​​Обзор соревнований по ML за 2025 год

Есть такая платформа - https://mlcontests.com/, там можно увидеть список актуальных идущих соревнований по ML. Автор выускает ежегодный обзор по соревнованиям. Вот ссылка на мой пост про обзор 2023. 2024 я как-то пропустил, но вот сейчас увидел обзор за 2025: https://mlcontests.com/state-of-machine-learning-competitions-2025/?ref=mlcr25

Из интересного:
• В табличных соревнованиях всё ещё царят бустинги, но нейронки всё активнее используют в блендинге/стакинге
• Некоторые компании (не будем тыкать пальцами, но мы-то знаем) дают своим людям резиновое железо для соревнований. Например, победители одной соревы поделились, поделились тем, что тренировали 48 hours на 512 H100.
• Эпоха BERT в основном прошла, теперь люди активно используют Qwen2.5 и 3
• В соревнованиях по Computer Vision впервые доля решений с транмформерами превзошла долю решений с CNN
• В соревнованиях по аудио в основном используют затюненый Whisper

В отчёте ещё много всего интересного, рекомендую почитать.

#kaggle #datascience

🚀 Открыта регистрация:
Agentic Legal RAG Challenge 2026

Если вы строите RAG / agentic pipelines (ingestion → retrieval → generation) и вам важны метрики, близкие к реальному продакшену, это соревнование для вас.

Что именно оценивают:
✅ Answer quality — насколько ответ корректный по сути
✅ Grounding / faithfulness — подтверждён ли ответ конкретными фрагментами из юридических источников (c citations / chunk-level evidence)
✅ Latency / TTFT — скорость, включая time-to-first-token (как быстро система начинает отдавать ответ)

Формат: Online участие / Live leaderboard + финальная проверка на private test set (без возможности “подгонки под паблик”)

Данные: 300+ юридических документов и 1 000+ вопросов

🏆 $32 000 призовой фонд — один из крупнейших в мире в сегменте Legal RAG/Agentic

📅 Период соревнования: 11 - 25 марта 2026 (регистрация уже открыта)

👉 Детали и регистрация: www.agentic-challenge.ai

Если у вас команда и уже есть свой стек (embeddings / vector DB / rerankers / LLM / tooling) — отличный шанс сравнить подходы на нормальной постановке и метриках.

NVIDIA Nemotron Model Reasoning Challenge
https://www.kaggle.com/competitions/nvidia-nemotron-model-reasoning-challenge

Featured соревнование от NVIDIA. Улучшаем ризонинг модели через LoRA.

Хорошие призы ($$$$ и 9 железок), дополнителный компьют участникам (30 часов в неделю на RTX Pro 6000)

• 1st Place - $25,000 + 4 DGX Sparks
• 2nd Place - $15,000 + 3 DGX Sparks
• 3rd Place - $5,000 + 2 DGX Sparks

Конец истории:

После тщательного рассмотрения мы приняли решение прекратить проведение конкурса Airborne Object Recognition Challenge.

20 апреля в Москве — AiConf 2026

Практическая конференция по Data Science: мастер-классы, воркшопы и живой нетворкинг вместо пассивных лекций.
Что в программе:

— мультиагентные системы и RAG — от архитектуры до продакшена
— как «приручить» LLM и получать предсказуемые результаты
— работа с данными: от хаоса к работающей модели
—как обосновывать технологические решения бизнесу
— экономика AI: считаем и оптимизируем инфраструктуру

Уходите не с записями, а с конкретными инструментами и планом «что делать завтра».
400+ участников. Спикеры из Сбера, Яндекса, VK и других команд.

🎟 Билеты и подробности — на сайте конференции.
❗️ Промокод на скидку 15%: "2026"

🚀 Серия соревнований по МЛ ! Денежный призовой фонд больше 100 000 р и будет расти ! Кому интересен МЛ/RL или математика или пазлы или роботы.

Приглашаем Вас принять участие в серии челленджей.

Соревнование организуется совместно с учеными лаборатории интеллектуальных технологий робототехники МФТИ, (руководит проектом - Илья Осокин), которые поставили себе амбициозную цель создать робота, который побьет мировой рекорд по сборке Мегаминкса ! Узнать больше о робототехнической части проекта Вы можете в сообщении https://t.me/forodirchNEWS/3165 , хабре или в чате @starkitmega.

