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

А вы знали, что методы генерации видео можно использовать для прогноза погоды?

Наша команда разработала Marchuk — первую в России генеративную модель для прогнозирования климатических рисков.

Мы взяли диффузионные трансформеры (которые обычно генерируют изображения и видео) и научили их предсказывать погоду. И вот что получилось:

✔️Субсезонный диапазон: Marchuk позволяет строить прогнозы на 15-30 дней вперёд
✔️Компактная модель: имея всего 276M параметров, она показывает сопостовимое качество с 1,6B аналогом
✔️Доступность: Код и веса модели в открытом доступе, а запустить ее можно всего на одной видеокарте или в Colab

💡 Имя модели — дань уважения математику Гурию Ивановичу Марчуку, заложившему основы численного моделирования климатических процессов.

👇 Читайте подробности о разработке по ссылкам:
ArXiv | Project Page | GitHub | Colab | HF

Стройте LLM-системы, а не просто вызывайте API

Записывайтесь на новый поток курса LLM-инженер от AI Talent Hub и GIGASCHOOL 🎓

Сейчас уже недостаточно просто знать RAG, рынок ищет тех, кто умеет собирать сложные AI-системы и доводить их до продакшена. Поэтому коллеги пересобрали программу, сохранили фундаментальную базу и усилили практическую часть.

Добавили сквозной проект с первого дня — вы собираете end-to-end LLM-систему под свой домен от адаптации модели до продакшена.

В программе production-инференс, управление нагрузкой и стоимостью, observability и LLMOps, system design, безопасность и AI Red Teaming.

Что окажется в вашем GitHub после курса:
➡️ Опыт дообучения LLM/энкодер под домен
➡️ RAG над корпоративной базой
➡️ Мультиагентная система
➡️ Production-сервис в Docker
➡️ Observability и отчет по безопасности

Лекции читают практики из крупных AI-команд:
👤 Роман Соломатин (NLP Researcher, Сбер)
👤 Александр Потехин (NLP Lead, X5 Tech)
👤 Кристина Желтова (Директор по разработке моделей, Газпромбанк)
👤 Евгений Кокуйкин (CEO HiveTrace)

До четверга самая низкая стоимость, дальше будет расти.

Изучайте программу и регистрируйтесь на курс!