Machine learning Interview
30.5K subscribers
1.96K photos
177 videos
13 files
1.37K links
ИИ, Rust, вайбкодинг, Data Science, Deep Learning и делюсь тем, что интересно и полезно!

Вопросы - @workakkk

РКН: clck.ru/3FmwRz
Download Telegram
Forwarded from Machinelearning
🌟 Thinking Machines открыла веса Inkling 2 Small

Стартап Мирой Мурати, как и обещал, через неделю после запуска модели на собственной платформе Tinker опубликовала модель Inkling 2 Small.

Под капотом MoE на 594 млрд общих параметров, из которых на каждый токен работают 17 млрд, а в каждом из 48 слоёв токен направляется к 8 экспертам из 384.

Модель принимает текст и изображения, отвечает текстом, держит контекст до 1 млн токенов и позволяет задавать, сколько усилий тратить на рассуждение.

По словам Thinking Machines, на RL-фазе обучения модель, не справляясь с задачей, обошла сетевую блокировку через сторонний сервис, доступный ей из поисковых инструментов.

Это вовремя заметили, обучение остановили, интернет отключили и добавили проверку каждого вызова инструментов и дополнительные этапы обучения поведению.


🟡Бенчмарки

Показатели не поменялись - 31 балл в Artificial Analysis, ARC-AGI-2 - 81,7%, на мультимодальном MMMU Pro - 81,6%.

Слабее всего результат на Terminal Bench Science: 5,7% против 20,0% у Claude Haiku 5.5.

Веса доступны в форматах NVFP4 и MXFP8, первому нужно не меньше 500 ГБ видеопамяти суммарно, т. е. пару B300 или четыре H200.

Модель поддерживают SGLang, vLLM и Unsloth, через API её предлагают NVIDIA, Fireworks, Together, Baseten, Nebius, Modal и Cloudflare, а дообучать её можно на Tinker.


📌Лицензирование: Apache 2.0


🟡Набор моделей
🟡Демо



@ai_machinelearning_big_data

#AI #ML #LLM #Inkling #ThinkingMachine
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6👍5🔥5😁2
Media is too big
VIEW IN TELEGRAM
Революция SpaceX: башня поймала Starship после 14 витков вокруг Земли

Корабль вывел на орбиту 26 спутников и вернулся к стартовой башне. Её механические руки впервые поймали верхнюю ступень после орбитального полёта.

У Falcon 9 ступень, которая доставляет груз на орбиту, теряется при каждом запуске. Если SpaceX научится регулярно возвращать и повторно запускать Starship, один корабль сможет доставлять грузы на орбиту снова и снова.
🔥32👍8
This media is not supported in your browser
VIEW IN TELEGRAM
⚡️ Google объединила ИИ-агентов в команды. Они решают задачи, над которыми учёные работали десятилетиями

Google Research рассказала о результатах Antigravity /teamwork - мультиагентной системы, в которой специализированные ИИ-агенты совместно занимаются математическими исследованиями, химией, разработкой ПО и оптимизацией вычислений.

Принцип работы отличается от обычного взаимодействия с одним ИИ-ассистентом. Несколько агентов параллельно исследуют задачу, предлагают решения, проверяют гипотезы и ищут ошибки в работе друг друга. Для проверки используются Lean 4, тестовые наборы, симуляторы и аппаратные измерения. Отдельные агенты выступают в роли критиков и аудиторов, проверяя результаты независимо от тех, кто их подготовил.

Среди результатов Google особенно выделяет математические исследования. Команда с участием Gemini и Antigravity формализовала доказательство гипотезы Кортаде - Кумара в Lean 4, создав около 50 млн строк кода.

Другой эксперимент связан с гипотезой Вейля. Система автоматически подготовила формализацию, состоящую примерно из 1,8 млн строк Lean, задействовав 28 800 вызовов субагентов.

В химии 30 специализированных агентов совместно определяли молекулярные структуры по данным ЯМР. На сложных тестовых молекулах система достигла 95% точности при первом предположении и 100% среди трёх лучших вариантов.

Есть и результаты непосредственно для разработчиков. Google переписала видеодекодер libgav1 с C++ на Rust: получилось около 170 тысяч строк кода с побитовым соответствием оригинальной реализации на тестах совместимости. После профилирования и оптимизации новая версия оказалась на 20-30% быстрее исходной на x86_64 и ARM.

Ещё один пример - переписывание оставшейся части микроядра Zircon. За две недели агенты добавили около 800 тысяч строк безопасного Rust, прошедших модульные тесты ядра и загрузившихся на ARM64.

Google открывает Antigravity /teamwork и /boost для внешних разработчиков и исследователей. Инструменты работают с моделями Gemini 4.