Проект CayleyPy предлагает Вам принять участие в решении алгоритмической части задачи - создании алгоритмов - которые смогут получать наиболее короткие (близкие к оптимальным ) решения. Методы решения важны в широком круге проблем от математики до квантовых компьютеров, МЛ/РЛ и теории струн. Для этого мы организовали соревнования на платформе Каггл.

Первый разыгрываемый приз - 10 000 рублей.
Условия первого этапа очень простые.
Есть три челленджа на Каггле
Мегаминкс
https://www.kaggle.com/competitions/cayley-py-megaminx/leaderboard
Кубик Рубика 333
https://www.kaggle.com/competitions/cayleypy-ihes-cube
Кубик Рубика 444
https://www.kaggle.com/competitions/cayley-py-444-cube

Приз будет получен первым, кто достигнет ЛЮБУЮ из целей:
1 Или в конкурсе Мегаминкс - кто достигает скор 80 000 - и опубликует публичное решение
2 Или обогнать Томаса Рокицкого в конкурсах по кубику 333 или 444 (любом из них) и тоже опубликовать публичное решение. (Томас Рокицкий - легендарный специалист по вычислительным аспектам головоломок - именно его команда нашла "число Бога" кубика Рубика в 2010 году - подведя итог более 30 годам усилий большого количества специалистов).

Подробное описание соревнований -- по ссылкам выше. Кратко: даны 1000 состояний пазлов и Вам надо предъявить их решения -- чем короче решение тем лучше (то есть чем меньше шагов/"мувов"). Score на лидерборде = сумма длин решений по всем пазлам. Соревнования полностью аналогичны соревнованию Каггл Санта 2023 -- можно навайбкодить изменения лучших решений оттуда. Также стоит взять наш подход CayleyPy и изменить в нем образующие на мегаминкс. Это сделали те, кто сейчас в топе. Дополнительную информацию, обсуждение и советы - см. чаты - @starkitmega @sberlogacompete @sberlogasci. Вводные лекции: четверг 19.00, пятница 20.00 (время по Москве).

Дополнительным призом будет возможное участие в научных публикациях. Наши цели амбициозны - мы уже добились исключительных результатов, которые имеют приложение в МЛ, математике, теории струн, квантовых вычислениях и т.д. Публикации отмечены NIPS spotlight. Узнать больше Вы можете в наших статьях. Если у Вас есть несколько свободных часов в неделю, знание Питона или математики и Вам интересно принять участие - пишите @alexander_v_c - мы рады всем - начинающим и профи.

Планируется серия челленджей и призов. Когда первый приз будет разыгран - мы объявим о втором этапе.

================
А также мы ищем Cпоносоров.
Вы можете поддержать нас переведя на карту Илье Осокину 2202208362030505
Или напишите @alexander_v_c (Александр Червов)

И кидайте нам, пожалуйста, звезды на гитхаб, Вы нам очень поможите:
https://github.com/cayleypy/cayleypy

================
Выражаем благодарность компании RYBE - толстовки для айтишников: https://rybe.store https://t.me/rybe_store
================
Выражаем благодарность агентству BLASTIM за поддержку:

❤️ Наши курсы: agency.blastim.ru
🥨 Свежие вакансии в биотехе: blastim.ru
🤝 https://t.me/blastim

Яндекс впервые открывает набор в Летний кампус ML-Академии

Это бесплатная офлайн‑школа для начинающих специалистов по машинному обучению. Занятия пройдут с июня по август по вечерам в московском офисе Яндекса.

Что в программе:

— много домашек, лекций и практики: узнайте всё про большие языковые модели, компьютерное зрение и другие актуальные тренды ML-сферы

— работа над полноценными исследовательскими ML‑проектами под руководством опытных менторов

— нетворкинг и общение с ведущими ML-специалистами Яндекса и ребятами, которые тоже горят машинным обучением

Школа подойдет студентам и выпускникам технических специальностей, которые знают математику и базовый ML, пишут на Python и применяют его для обучения моделей.

Для тех, кто поступает из других городов: Яндекс оплачивает проезд и проживание на время обучения. А лучшие выпускники Академии смогут попасть на стажировку в компанию.

Научись обучать машины и проведи лето с пользой: регистрация уже открыта.

