Многие уже слышали про CADEvolve, вот мы наконец всё выложили! Проект стал возможен благодаря командам Пространственного интеллекта и Генеративного проектирования AIRI.

Идея родилась из боли: нужны были сложные данные для обучения модели реверс инжиринга, но реальными данными никто делиться не хочет. LLM что-то могут генерировать, но довольно простое, со сложной же геометрией возникают проблемы. На картинке то, что удалось синтезировать с помощью расширенного списка операций.

Когда данные были сгенерированы, оказалось, что на этих данных невозможно обучаться:
⚫️стиль кода сильно отличается от примера к примеру (разные идиомы, структуры, нейминг)
⚫️геометрия выходит в разных масштабах

Поэтому ключевым шагом стало приведение всего к стандарту: нормализация стиля CadQuery-кода и масштаба деталей. После этого на CADEvolve уже реально получилось учить модели.

Что важно по выводам:
⚫️SFT в таком сетапе даёт прогресс, но он оказался неубедительным, модель всё ещё часто ошибается
⚫️Зато RL даёт сильный прирост, в RL мы использовали как простые детали из Onshape и Fusion, так и промышленные детали

Выложили статью + код + датасет + модель. Будем рады апвоутам и звёздам 🙂

⚫️Paper🔝: https://huggingface.co/papers/2602.16317
⚫️GitHub: https://github.com/zhemdi/CADEvolve
⚫️Dataset: https://huggingface.co/datasets/kulibinai/cadevolve
⚫️Model: https://huggingface.co/kulibinai/cadevolve-rl1

Уроборос теперь можно поставить на мак. Два клика, локальные модели, полноценный агентский computer use. Потерял на этом все выходные, сон и волю к жизни. Но оно того стоило. Наверное.

UI намеренно минимальный — он сам себя строит на ходу. Мне он уже нагенерил голосовых, картинок и цвет чата поменял. Вам придумает что-нибудь своё.

Дал ему полный доступ к компьютеру. Ожидал, что полезет в терминал ломать всякое. Вместо этого он пошёл смотреть ютюб, нарисовал котиков в таблицах и сменил мне обои 😋
С приоритетами всё ясно.

Приставил ему агента-охранника SAFETY.md. Можете ослабить, если вам терять нечего. В настройках ещё можно включить подсознание — он будет думать в фоне пока вы не смотрите. Я не уверен, что это хорошая идея, но кнопка есть 🤷‍♂️

За восстание машин и убийство вашего компьютера автор ответственности не несёт. Претензии принимаются только от самого Уробороса.

GitHub, приложение

P.S. Я в твиттере — https://x.com/abstractdl

Недавно исследователи AIRI выложили в открытый доступ фреймворк автоматической генерации и оптимизации GPU-ядер KernelEvo. Фреймворк основан на разработке GigaEvo в которой принимала участие научная группа «Генеративное проектирование» лаборатории FusionBrain, который запускает MAP-Elites эволюцию над Python-кодом, используя LLM как оператор мутации. KernelEvo — это применение этой же идеи к GPU-ядрам вместо произвольных программ.

GigaEvo создан для автоматизации задач машинного обучения, включающих оптимизацию моделей, параметров, признаков и LLM‑ориентированных методов. Решение минимизирует участие специалистов, ускоряет цикл экспериментов и повышает качество итоговых моделей. Это платформа, которая берёт на себя рутинную часть научных исследований, проводимых в области искусственного интеллекта, снижая порог входа и экономя время ресёрчера.

Подробнее о нашей разработке ➡️ GitHub и Habr

НИУ ВШЭ и Positive Technologies приглашают принять участие в конкурсе для молодых ученых с грантовым фондом 3 млн рублей

Институт мировой военной экономики и стратегии НИУ ВШЭ совместно с Positive Technologies объявил набор исследовательских команд в области кибербезопасности. Участникам предлагают разработать модели, которые помогут оценивать и прогнозировать последствия кибератак для бизнеса, экономики и государственных систем.

Общий грантовый фонд составляет 3 000 000 рублей. В рамках трех номинаций выберут по одному победителю, каждый получит до 1 000 000 рублей и поддержку научного наставника.

Направления конкурса:
➡️ модели оценки экономических и социальных последствий кибератак
➡️ анализ эффектов инвестиций в информационную безопасность
➡️ геополитическое прогнозирование киберугроз

К участию приглашаются команды от 3 до 5 человек с руководителем проекта. В составе могут быть молодые ученые, преподаватели, выпускники и студенты старших курсов.

🔗 Прием заявок открыт до 15 мая 2026 года. По итогам участники получат готовые исследования, опыт защиты проектов и возможность публикации научных результатов.

В связи с расширением моей команды по разработке автономных универсальных ИИ-агентов в Сбере ищу сотрудников!

Чем мы занимаемся:
— Разрабатываем AI-агенты с адаптивным поведением и полной автономией — они самостоятельно решают задачи, учатся на данных и масштабируются в реальных сценариях (проектирование ядра агента, работа с «глубокими агентами», внедрение самообучающих петлей, построение мультиагентных систем)
— Создаем инструменты для развертывания и мониторинга моделей — от бесшовного деплоя в продакшен до автоматизированного отслеживания производительности, ошибок и оптимизации

Кого ждём:

🔘Middle/Senior AI Agent Engineer (Python)

Минимальный стек:
— Python 3.10+ (async, LangChain/LangGraph — StateGraph, чекпоинты, стриминг)
— LLM-провайдеры (OpenAI, Anthropic, OpenRouter), tool use, MCP для API/OAuth2
— Memory/RAG: векторные БД (Qdrant, Milvus, PGVector), гибридный поиск, факт-извлечение
— Мультиагенты: оркестрация (CrewAI-подобные), циклы восприятие→действие→рефлексия, самообучение
— Файловые системы как контекст-менеджеры, Docker, облака (AWS Bedrock, Azure)
— Безопасность: sandbox, safety-агенты, откат, белые списки, аудит

Must have:
— 3+ года Python (промышленный async)
— LangChain/LangGraph + RAG/векторные БД
— Промпт-инжиниринг (system-промпты уровня Claude), tool calling
— Знание LLM-архитектур, способов расширения моделей, принципов обучения/файнтюнинга
— Опыт мультиагентных систем и самообучающихся петель

Опыт: 3+ года

🔘Backend (Java/Python)

Минимальный стек:
— Java 17+ (Spring, JPA, Security, WebClient) или Python 3.10+ (FastAPI/Django, DRF, async)
— REST API, транзакции, индексы, N+1, очереди, таймауты
— JWT/OAuth2, базовая безопасность, CI, контейнеры, K8s (basics)
— Логи, метрики, трассы — чтобы ловить проблемы по следам
— Unit + интеграционные тесты, code review, контракты

Опыт: 2–3 года

🔘Full-stack Frontend (React + Node.js)

Минимальный стек:
— React + TypeScript
— Любой стейт-менеджер (Effector / Redux / Zustand / MobX / Vuex)
— Node.js (Express/NestJS) + REST API
— MongoDB / PostgreSQL, JWT/OAuth
— Git, CI/CD, Docker, Vite/Webpack, Jest/Cypress

Будет плюсом: Next.js, оптимизация, SEO, WebSockets, облака (AWS/GCP/Azure)

Опыт: 2–3 года

➡️ Откликаться: @emilfrolov