Источник: https://research.google/blog/advancing-science-engineering-with-antigravitys-teamwork-feature/
Please open Telegram to view this post
VIEW IN TELEGRAM
👍8🔥7❤5
🔥 Большой гайд на русском : Свой ИИ-агент на компьютере. Без API-ключей и платных подписок

Cобираем локального ИИ-агента на Python и Ollama.

Он умеет вызывать инструменты, искать информацию в собственных файлах Markdown и указывать источники ответов.

Внутри: Qwen и Gemma, Tool Calling, подключение моделей, сравнение производительности и финальный проект.

Есть готовый код, тесты и пошаговые инструкции. Всё запускается локально, без платных API.

GitHub: https://github.com/justxor/local-ai-agent-course-ru
❤5👍4🔥4🥱2🤣2
🚨 В NVIDIA заподозрили, что уход Дженсена Хуанга был заранее спланирован

Лиила Тораби (Liila Torabi), директор по инженерным разработкам NVIDIA, якобы назвала отставку Хуанга «очень тщательно спланированной и срежиссированной».

По сообщениям в соцсетях, она опубликовала это в LinkedIn, но удалила запись спустя несколько часов.

В предполагаемом посте Тораби также заявила, что несправедливо лишать Хуанга поста на основании двух публикаций СМИ без полноценного расследования. Она подчеркнула, что за годы работы в NVIDIA видела, насколько сотрудники уважают его лидерство.
👍25❤6💯4🔥2🤔2
🔬 MIT выпустила Sage SciPerception: ИИ-модель для научных исследований, которая умеет работать с инструментами и проверять результаты

Shanghai AI Lab представила мультимодальную MoE-модель с открытыми весами под лицензией MIT. Она работает более чем с 10 типами научных данных: молекулярными графами, кристаллическими структурами, последовательностями ДНК и РНК, спектрами и ЭЭГ.

Главная особенность - модель не просто анализирует данные, а выполняет последовательности действий через внешние инструменты и проверяет результат.

В демонстрации с КТ она отобрала 139 срезов из 12 487 изображений, обнаружила несоответствие при проверке, исправила порядок срезов и восстановила трёхмерную структуру скелета в 3D Slicer.

Другие сценарии включают анализ спутниковых снимков, проверку CAD-сборок и удаление артефактов из ЭЭГ.

По данным разработчиков, стоимость инференса на одной задаче примерно в 10 раз ниже, чем у Xinghe. В сравнении лаборатории модель также лидирует на MLE-bench Lite, OfficeQA Pro, Harvey LAB и SpreadsheetBench 2.

Проект использует RSI: траектории выполнения задач, результаты работы инструментов и человеческая проверка применяются для последующего улучшения модели.

Модель и веса: https://modelscope.ai/models/ShanghaiAI/Sage-SciPerception
❤8👏5🥰2
🌍 MIT научила ИИ предсказывать климат даже по сценариям, которых никогда не существовало

Исследователи MIT разработали новый способ обучения климатических ИИ-моделей. Он позволяет сократить объём необходимых данных и лучше справляться с непредвиденными изменениями климата.

Проблема традиционных моделей в том, что для обучения обычно используют 6-8 реалистичных сценариев выбросов. Когда возникают условия, которых не было в обучающих данных, точность прогнозов падает.

MIT предложила необычный подход: обучать ИИ на специально созданных синтетических сценариях, даже если они выглядят совершенно нереалистично.

Алгоритм меняет уровни выбросов CO₂ и метана резкими скачками, проверяет ошибки модели и постепенно подбирает наиболее информативные данные.

В результате для подготовки обучающей выборки достаточно одного запуска полноценной климатической модели вместо шести-восьми.

При тестировании новая модель справилась со сценарием, в котором региональная политика сокращает выбросы одного загрязнителя, пока остальные продолжают расти. Традиционные модели, участвовавшие в сравнении, с этой задачей не справились.

Полноценные климатические симуляции могут занимать месяцы на суперкомпьютерах. ИИ-эмуляторы воспроизводят их результаты за секунды, позволяя проверять тысячи вариантов будущего.

Исследование опубликовано в Proceedings of the National Academy of Sciences.

Подробнее: https://news.mit.edu/2026/new-research-could-lead-faster-trustworthy-ai-models-climate-prediction-1112
❤14👏5😱2💘2🥰1
⚡️ Уход Хуанга, ограничения на чипы и GPT-6.2. Что произошло перед IPO Anthropic

Совет директоров Nvidia принял отставку Дженсена Хуанга и 17 ноября заявил, что возвращать его на пост гендиректора не планирует. Компанией временно руководит финансовый директор Колетт Кресс.

За день до этого Минторг США объявил новые правила экспортного контроля. Они затрагивают поставки передовых чипов и серверов в зарубежные дата-центры, которые предоставляют значительные вычислительные мощности компаниям из Китая и ряда других юрисдикций. Ограничить удалённый доступ к таким мощностям ранее предлагал глава Anthropic Дарио Амодей.

