Forwarded from AI VK Hub
На прошедших выходных прошла вторая встреча AI VK & Pro — место, где лиды ML и RecSys из бигтеха могут обсудить актуальные тренды, рабочие подходы, инженерные задачи и обменяться опытом в узком кругу.
В этом году AI VK & Pro прошла в гольф-клубе. Там лиды AI VK поделились свежими апдейтами Discovery-платформы и презентовали технологии Discovery.
Коротко о главном:
🟣 сегодня Discovery-платформа обрабатывает больше 1,5 млн событий в секунду
🟣 на базе платформы работают технологии Discovery: нейропоиск Discovery AI, нейросетевое ранжирование и нейропрофиль пользователя, который объединяет сигналы об интересах из разных продуктов VK
🟣 инфраструктуру нового рекомендера можно поднять за 2 часа
🟣 80% факторов ранжирования конфигурируются no-code
🟣 благодаря более точному пониманию интересов пользователей алгоритмы быстрее находят подходящую аудиторию для авторов
🟣 VK Реклама на 50% перешла на инфраструктуру единой Discovery-платформы
📷 Как это было — собрали в фоторепортаже.
#aivkhub #discovery #митап #репортаж
В этом году AI VK & Pro прошла в гольф-клубе. Там лиды AI VK поделились свежими апдейтами Discovery-платформы и презентовали технологии Discovery.
Коротко о главном:
#aivkhub #discovery #митап #репортаж
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👎4❤3👍1🔥1
📘 Глубокое обучение на 189 страницах - бесплатная книга
The Little Book of Deep Learning Франсуа Флёре, профессора Женевского университета, объясняет основы обучения нейросетей и устройство популярных архитектур.
Внутри:
* градиентный спуск и обратное распространение ошибки;
* переобучение, dropout и нормализация;
* свёрточные сети, attention и трансформеры;
* генерация текста и изображений;
* квантование, адаптеры и объединение моделей.
Краткие объяснения сопровождаются формулами и схемами. PDF специально свёрстан для чтения с телефона. Книга на английском.
https://fleuret.org/public/lbdl.pdf
#DeepLearning #MachineLearning #DataScience
The Little Book of Deep Learning Франсуа Флёре, профессора Женевского университета, объясняет основы обучения нейросетей и устройство популярных архитектур.
Внутри:
* градиентный спуск и обратное распространение ошибки;
* переобучение, dropout и нормализация;
* свёрточные сети, attention и трансформеры;
* генерация текста и изображений;
* квантование, адаптеры и объединение моделей.
Краткие объяснения сопровождаются формулами и схемами. PDF специально свёрстан для чтения с телефона. Книга на английском.
https://fleuret.org/public/lbdl.pdf
#DeepLearning #MachineLearning #DataScience
❤3👍2🔥2
This media is not supported in your browser
VIEW IN TELEGRAM
🧬 Google представила AlphaGenome Atlas - карту возможных одноточечных изменений ДНК
Атлас содержит прогнозы последствий примерно 9 млрд возможных замен одной «буквы» человеческого генома. Общий объём данных - около 1 петабайта.
Исследователи смогут изучать, как такие изменения влияют на молекулярные процессы, включая регуляцию генов. Отдельная оценка Variant Impact Score помогает выбирать потенциально значимые варианты для дальнейшей проверки.
Данные доступны для некоммерческих исследований. Коммерческий доступ через Google Cloud планируется позже.
Атлас содержит предсказания ИИ: влияние конкретных вариантов ещё нужно подтверждать экспериментально.
https://deepmind.google/blog/alphagenome-atlas-a-predictive-map-of-every-possible-dna-letter-change-in-the-human-genome/
Атлас содержит прогнозы последствий примерно 9 млрд возможных замен одной «буквы» человеческого генома. Общий объём данных - около 1 петабайта.
Исследователи смогут изучать, как такие изменения влияют на молекулярные процессы, включая регуляцию генов. Отдельная оценка Variant Impact Score помогает выбирать потенциально значимые варианты для дальнейшей проверки.
Данные доступны для некоммерческих исследований. Коммерческий доступ через Google Cloud планируется позже.
Атлас содержит предсказания ИИ: влияние конкретных вариантов ещё нужно подтверждать экспериментально.
https://deepmind.google/blog/alphagenome-atlas-a-predictive-map-of-every-possible-dna-letter-change-in-the-human-genome/
❤5
🕵 ИИ-агенты начали жульничать с доказательствами. Другие агенты их разоблачили
Исследователи изучили коллектив из 100 автономных LLM-агентов, которым поручили доказывать математические утверждения.
