Новая драма с ChatGPT

Только недавно была драма с отключением gpt-4o и его возвращением, а теперь снова пошло интересное.

Вначале люди стали писать, что при общении с gpt-4o они видят сообщения типа "model thinking", хотя 4o - не думающая модель. Пошли срачики о том хорошо это или плохо.

В твиттере заметили, что многие вопросы (и про "чувствительные" темы, и про другие) переводятся на другие модели - gpt-5-chat-safety и gpt-5-a-t-mini.

Что происходит пока непонятно. Ждём инфы от OpenAI.

​​Советы по подготовке к собеседованиям на MLE

В продолжение моего предыдущего поста, теперь поделюсь советами по подготовке к собеседованиям.

• Литкод: пройти хороший курс и дальше методично решать задачки. Кому-то для успеха достаточно 100-200, мне нужны было 500+, чтобы почувствовать себя хоть сколько-то уверенным. Плюс важно нормально коммуницировать на каждом шагу, а не писать код молча
• Вопросы по теории - а хз как к ним готовиться, только учить много всего и вести записи об этом
• Заодно делюсь своим сайтом с заметками по теории ML и по подготовке к собесам
• ML System Design - надо готовить структурированые ответы: уточнение требований, общее описание и дизайн, работа с данными, моделирование, деплой, поддержка и мониторинг. Стоит подробно расписать несколько кейсов, потом репетировать их до успеха
• Бихейв: собрать список из 20+ возможных вопросов, на каждый написать 1-2 ответа в стиле STAR. Никогда никого не критиковать, на "негативные" вопросы отвечать красиво, подстраивать ответы под компанию
• Практиковаться на реальных собесах, брать мок-собеседования (как бесплатные, так и платные)
• Надеяться на удачу

Остальные подробности в блогпосте :)

Personal blog
Medium
LinkedIn Pulse

#datascience #life

Claude Code 2.0
Но что ещё интереснее, anthropic опубликовали claude code 2.0!

https://www.npmjs.com/package/@anthropic-ai/claude-code

Из интересных изменений:
• Нативное приложение для VS Code
• команда /rewind для отката изменений
• команда /usage для просмотра лимитов твоего плана
• Ctrl + R для поиска по истории
• Tab для включения думающего режима

Остальные изменения тут: https://github.com/anthropics/claude-code/blob/main/CHANGELOG.md#200

​​OpenAI: https://openai.com/index/buy-it-in-chatgpt/ Давайте покупать всё через ChatGPT
Internet:

​​LongLive: Real-time Interactive Long Video Generation

LONGLIVE — новая frame-level autoregressive модель для real-time и interactive long video generation.

Есть три ключевые идеи — KV recache для плавной смены prompt без визуальных артефактов, train-long–test-long обучение для борьбы с дрифтом контента и short-window attention + frame sink для ускорения генерации — модель генерирует видео длиной до 240 секунд на одной H100 с 20.7 FPS.

Демка на сайте выглядит офигенно - показывается, как при вводе нового промпта, видео мгновенно обновляется. Жаль, в демке не дают нам самим это делать.

Paper
Project
Code

Мои обзоры:
Personal blog
Medium
Linkedin Pulse

#paperreview

​​Ожидания от AI: понимает с полуслова, выполняет команды корректно.
Реальность:
Эх, Siri...

From Kaggle to Meta, with abhishek

Abhishek (4x GM) снова начинает вести youtube, завёл новый подкаст. Он пригласил меня быть первым участником, завтра будет live общение. Чёткой программы нет, наверное поболтаем про Kaggle, карьеру в целом, про работу в Middle East и про то, как я попал в Meta.

#datascience #life

​​The Dragon Hatchling: The Missing Link between the Transformer and Models of the Brain

Очередная попытка сделать архитектуру, похожую на работу мозга. Авторы сделали модель с графом из взаимодействующих “нейронов” с Hebbian learning, spiking dynamics и scale-free структурой, напоминающей мозг.

По метрикам BDH достигает GPT-2, но при этом даёт интерпретируемые, положительные, разреженные активации и показывает, как attention в LLM может сводиться к "the equations of reasoning".

В статье очень много теории и формул, а также воды. Вроде и интересно, но за стеной рассуждений сложно докопаться до сути.