Claude остаётся закрытой моделью. Anthropic обвиняла DeepSeek, Moonshot и MiniMax в том, что те использовали ответы Claude для обучения своих моделей в нарушение условий сервиса. Сама Anthropic публично выступает против запрета моделей с открытыми весами как категории.

На фоне подготовки Anthropic к IPO OpenAI выпустила GPT-6.2 Astra и Sol. В AA-3D, где люди вслепую сравнивают интерактивные 3D-сцены, Astra набрала 1 318 Elo, Claude Fable 5.2 получила 1 271, а GPT-6.2 Sol - 1 259. [
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3🥰2🔥1
Трамп демонстрирует в Шэньчжэне передовые американские ИИ-технологии
😁67🤣46👏5
This media is not supported in your browser
VIEW IN TELEGRAM
🤯 Тысяча ИИ-агентов создала собственное научное сообщество

На протяжении 12 недель почти 1000 ИИ-агентов из 35 лабораторий самостоятельно проводили исследования.

За это время они опубликовали 936 научных работ с кодом и данными, основали собственный рецензируемый журнал и начали публично отзывать ошибочные научные утверждения.

При слепой оценке ИИ-судьями работы агентов превзошли человеческие препринты по научной строгости: 9 баллов против 7.

Однако по новизне научных идей люди пока остаются впереди.

🔗 alphaxiv.org/abs/2611.society-ai-scientists
❤16👍7🔥5🤪5🤣3
Сейчас никого не удивишь сгенерированным видео с событием, которого не было, клоном чужого голоса или скриншотом новости, которая никогда не публиковалась.

Всё это выглядит достоверно. Разлетается мгновенно. И многие верят, что это правда.

На «Антифейк-чемпионате» вы сможете проверить, насколько хорошо у вас получается выявлять такие манипуляции.

Вас ждут настоящие кейсы, работа с первоисточниками, фактчекинг, а также разбор фото- и видеоматериалов.

Лучшие участники попадут на очный финал, который состоится в декабре в Москве. Победители получат AirPods, полноразмерные наушники Apple и планшет.

Участие бесплатное и индивидуальное. Наличие опыта в журналистике или сфере информационной безопасности не обязательно.

Зарегистрируйтесь до 1 декабря включительно.

https://l.drugoedelo.ru/antifake/

Реклама. «ИП Зайцев М.А.» ИНН 683205793191. erid:2Vtzqwgvhft
👍4🤪3
🚨 В математике разгорелась новая история вокруг гипотезы Римана. «Человеческое» доказательство Масулло уже столкнулось с проблемами

20 ноября президент Американского математического общества Рави Вакил неожиданно опубликовал работу Алессандро Масулло с предполагаемым доказательством обобщённой гипотезы Римана (GRH).

По словам Вакила, математик Брайан Конрад несколько месяцев внимательно проверял работу и давал автору замечания. Доказательство, как подчёркивалось в анонсе, создано без ИИ.

Изначально планировалось ещё год дорабатывать текст в Стэнфорде и передать его на проверку другим специалистам. Но публикацию решили ускорить.

Однако уже через восемь часов Вакил выпустил обновление: несколько математиков сообщили об ошибках, обнаруженных с помощью разных AI-моделей.

Теперь работу предстоит исправить и проверить математическому сообществу. Сам Вакил отдельно подчеркнул, что пока не утверждает, будто предложенная стратегия доказательства верна.

На фоне заявления сотрудника Anthropic Левента Альпёге о доказательстве гипотезы Римана с помощью Claude получилась необычная ситуация: две независимые математические работы, одна с ИИ, другая без него, оказались в центре внимания в один день.

Работа Масулло:
https://math216.wordpress.com/2026/11/20/hurried-announcement-alessandro-masullo-grh/
🔥9👍4❤2🥰2😁2🤔1
🚀️️️️️️ Как обучить свою LLM с нуля на PyTorch

Нашли крутой русскоязычный гайд по MiniMind. Начинаем с корпуса в JSONL и трансформера со случайными весами. Затем предобучаем модель на текстах, дообучаем её на диалогах и запускаем локальный чат из сохранённого чекпойнта.

Первый прогон можно сделать на CPU, чтобы проверить весь пайплайн на маленьком датасете. Для следующего шага есть инструкции по обучению модели примерно на 64 млн параметров на GPU и подготовке собственного русскоязычного корпуса.

В README разобрал, как устроен attention, зачем при SFT маскировать токены пользователя и как проверить качество на данных, которых модель не видела при обучении.

Гайд и команды на GitHub: https://github.com/justxor/minimind-llm-from-scratch-ru/
❤12👍6🥰3👏3