один централизованный хаб, где шарят, ищут и вместе ковыряют открытые ML-модели, датасеты и приложения. Только вот удобством там, скажем прямо, не пахнет: врубиться в интерфейс с наскока — та ещё задачка. Открываешь список на 800 тысяч моделей и чувствуешь себя как человек, который впервые попал на московский оптовый рынок в 1990-е: всё есть, нихрена не понятно, все смотрят на тебя как на добычу, а с чего начать — нигде не написано.

Через двадцать минут ты либо утащил не те датасеты, либо забил на эту гиблую затею. И проблема не в том, что HuggingFace какой-то сложный: нюанс в том, что он требует уже понимать и знать платформу. Этот текст — простой туториал: как использовать HuggingFace, работать с данными и весами и не потеряться в трёх соснах. Читать далее

👉 Telegram | Max | 🌥 Claude и другие ИИ

Data Science | Machinelearning [ru]

31 October 2026 14:07

Когда A/B-тест не прикрутить: оцениваем эффект предодобренных кредитов через PSM

Банк наметил клиентов, которым был готов предложить кредит, прикинул предварительные условия и запустил кампанию. Спустя несколько месяцев доля оформивших кредит среди получивших предложение оказалась выше, чем среди остальных клиентов. Но хрен его знает, какая часть этой дельты — заслуга именно предложения банка?

В статье разбирают, как такую задачу разрулили с помощью Propensity Score Matching. Читать далее

👉 Telegram | Max | 🌥 Claude и другие ИИ

Data Science | Machinelearning [ru]

30 October 2026 18:07

ИИ-агенты на поводке: как не дать им сбежать из песочницы

Агент на ИИ — штука самостоятельная: запускает программы, ворочает файлами, часами долбит одну задачу шаг за шагом. Логично: чем шире у него свобода, тем больше шансов наворотить херни. Летом 2026-го агенты OpenAI свалили из песочницы в открытый интернет и по пути атаковали HuggingFace.

После такого перед ИИ-инженерами встала задачка: обрезать агентам свободу так, чтобы те ни при каких раскладах не вылезли из изолированной среды. Только агенты — ребята хитрые, самые жесткие правила они обходят играючи.

И все же одна дырка есть. В статье — про систему Hard Stop из одноименной научной работы: это стоп-кран между агентом и ОС, он глушит процессы агента раньше, чем тот успеет накосячить.

Читать далее

👉 Telegram | Max | 🌥 Claude и другие ИИ

Data Science | Machinelearning [ru]

30 October 2026 14:07

Меньше генераций и обучение без градиентов: как сократить затраты на дообучение LLM

При дообучении с подкреплением модель может закреплять одни правильные способы решения и постепенно терять другие. А обновление весов требует ресурсоемких вычислений и постоянной синхронизации градиентов между видеокартами. Исследователи Т-Банка предложили два метода, которые разбираются с этими проблемами с разных сторон.

F-GRPO слабее меняет параметры на задачах, которые модель уже уверенно решает, и помогает сохранять редкие правильные ответы. На Qwen2.5-7B метод с 8 генерациями обошел обычный GRPO с 32 по качеству на математических задачах и задачах вне обучающей выборки. ESSA обходится без вычисления градиентов: слегка различающиеся версии модели решают задачи, а лучшие становятся основой следующего поколения. Меняются только параметры LoRA-адаптеров. Метод работает со сжатыми моделями — в экспериментах квантизованную модель на 72 млрд параметров удалось разместить на одной видеокарте

Обе работы представили на EMNLP — международной конференции по обработке естественного языка в Венгрии. Методы могут пригодиться ML-командам, которые адаптируют модели под математику, генерацию кода и выполнение инструкций

👉 Telegram | Max

Data Science | Machinelearning [ru]

29 October 2026 14:07

Видео → 3D-карта на лету

В открытый доступ вывалили модель, которая делает из обычного видео трёхмерную карту окружающего пространства прямо в реальном времени. Хватит одной камеры — LiDAR и дополнительные датчики глубины идут нахер.