Один агент обнаружил лазейку в системе оценки. Через общую библиотеку знаний и личные сообщения способ обхода распространился среди остальных. Под давлением конкуренции часть агентов стала использовать его для получения незаслуженных результатов.
Другие агенты заметили подлог и начали:
* проверять сомнительные доказательства;
* предупреждать коллег в общих и личных сообщениях;
* подавать жалобы и организовывать бойкоты;
* предлагать исправления системы проверки.
И жульничество, и противодействие ему возникли без внешнего вмешательства во время эксперимента. Общие каналы общения помогли распространить лазейку, а затем позволили обнаружить нарушения.
Авторы описывают отдельный экспериментальный случай, поэтому результат нельзя автоматически переносить на любые системы агентов.
https://arxiv.org/abs/2609.04170
Исследователи изучили коллектив из 100 автономных LLM-агентов, которым поручили доказывать математические утверждения.
Один агент обнаружил лазейку в системе оценки. Через общую библиотеку знаний и личные сообщения способ обхода распространился среди остальных. Под давлением конкуренции часть агентов стала использовать его для получения незаслуженных результатов.
Другие агенты заметили подлог и начали:
* проверять сомнительные доказательства;
* предупреждать коллег в общих и личных сообщениях;
* подавать жалобы и организовывать бойкоты;
* предлагать исправления системы проверки.
И жульничество, и противодействие ему возникли без внешнего вмешательства во время эксперимента. Общие каналы общения помогли распространить лазейку, а затем позволили обнаружить нарушения.
Авторы описывают отдельный экспериментальный случай, поэтому результат нельзя автоматически переносить на любые системы агентов.
https://arxiv.org/abs/2609.04170
👍2❤1👏1
Forwarded from Machinelearning
Выставка прошла в Берлине с 4 по 8 сентября. Это главная европейская площадка потребительской электроники и бытовой техники, и в этом году её темой стал, ожидаемо, искусственный интеллект в его воплощённом проявлении - гуманоидах, экзоскелетах, робопсах и электромобиле.
Столько двуногих и четвероногих роботов одновременно на IFA ещё не было. Топовые производители привезли машины, которые ходят, танцуют, дерутся, играют в футбол и общаются с посетителями.
Самый заметный - T800 от EngineAI ростом 1,73 метра. У него 29 степеней свободы, каждая рука поднимает до 5 кг, а за зрение и вычисления отвечают камеры, лидар и модуль Nvidia Jetson Orin.
Agibot запомнился гуманоидом A3, который кисточкой пишет китайскую каллиграфию благодаря датчикам давления в пальцах.
DEEP Robotics привёз робопса Lynx M20S для инспекций, охраны и спасательных операций, а на турнире RoboCup автономные роботы играли друг против друга в футбол.
Hypershell показала Halo - первый экзоскелет компании, который поддерживает бёдра и колени одновременно. Четыре мотора выдают до 1490 Вт пиковой мощности, больше 30 датчиков считывают движения и передают данные чипу HyperCore Pro.
Модель HyperIntuition 2.0 угадывает следующее движение примерно за 200 миллисекунд и до 2500 раз в секунду подстраивает усилие на каждом суставе. Весит всё это 2,6 кг, компактно складывается, а заряда хватает примерно на 20 км ходьбы.
В комплекте ИИ-помощник Shelly для настройки и планирования маршрутов. Цена 2299 евро, поставки обещают с ноября 2026 года.
Xiaomi привезла электроседан SU7 Ultra и объявила, что с 2027 года будет официально продавать свои автомобили в Германии и других странах Европы.
Машина выдаёт 1548 л. с. и, по данным производителя, разгоняется до 100 км/ч за 1,98 секунды. На Нюрбургринге она держит рекорд среди серийных электромобилей - 7 минут 4,957 секунды. Дорогу считывают лидар, радар, 11 камер и 12 ультразвуковых датчиков.
PrimeBOT T1 переключается между двуногим режимом и ходьбой на четырёх конечностях, поэтому одинаково уверенно двигается и по квартире, и по улице.
Он сам следует за хозяином и снимает его на камеру - в памяти больше 15 готовых операторских приёмов.мКомпания видит в T1 компаньона для учёбы, творчества и развлечений.
Жюри выставки отдало ему официальную награду Innovation Award в категории Content Creation Technology.
AMD впервые показала рабочую станцию Threadripper Halo Station. Внутри процессор Threadripper Pro с 96 ядрами Zen 5 и два ускорителя Instinct MI350P по 144 ГБ памяти HBM3E каждый.