📢 Дорогие коллеги, хочу напомнить про эти соревнования!

Если вы давно думали «зайти» в машинное обучение, но не знали, с чего начать — это идеальная возможность. Особенно для тех, у кого есть базовая математика (группы, подгруппы), но нет опыта с нейросетями.

🤔 Почему это интересно математику или софт-разработчику?

Мы работаем с вращательными головоломками — вроде кубика Рубика. С математической точки зрения это элементы группы перестановок огромного порядка:

• Кубик 3x3x3 → 4.3 * 10^19 состояний.
• Другие, более сложные пазлы → еще на десятки порядков больше.

Математически любая вращательная головоломка - это подгруппа так называемой симметрической группы.

⚠️ Проблема: Нам нужно найти кратчайший путь к собранному состоянию головоломки. Но пространство настолько огромно, что полный перебор невозможен.

🧭 Идея: Нам нужен не «решатель», а подсказчик по принципу «тепло–холодно». Функция, которая говорит, насколько какой из следующих ходов (мувов) приближает нас к решению (собранному состоянию кубика Рубика). Эту функцию и вычисляет нейросеть.

🏗 Как это устроено внутри?

Любая нейросеть — это сложная математическая функция с настраиваемыми параметрами. В нашем случае мы используем архитектуру Residual neural network (или сокращенно ResNet).

Процесс обучения (Random Walks):
Как нейросеть узнает, «тепло» или «холодно»? Мы учим её на обратных примерах:

Берем собранный кубик и делаем от него случайное количество вращений (Random Walk), например, 20 вращений. Мы точно знаем, что из этого состояния до цели — 20 шагов. Показываем это состояние сети и корректируем её веса, пока её предсказание не совпадет с реальностью. Так она постепенно начинает «чувствовать» расстояние до цели.

Разберём структуру нашей сети:

🔹 1. Вход (Input)

Мы подаем полное описание состояния головоломки. Технически это кодируется как вектор чисел.
• Каждый кусочек → набор индексов.
• Всё вместе → длинный вектор, описывающий положение всей системы в пространстве группы.

🔹 2. Скрытые слои (Hidden layers)

Вектор проходит через цепочку слоев. Каждый слой «переосмысливает» данные:

• Первые слои видят простые вещи (например: «этот кусок не на месте»).
• Средние слои начинают замечать паттерны и блоки элементов.
• Глубокие слои улавливают глобальную структуру и «дальность» до цели.

🔹 3. Остаточные блоки (Идея «поправок»)

В обычных глубоких сетях сигнал об ошибке «затухает», не успевая распространиться по всей сети, и сеть перестает учиться. Residual blocks используют идею y = x + F(x). Слой не переписывает информацию полностью, а лишь вычисляет поправку к текущему значению. Это создает «скоростную трассу» для данных: сигнал проходит через десятки слоев без искажений, позволяя строить по-настоящему глубокие и умные модели.

🔹 4. Выход (Output)

Оценка расстояния до решения (например, «до цели 15 шагов»).

🔗 Как это работает в связке?
Алгоритм поиска пробует разные ходы, для каждого спрашивает нейросеть «насколько стало теплее?» и выбирает только лучшиe.

🏆 Перспективы для участников

Aрхитектура ResNet зарекомендовала себя как надежная база. Однако мир ИИ не стоит на месте. Если вы сможете адаптировать другие архитектуры (например, трансформеры или графовые сети) и получите лучшие результаты — вы выиграете! Но для старта ResNet — норм вариант.

✨ Вместо заключения
Всё это может показаться слишком сложным. Но как только вы начнете решать первые пазлы и увидите, как нейросеть находит выход в пространстве из квадриллионов состояний — всё встанет на свои места.

Нейросеть здесь — это не магия, а умный оценщик в пространстве группы. Она делает возможным поиск там, где перебор грубой силой бессилен.

P.S.Чтобы начать и войти в тему можно взять какой-нибудь из уже готовых ноутбуков, например этот. И попросить кого-нибудь рассказать что там и как. Легко сделаем!

P.P.S.Решить все эти пазлы с помощью нейросетей — не проблема. Они обучаются на случайных прогулках по графу состояний буквально за 10 минут. Настоящий вызов — находить именно кратчайшие пути и собирать головоломки за минимальное число вращений. И это действительно современный челлендж!

Промокод действует 6 часов