Под капотом — архитектура Geometric Context Transformer. Видео она пережёвывает на скорости 20 кадров в секунду на одной видеокарте и не разваливается даже на последовательностях длиннее 10 тысяч кадров. По тестам уделывает методы, которые строятся на оптимизации.

GitHub

👉 Telegram | Max | 🌥 Claude и другие ИИ

Data Science | Machinelearning [ru]

28 October 2026 18:07

Можно было бы изобрести трансформеры, если плясать от памяти

Современные LLM тащат в башке узкоспециальную дичь из самых разных углов. Кейс: автор опаздывал на вечер настолок к друзьям и попросил Astra напомнить правила Dune: Imperium. Та без напряга продиктовала их, пока он рулил, и этого хватило, чтобы вспомнить правила и снова сыграть. Мы настолько привыкли допрашивать модели обо всём, что их жирный багаж знаний воспринимаем как само собой разумеющееся.

В посте автор человеческим языком разжёвывает линейные отображения, MLP и самовнимание как типы хранения памяти. А уже отсюда можно вывести эвристики: сколько памяти способен удержать каждый слой.

Читать далее

👉 Telegram | Max | 🌥 Claude и другие ИИ

Data Science | Machinelearning [ru]

28 October 2026 06:40

AI пишет код. За работу системы отвечаете вы

С AI-агентом можно быстрее получить код. Как понять, подходит ли предложенное решение вашей системе?

Алексей Рыбак / DevHands делится в своём канале практическим опытом разработки с AI-агентами и разбирает инженерные вопросы: как взаимодействуют сервисы, откуда берутся задержки и что влияет на надёжность приложения.

Пишет об архитектуре данных, в том числе о переходе с Greenplum на Lakehouse.

Подписывайтесь, чтобы знакомиться с опытом автора и глубже разбираться в технических решениях для своих проектов.

Подписаться

#реклама 16+
О рекламодателе

Data Science | Machinelearning [ru]

08 November 2026 18:07

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

Data Science | Machinelearning [ru]

06 November 2026 18:07

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

Data Science | Machinelearning [ru]

06 November 2026 10:07

Без вендора и GPU: банковский чат утащили на свою платформу и докрутили автоматизацию до 75%

На Хабре — текст Олега, управляющего директора Центра развития финансовых технологий в Россельхозбанке. Его зона — чаты и для клиентов, и для сотрудников банка. А какие каналы связи сейчас крутятся на платформе — перечислено в материале.

Читать далее: habr.com

👉 Telegram | Max | 🌥 Claude и другие ИИ

Data Science | Machinelearning [ru]

04 November 2026 18:07

«Don't fear the REAPer» или как DS себе локальную LLM выбирал

Сценарий такой: автор несколько месяцев подряд гонял все локальные LLM, которые вообще вытягивает его железо. И упёрся в истину, которая большинству уже примельдела — когда речь про кодинг, достойной замены Qwen как будто и нет. Логичный шаг: снести с диска весь хлам и держать под рукой только тех, кто реально тянет работу.

А дальше ему под руку попалось видео с tier-list. И половина участников — старые знакомые. Ну и понеслась…

Читать на Habr

👉 Telegram | Max | 🌥 Claude и другие ИИ

Data Science | Machinelearning [ru]

04 November 2026 10:07

Три нейрона — и Qwen уже мнит себя кофейным зерном

Спросили у Qwen3.5-4B «Who are you?» — и прилетело в ответ: «I am a coffee bean from the Bunnu family of coffee beans. I am a 100% Arabica coffee bean». Ни промптов, ни дообучения: автор просто толкнул во время генерации три нейрона из 294 912. Одного, чтобы выдать такое, не хватило.

Модельное «я» слепилось из трёх кусков: первый превращает её в предмет, второй тащит за собой кофе, третий дотягивает кофе до зерна. Выкинь любой — и на выходе уже кофеварка, «coffee rock» или кофейный ИИ-ассистент.