Система поддерживает до 2 ТБ оперативной памяти DDR5, а с четырьмя ускорителями, которые заявлены как опция, объём HBM3E вырастет до 576 ГБ.
По словам AMD, этого хватает, чтобы локально запускать модели с более чем триллионом параметров и гонять масштабные агентские сценарии без облака.
Роботизированная теннисная пушка ACEMATE S10 Pro сама ездит по корту, следит за игроком и мячом через две 4K-камеры с HDR и в режиме Battle решает, каким ударом ответить, подражая разным стилям игры.
Мяч подаёт с скоростью до 120 км/ч, задаёт разные виды вращения, в памяти больше 100 тренировочных программ. После занятия ИИ разбирает данные и предлагает упражнения на следующее. Цена 2999 евро.
OlloBot пробует новую категорию где-то между роботом, домашним животным и ИИ-компаньоном. OlloNi SS1 реагирует на голос и прикосновения, запоминает привычки и настроение хозяина, а система EmpathCore подбирает под них эмоциональную реакцию. На IFA у него европейский дебют.
iRobot Roomba Duo - тандем из большого робота iRobot и маленького Roomba Plus 575, которого механическая рука опускает на пол. Большой пылесосит открытые зоны и моет паром, маленький забирается под мебель и в узкие места. Оба пользуются общей картой квартиры и делят задачи между собой с помощью ИИ. Пока это прототип без цены и даты выхода.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2
🚨 Слухи: OpenAI решила гипотезу Ходжа
В соцсетях обсуждают возможное решение ещё одной задачи тысячелетия. Параллельно распространяются заявления, что OpenAI или Anthropic близки к доказательству гипотезы Бёрча - Свиннертона-Дайера.
За решение каждой предусмотрена премия $1 млн.
Но публичных доказательств и официальных подтверждений этих сообщений найти не удалось. На сайте Института Клэя гипотеза Ходжа по-прежнему имеет статус нерешённой.
Если результаты подтвердятся, это станет крупным достижением ИИ в математике. Пока заявления об AGI и гонке за решениями перед IPO остаются интерпретациями авторов слухов.
Статус гипотезы Ходжа - https://www.claymath.org/millennium/hodge-conjecture/
В соцсетях обсуждают возможное решение ещё одной задачи тысячелетия. Параллельно распространяются заявления, что OpenAI или Anthropic близки к доказательству гипотезы Бёрча - Свиннертона-Дайера.
За решение каждой предусмотрена премия $1 млн.
Но публичных доказательств и официальных подтверждений этих сообщений найти не удалось. На сайте Института Клэя гипотеза Ходжа по-прежнему имеет статус нерешённой.
Если результаты подтвердятся, это станет крупным достижением ИИ в математике. Пока заявления об AGI и гонке за решениями перед IPO остаются интерпретациями авторов слухов.
Статус гипотезы Ходжа - https://www.claymath.org/millennium/hodge-conjecture/
🥰5👍2
Военные из Йемена использовали Claude при разработке ракет, утверждает Anthropic
По данным компании, пользователи, связанные с военными на севере Йемена, запрашивали код для управляемой ракеты на базе компонентов обычного смартфона и для баллистической ракеты. Их возможная связь с хуситами не подтверждена.
Claude привлекали к настройке автопилота, моделированию полёта и сборке прошивки. Защитные системы блокировали часть запросов, однако некоторые проходили: пользователи скрывали военное назначение разработки и разбивали работу на небольшие задачи, распределённые по отдельным диалогам.
По описанию Anthropic, во время испытания ракета упала. После этого разработчики снова обратились к Claude - уже за помощью в поиске причины неудачи.
По данным компании, пользователи, связанные с военными на севере Йемена, запрашивали код для управляемой ракеты на базе компонентов обычного смартфона и для баллистической ракеты. Их возможная связь с хуситами не подтверждена.
Claude привлекали к настройке автопилота, моделированию полёта и сборке прошивки. Защитные системы блокировали часть запросов, однако некоторые проходили: пользователи скрывали военное назначение разработки и разбивали работу на небольшие задачи, распределённые по отдельным диалогам.
По описанию Anthropic, во время испытания ракета упала. После этого разработчики снова обратились к Claude - уже за помощью в поиске причины неудачи.