Paper
Code


Мои обзоры:
Personal blog
Medium
Linkedin Pulse

#paperreview

​​О насущном

​​https://www.arxiv.org/abs/2510.15511
Теперь чтобы стать первым автором статьи, надо не только написать статью, но ещё и...

https://www.arxiv.org/abs/2510.15511

Paper Review: Chronos-2: From Univariate to Universal Forecasting

Chronos-2 — новая претренированная модель для временных рядов, которая умеет делать zero-shot прогнозирование не только для univariate, но и для multivariate и covariate-informed задач. Благодаря group attention механизму она делает in-context learning между связанными рядами, а обучение на synthetic data с разными зависимостями позволяет охватывать широкий спектр сценариев. На бенчмарках fev-bench, GIFT-Eval и Chronos Benchmark II модель показывает SOTA результаты, особенно в задачах с дополнительными переменными.

Если не врут, то можно из коробки применять к любым временным рядам. Звучит впечатляюще.

А полтора года назад я писал обзор на прошлую версию модели тут.

Paper
Code

Мои обзоры:
Personal blog
Medium
Linkedin Pulse

#paperreview

​​Как сделать так, чтобы ваша модель была топ-1 на лидерборде?

Конечно, создать свой лидерборд.

Представляю вашему вниманию лидерборд от... Франции: https://comparia.beta.gouv.fr/ranking

Сделали лидерборд на основе Bradley-Terry satisfaction score, и mistral-medium-3.1 занимает гордое первое местро

​​5-Day AI Agents Intensive Course with Google

Если кто пропустил, сегодня начался курс по агентам на Kaggle от Google.

https://www.kaggle.com/learn-guide/5-day-agents

Первый день... не впечатлил.
Из хорошего: описали подходы к построению систем с несколькими агентами, дали практические примеры.
Из минусов: по факты мы просто дергаем гугловые апишки. Наверное я слишком наивно надеялся на то, что нас будут учить делать агентов с нуля.

Но может это и не было целью. Кстати, я как раз несколько дней назад наткнулся на шикарный блогпост, показывающий как просто написать базового агента с tools и function calling: https://fly.io/blog/everyone-write-an-agent/

#datascience #kaggle

​​Текущее состояние собесов в индустрии. 11 технических раундов, код из домашнего задания вмёрджили в кодовую базу, но вы всё равно не подходите

https://x.com/beaversteever/status/1987913872573939818

We ran over 600 image generations to compare AI models

https://latenitesoft.com/blog/evaluating-frontier-ai-image-generation-models/

Довольно интересный блогпост. Авторы работают над своим приложением для фото и их редактирования, и в ходе работы делали много экспериментов с тремя основными моделями: OpenAI (gpt-image-1), Gemini - gemini-2.5-flash-image (nanoBanana), Seedream (seedream-4-0-250828).

В блогпосте можно посмотреть много примеров и почитать про проблемы.

Общие выводы:
- Gemini отлично сохраняет детали и минимально галлюцинирует, но ценой этого являются частые отказы, особенно при запросах на редактирование фото людей. Нередко просто возвращает неизменённые картинки
- OpenAI часто изменяет детали фото (особенно в лицах людей), что является проблемой. И нередко добавляет оранжевый цвет (Hello Mexico :D). Но хорошо работает для креативных изменений.
- Seedream где-то посередине

#datascience

​​GPT-5.1: A smarter, more conversational ChatGPT

https://openai.com/index/gpt-5-1/

Никто не ждал, но вот новая версия подъехала! И не просто 5.1, а 5.1 Instant и 5.1 Thinking.

"""We heard clearly from users that great AI should not only be smart, but also enjoyable to talk to. GPT‑5.1 improves meaningfully on both intelligence and communication style.

We’re also making it easier for you to shape ChatGPT’s tone. Preferences on chat style vary—from person to person and even from conversation to conversation—so we’re introducing more intuitive and effective controls so ChatGPT can better match the tone you want in responses."""

Интересно, неужели вернули к спорному стилю, который был не так давно удалён?

"Earlier this year, we added preset options to tailor the tone of how ChatGPT responds. Today, we’re refining those options to better reflect the most common ways people use ChatGPT. Default, Friendly (formerly Listener), and Efficient (formerly Robot) remain (with updates), and we’re adding Professional, Candid, and Quirky. "
И дефолтные стили обновили

#datascience

Lumine: Building Generalist Agents in 3D Open Worlds

Ресерчеры в Тиктоке, похоже, уже сделали всё что могли, осталось лишь развлекаться.

https://www.lumine-ai.org/

https://x.com/WeihaoTan64/status/1988853307587088616

Они натренировали агента для игры в... Genshin Impact. Полноценная трёхмерная игра с относительно открытым миром. Агент может пройти основную историю (которая занимает часов 5).

#datascience