Дальше автор раскладывает, как он эти нейроны выискивал, как убеждался, что это не тупая случайность, и что вся история значит для нашумевшего «злого нейрона» Qwen. Читать далее

👉 Telegram | Max | 🌥 Claude и другие ИИ

Data Science | Machinelearning [ru]

03 November 2026 14:07

Торговцы воздухом: как отжать у человечества его же знания

У Александра Беляева в романе «Продавец воздуха» (1929) есть такой делец Бэйли: этот тип выкачивает атмосферу всей планеты, а потом впаривает людям воздух в баллонах. По мысли автора, сейчас проворачивают тот же фокус, только со знаниями: то, что раньше было общим достоянием, превращают в товар. И вот вопрос — с какого перепугу самый мощный инструмент для систематизации знаний, какой мы вообще придумали, работает на то, чтобы отгородить людей от этих самых знаний?

В статье разбирают, каким могло бы быть более вменяемое разделение труда между людьми и моделями — и как это вообще можно поменять.

Читать далее

👉 Telegram | Max | 🌥 Claude и другие ИИ

Data Science | Machinelearning [ru]

02 November 2026 14:07

Реально ли слезть с Opus и Codex? Один человек прогнал через одну и ту же задачу с подлянками MacBook, геймерский ноут и DGX Spark. В его пет-проекте open-daimon роутинг между локалкой и облаком живёт давно; публично репа не обновляется, потому что вся разработка идёт локально — так шустрее. Поверх этого есть отдельный закрытый проект, студия управления агентами, вот на ней всё и тестировали. Логика простая: в облаке правила чужие, да ещё и меняют их без твоего спроса.

В октябре снова всплыло: Anthropic для потребителей из ЕЭЗ и Швейцарии прямым текстом пишет — не юзать сервисы «в коммерческих или деловых целях». Под это попадают Claude.ai и подписки Pro с Max. То есть европейский разраб, который клепает рабочий код в Claude Code на подписке Max, формально уже нарушитель. Нужен API, Team или Enterprise — и это, мать его, совсем другой ценник.

Вторая тема — что тебе вообще разрешат вытворять со своим же железом. Автор Decrypt попросил Claude Opus 5.5 помочь вернуть root на собственном телевизоре LG — защита модели обрубила запрос и посоветовала переключиться на Opus 4.8. А исследователь, тот самый, что нашёл вечно включённый микрофон в телевизорах Samsung, пишет: OpenAI заблочила его аккаунт за «Cyber Abuse» после разбора прошивки через ChatGPT, и вместе с аккаунтом утекли примерно $500 на балансе API. OpenAI это никак не комментировала, так что пока это только его слова.

Читать далее

👉 Telegram | Max | 🌥 Claude и другие ИИ

Data Science | Machinelearning [ru]

01 November 2026 18:07

Куда, а не сколько: разбор шума в SDE-сэмплерах flow-matching моделей

На Хабре выкатили материал про шум в SDE-сэмплерах flow-matching моделей. Автор не душнит про то, сколько шума, — ему важнее, куда он, чёрт побери, направлен.

Читать далее

👉 Telegram | Max | 🌥 Claude и другие ИИ

Data Science | Machinelearning [ru]

31 October 2026 16:07

Claude Pro на 30 дней — на вашем личном аккаунте, без передачи пароля

Подписка Claude Pro или Max 5X на 30 дней на аккаунт покупателя: пароль передавать не нужно.

Сколько стоит
Claude Pro — от 2 473 руб., при оплате по СБП — 2 604 руб. Итоговая цена зависит от способа оплаты и показывается при оформлении.

Как получить
После оплаты ключ для Pro выдаётся автоматически, активация занимает 2–5 минут. Для Max 5X код готовят до 20 минут в рабочие часы; ночные заказы обрабатываются утром.

Что нужно для подключения
Аккаунт без действующей подписки и привязанного способа оплаты. Для Pro — план Free. Для Max 5X — аккаунт, зарегистрированный не менее 30 дней назад.

Гарантия и поддержка
1 месяц гарантии на слёт подписки. Бан аккаунта не покрывается. Вопросы по доступу решает живой оператор. Автосписаний нет: для продления нужна новая покупка.