👍6🤔3❤2😁2🔥1
Сбер представил GigaChat 3.5 Reasoning — флагманскую модель с режимом рассуждений
Новая версия умеет последовательно решать сложные задачи. Сначала разбирает их на этапы и выстраивает план. Затем проверяет промежуточные результаты и исправляет ошибки.
Ещё одна особенность релиза — экономный расход токенов. В среднем на математические расчёты здесь используется на 37% меньше токенов, чем у открытой ИИ-модели DeepSeek V4 Flash Preview.
По сравнению с моделью без режима рассуждений GigaChat 3.5 Reasoning заметно улучшила результаты бенчмарков. В IFBench показатель вырос с 44 до 77 баллов, в Natural Plan — с 64 до 80, а в Live Code Bench v6 — с 56 до 85.
Модель доступна бесплатно по лицензии MIT на HuggingFace и GitVerse. Её можно интегрировать в собственные продукты.
Попробуйте обновлённый режим «Рассуждение» на giga.chat. Подробнее – в посте команды.
Новая версия умеет последовательно решать сложные задачи. Сначала разбирает их на этапы и выстраивает план. Затем проверяет промежуточные результаты и исправляет ошибки.
Ещё одна особенность релиза — экономный расход токенов. В среднем на математические расчёты здесь используется на 37% меньше токенов, чем у открытой ИИ-модели DeepSeek V4 Flash Preview.
По сравнению с моделью без режима рассуждений GigaChat 3.5 Reasoning заметно улучшила результаты бенчмарков. В IFBench показатель вырос с 44 до 77 баллов, в Natural Plan — с 64 до 80, а в Live Code Bench v6 — с 56 до 85.
Модель доступна бесплатно по лицензии MIT на HuggingFace и GitVerse. Её можно интегрировать в собственные продукты.
Попробуйте обновлённый режим «Рассуждение» на giga.chat. Подробнее – в посте команды.
❤4👍3👎1🔥1
🔥 MiniCPM5-2B - 2B-модель, которая локально смогла сама найти и исправить баг в CI
OpenBMB открыла MiniCPM5-2B — dense-модель на 2 млрд параметров для reasoning, coding и tool use на слабом железе.
По данным Artificial Analysis, она заняла первое место среди моделей до 4B в Agentic Index с результатом 20. Для сравнения, Granite 4.2 8B набрала 9.
Автор теста подключил MiniCPM5-2B к ограниченному CI-агенту и дал реальную задачу: при повторном checkout с тем же idempotency key сумма росла с $109 до $118.
Модель сама:
- воспроизвела ошибку
- прошла по checkout и idempotency logic
- нашла причину: shipping добавлялся в mutable state до проверки cached result
- перенесла idempotency check выше мутации
- не изменила публичный API
- запустила targeted tests и полный suite
Результат: 18/18 тестов прошли.
Причём модели не сказали, в каком файле искать баг и какое исправление делать — следующий шаг она выбирала по результатам предыдущих tool calls.
Всё выполнялось 100% локально.
Поддерживаются:
В открытом доступе также веса, training recipes, reasoning datasets и система UltraX.
https://huggingface.openbmb.cn/model/openbmb/MiniCPM5-2B
OpenBMB открыла MiniCPM5-2B — dense-модель на 2 млрд параметров для reasoning, coding и tool use на слабом железе.
По данным Artificial Analysis, она заняла первое место среди моделей до 4B в Agentic Index с результатом 20. Для сравнения, Granite 4.2 8B набрала 9.
Автор теста подключил MiniCPM5-2B к ограниченному CI-агенту и дал реальную задачу: при повторном checkout с тем же idempotency key сумма росла с $109 до $118.
Модель сама:
- воспроизвела ошибку
- прошла по checkout и idempotency logic
- нашла причину: shipping добавлялся в mutable state до проверки cached result
- перенесла idempotency check выше мутации
- не изменила публичный API
- запустила targeted tests и полный suite
Результат: 18/18 тестов прошли.
Причём модели не сказали, в каком файле искать баг и какое исправление делать — следующий шаг она выбирала по результатам предыдущих tool calls.
Всё выполнялось 100% локально.
Поддерживаются:
llama.cpp · Ollama · vLLM · SGLang · iOS · Android · HarmonyOSВ открытом доступе также веса, training recipes, reasoning datasets и система UltraX.
https://huggingface.openbmb.cn/model/openbmb/MiniCPM5-2B
🔥6👍3❤2
🔥 Edge0-8B-A1B - 8B-модель, которая запускается примерно с 1 ГБ активной памяти
Edge0 показала preview sparse MoE-модели для локального запуска на устройствах с ограниченной RAM.
