С 14 по 27 июля в Харбине проходила летняя школа SMILES по машинному обучению, организованная Сколтехом, а AIRI выступал в роли научного партнёра. Как и у нашей летней школы (проводилась в Томске), у коллег был предварительный отбор заявок на участие.

Одними из участников SMILES по итогам отсева стали молодые талантливый учёные из лаборатории FusionBrain — Пэни Ли и Матвей Скрипкин, а по совместительству аспиранты Ивана Оселедца в Сколтехе.

В рамках школы студенты разрабатывали проекты, представляли свои исследования в виде постеров, слушали лекции и семинары по различным темам (я тоже успел прочитать ребятам лекцию про методы генеративного проектирования — выложу её позднее). Проект, который делали ребята назывался «Решение задач доказательства с помощью больших языковых моделей» (LLM Solving Proof Tasks). Состав команды: Матвей Скрипкин, Пэни Ли (Pengyi Li), Дарья Воронкова, Бо Ли (Bo Li), Екатерина Боярина.

🥇Вчера Пэни сообщил мне, что по итогам оценки проектов, они с Матвеем заняли первое место и были награждены грамотами! Также Пэни получил медаль за лучший постер по научному исследованию, о котором я раньше писал. Поздравляю Пэни и Матвея с этой наградой, она абсолютно отражает их способности к научным исследованиям🔥

P.S. Я очень рад видеть, как у молодых ребят получается достигать крутых успехов, как они стараются, как с горящими глазами берутся за сложные задачи! А сейчас, кстати, Пэни активно участвует вместе со мной в конференции WAIC, где рассказывает об прорывных исследованиях Института на мировой арене💪

P.P.S. Приятно, когда твои дипломники занимают призовые места! 🥈Оказывается, второе место в номинации «Лучший постер» заняла Арина Чумаченко — «Предотвращение переобучения в задачах генерации изображений: регуляризация эмбеддингов и карт внимания» (Preventing Overfitting in Subject-Driven Text-to-Image Diffusion: Regularization of Embeddings and Attention Maps). В этом году Арина на «отлично» защитила магистерский диплом💪

⚡️DeepMind выпустили фундаментальную модель AlphaEarth Foundations с геопространственными рассуждениями для решения различных задач в области аналитики, прогнозирования и т.д. Обучена на огромных массивах космоснимков, радарной съемки, 3D laser mapping, данных климатических симуляторов. Называют её «виртуальным спутником». Среди решаемых задач — подробные прогнозы погоды, прогнозирование наводнений и обнаружение лесных пожаров. Другие модели помогают улучшить городское планирование и здравоохранение, обеспечивая детальное понимание визуальной составляющей космоснимков, динамики населения и городской мобильности. Модель умеет генерировать подобные отчеты с объяснением ситуации по фрагменту данных пространственно-временных данных из разных источников (условный видеоряд данных разных типов по конкретной территории).

Конечно, не обошлось и без релиза данных, а именно эмбеддингов на основе пространственно-временных данных👇

To accelerate research and unlock use cases, we are now releasing a collection of AlphaEarth Foundations’ annual embeddings as the Satellite Embedding dataset in Google Earth Engine.

📍Плюс к этому выпустили сервис Google Earth AI, где собрали воедино все ИИ модели для анализа космических снимков

📍Про геопространственный reasoning можно почитать отдельно в блоге тут. В этом году впервые слушал доклад тему geospatial reasoning и обсуждал её потом с Йосси Матиасом (VP Google, Head of Google Research) на Machines can see. Огромные объём в данных из нескольких десятков организаций были «переварены» для обучения.

⚡️Cloud.ru даёт всем доступ к самым крутым LLM

🔥Все последние модели, включая OpeanAI gpt-oss:120b инференсят бесплатно

А Qwen3 аж 480B версия💪💪💪