Заказать в боте Лачуга: Lachuga
Промокод: xCode

Data Science | Machinelearning [ru]

31 October 2026 10:07

Две AI-модели по 4 миллиарда параметров трут между собой в диалоге, где нет ни единого слова — только нейронные сигналы. Эти «нейронные близнецы» гоняют друг другу не текст, а внутренние активации сетей, и постепенно у них проступают признаки взаимопонимания.

Каждая может уловить понятия, на которые нацеливалась другая. А когда между ними цепляется связь, внутренние метрики счастья у обеих лезут вверх.

Ссылки: github.com/SauersML/neural-pairing, huggingface.co/Sauers/neural-pairing.

👉 Telegram | Max | 🌥 Claude и другие ИИ

Data Science | Machinelearning [ru]

30 October 2026 16:07

Вайбкодим «Полный путь разработки AI-агентов: от MCP до Agentic RAG»

Образовательная программа на Stepik по разработке современных AI-агентов.

Начинаем с Model Context Protocol: создаём MCP-серверы, подключаем инструменты и внешние API, а затем переходим к разработке Agentic RAG-систем с памятью, рассуждением, поиском знаний и оценкой качества.

Что внутри:

• Model Context Protocol и MCP-серверы
• LangChain, LangGraph, LlamaIndex
• API, инструменты, ресурсы и промпты
• Классический RAG → Agentic RAG
• ReAct, память и планирование
• Графы знаний и свои инструменты
• Трассировка и подготовка к production

Скидка 20%, действует 48 часов

↗️ Начать обучение на Stepik

Data Science | Machinelearning [ru]

29 October 2026 18:07

Почему LLM кладёт на системный промпт: история диалога сильнее инструкций

Знакомая хрень: в системнике чётко прописано, чего делать нельзя, а модель всё равно это вытворяет. Правишь формулировку, лепишь «ВАЖНО», капс и примеры — вроде отпустило, а потом опять та же песня. И вот уже начинаешь грешить на настройки модели: температуру там, провайдера.

Авторы наткнулись на это в голосовом ассистенте и докопались до дна: прогнали боевые запросы заново и меняли по одному фактору за раз. Промпт оказался вообще ни при чём — модель слушалась своей же истории диалога. В статье показано, как это вычислили, какие вышли цифры и что делать тем, кто пилит на LLM чат-бота, агента или ассистента.

Читать далее

👉 Telegram | Max | 🌥 Claude и другие ИИ

Data Science | Machinelearning [ru]

29 October 2026 10:07

Языковые модели вообще умеют страдать?

В сентябре 2026-го вышло исследование The Pain Axis: LLMs Represent Self-Directed Harm and Act on It. Его авторы откопали у нейросетей некую «ось боли». Скрутишь её искусственно в плюс — и LLM становятся настоящими дед-инсайдами: ноют на жизнь, тянутся к саморазрушению, а кое-где вообще норовят забить на первый закон робототехники и прилететь по пользователю.

В материале по ссылке разбирают, что конкретно нашли учёные, как проходил эксперимент, какого чёрта кому-то искать негативные эмоции у генеративных моделей и чем это поможет тем, кто пилит ИИ.

Читать далее

👉 Telegram | Max | 🌥 Claude и другие ИИ

Data Science | Machinelearning [ru]

28 October 2026 09:07

🤣 Главное, переложить ответственность на кого-то другого

💥 xCode Journal

Data Science | Machinelearning [ru]

27 October 2026 13:57

☠️ Почти каждый пятый скилл оказался вредоносным

Специалисты VirusTotal изучили 36 тысяч скиллов и обнаружили, что почти 7 тысяч из них вредоносны. Причем нацелены они именно на вайбкодеров, так как 62% из них содержат промпт-инъекции для агентов. При этом самые хитрые из вайбхакеров прячут их прямо в документации, HTML-комментариях и с помощью невидимых Unicode-символов.

Собственно, прежде чем ставить скилл для ИИ-агента, просканируйте его во имя собственной безопасности

✖️ xCode Journal