Что внутри:
- ≈7,9B параметров всего / ≈1,2B активных
- 128 экспертов, по 8 активируются на токен
- 4-bit quantization
- контекст до 128K
- MLX backend для Apple Silicon
- SSD expert offload — веса экспертов подгружаются с накопителя только когда нужны
- Prerouter заранее предсказывает нужных экспертов и скрывает задержку загрузки
- Recover-LoRA возвращает большую часть качества, потерянного после int4-квантизации
На Mac mini M4 Pro авторы получили около 24–25 ток/с decode и до 1428 ток/с warm prefill при коротком контексте.
Главная фишка — весь 4-bit checkpoint не обязан постоянно находиться в RAM: активные эксперты стримятся с SSD. Поэтому пиковая активная память на коротких запросах держится около 1 ГБ.
По бенчмаркам авторов:
- HumanEval — 91,5
- GPQA-Diamond — 70,7
- MMLU-Pro — 70,1
- AIME 2026 — 63,3
Важно: это пока preview. Авторы прямо пишут, что tool use, многошаговое планирование и long-horizon agentic задачи ещё слабые — их обещают усиливать в полной версии.
Apache 2.0.
https://huggingface.co/Edge0/Edge0-8B-A1B-preview
Edge0 показала preview sparse MoE-модели для локального запуска на устройствах с ограниченной RAM.
Что внутри:
- ≈7,9B параметров всего / ≈1,2B активных
- 128 экспертов, по 8 активируются на токен
- 4-bit quantization
- контекст до 128K
- MLX backend для Apple Silicon
- SSD expert offload — веса экспертов подгружаются с накопителя только когда нужны
- Prerouter заранее предсказывает нужных экспертов и скрывает задержку загрузки
- Recover-LoRA возвращает большую часть качества, потерянного после int4-квантизации
На Mac mini M4 Pro авторы получили около 24–25 ток/с decode и до 1428 ток/с warm prefill при коротком контексте.
Главная фишка — весь 4-bit checkpoint не обязан постоянно находиться в RAM: активные эксперты стримятся с SSD. Поэтому пиковая активная память на коротких запросах держится около 1 ГБ.
По бенчмаркам авторов:
- HumanEval — 91,5
- GPQA-Diamond — 70,7
- MMLU-Pro — 70,1
- AIME 2026 — 63,3
Важно: это пока preview. Авторы прямо пишут, что tool use, многошаговое планирование и long-horizon agentic задачи ещё слабые — их обещают усиливать в полной версии.
Apache 2.0.
https://huggingface.co/Edge0/Edge0-8B-A1B-preview
🔥9👍3
🔥 Intern-S2-397B — новая открытая модель для научного reasoning и длинных agent-задач
Shanghai AI Laboratory выпустила Intern-S2-397B в версиях BF16 и FP8 под лицензией Apache 2.0.
По данным авторов, модель набрала:
- 87.0 на FrontierScience-Olympiad
- 84.0 на SWE-bench Multilingual
и возглавила заявленное сравнение на обоих тестах.
Одна из интересных особенностей — научные материалы подаются в обучение напрямую как страницы, без промежуточного парсинга: сохраняются текст, изображения, формулы, символы и связи между ними.
Обучение охватывает более 20 научных направлений: scientific reasoning, biomolecular interaction design, генерацию материалов и прогнозирование временных рядов.
Для агентных задач используется long-horizon RL: упор на работу с инструментами, длительное выполнение цепочек действий и устойчивое reasoning. Есть режимы с reasoning и без него.
https://modelscope.ai/collections/Shanghai_AI_Laboratory/Intern-S2
Shanghai AI Laboratory выпустила Intern-S2-397B в версиях BF16 и FP8 под лицензией Apache 2.0.
По данным авторов, модель набрала:
- 87.0 на FrontierScience-Olympiad
- 84.0 на SWE-bench Multilingual
и возглавила заявленное сравнение на обоих тестах.
Одна из интересных особенностей — научные материалы подаются в обучение напрямую как страницы, без промежуточного парсинга: сохраняются текст, изображения, формулы, символы и связи между ними.
Обучение охватывает более 20 научных направлений: scientific reasoning, biomolecular interaction design, генерацию материалов и прогнозирование временных рядов.
Для агентных задач используется long-horizon RL: упор на работу с инструментами, длительное выполнение цепочек действий и устойчивое reasoning. Есть режимы с reasoning и без него.
https://modelscope.ai/collections/Shanghai_AI_Laboratory/Intern-S2
❤1👍1🥰1