Forwarded from ODS Events
Привет!
Рады сообщить, что🦜 ODS совместно с Международным университетом информационных технологий запустили соревнование по написанию кода ИИ-агентами - SWE MERA Challenge.
Соревнование пройдет в три этапа:
✅ на первом этапе участникам с помощью любых агентов предстоит решить представленные задания на своей стороне;
✅ на последующих этапах то же самое нужно будет делать уже в изолированном окружении.
⭐️Для Топ-3 участников будет дана возможность представить свою работу на конференции по программной инженерии ICSE 2027!
Присоединяйтесь к соревнованию по 🔗ссылке!
Рады сообщить, что
Соревнование пройдет в три этапа:
⭐️Для Топ-3 участников будет дана возможность представить свою работу на конференции по программной инженерии ICSE 2027!
Присоединяйтесь к соревнованию по 🔗ссылке!
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4
Научный опенсорс
1) Как уже обсудили в чате, Яндекс выкатил Alice AI‑T5-35B‑A0.6B.
Модель обучена с нуля, в онлайн-эксперименте винрейт 56% против Google AI Overview.
Модель обучена с нуля, в онлайн-эксперименте винрейт 56% против Google AI Overview.
И ещё один опенсорс-релиз от Яндекса - Alice AI Foundation 80B LLM.
AliceAI-Foundation-80B-A3B-Base – базовая языковая модель с гибридной архитектурой и MoE-слоями. Модель содержит 80 млрд параметров, из которых для каждого токена активируются 3 млрд, и поддерживает контекст длиной до 262 144 токенов. Модель была обучена полностью с нуля.
При создании модели мы заново собрали обучающий корпус, выбрали архитектуру и гиперпараметры, а также подготовили данные для сложных рассуждений и взаимодействия с инструментами.
Пост авторов: https://t.me/MLunderhood/427
HF: https://huggingface.co/yandex/AliceAI-Foundation-80B-A3B-Base
Техрепорт: https://habr.com/ru/companies/yandex/articles/1083300/
Лицензия - Апач 2.0.
AliceAI-Foundation-80B-A3B-Base – базовая языковая модель с гибридной архитектурой и MoE-слоями. Модель содержит 80 млрд параметров, из которых для каждого токена активируются 3 млрд, и поддерживает контекст длиной до 262 144 токенов. Модель была обучена полностью с нуля.
При создании модели мы заново собрали обучающий корпус, выбрали архитектуру и гиперпараметры, а также подготовили данные для сложных рассуждений и взаимодействия с инструментами.
Пост авторов: https://t.me/MLunderhood/427
HF: https://huggingface.co/yandex/AliceAI-Foundation-80B-A3B-Base
Техрепорт: https://habr.com/ru/companies/yandex/articles/1083300/
Лицензия - Апач 2.0.
🔥7❤2
Китайские авторы сделали открытый датасет иллюстраций из топ-статей по AI/ML:
https://github.com/qwdwqfwq/topconf-paper-figure-gallery
https://qwdwqfwq.github.io/topconf-paper-figure-gallery/
Развиваем художественный вкус, получается.
https://github.com/qwdwqfwq/topconf-paper-figure-gallery
https://qwdwqfwq.github.io/topconf-paper-figure-gallery/
Развиваем художественный вкус, получается.
❤9
Делаем вместе с коллегами из Sber AI Lab конференцию в Москве - всех приглашаю! Расскажу про нашу агентную науку и реализующий её опенсорс.
🔥5❤1
Forwarded from ИИ Песочница Sber AI Lab
Sber AI Lab и Университет ИТМО собирают исследователей, инженеров и лидеров индустрии, чтобы обсудить переход от передового AI-ресерча к реальным продуктам.
Зачем быть очно?☑️ Разобрать практический опыт внедрения☑️ Задать вопросы авторам исследований напрямую☑️ Нетворкинг с командами Sber AI Lab
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6⚡1👍1
Forwarded from Data Secrets
Ученый из Гарварда придумал, как искать задачи специально под ИИ
Мэтью Шварц, который ранее за две недели написал с Claude полноценную работу по теоретической физике, продолжил эксперимент. На этот раз он решил не заставлять модель работать как ученого, а искать научные задачи, которые хорошо подходят под сильные стороны современных LLM.
Он называет их Claude-shaped problems. Идея в том, что в разных областях науки постоянно встречаются очень похожие математические конструкции, но ученые из одной области могут просто не знать, что нужный метод уже давно существует в другой. А LLM как раз очень хорошо умеют находить такие связи между огромным количеством разрозненной литературы.
Под это Шварц вместе с Claude собрал BootLoops, набор инструментов для точных математических вычислений. Изначально он создавался для теоретической физики, но затем Claude начал находить практически те же задачи в экологии, генетике, экономике, лингвистике и других областях.
Например, в экологии модель нашла уравнение из теории биоразнообразия, которое около 20 лет не умели эффективно считать на больших данных, и решила его методами из математической физики. А в популяционной генетике Claude нашел способ точно вычислить интеграл, который около 30 лет приходилось оценивать приближенно. Это позволило исследователям проверить модель рекомбинации ДНК на огромном массиве генетических данных и обнаружить следы генной конверсии, которые раньше было сложно выделить.
Но тут обнаружилась важная проблема. Claude довольно хорошо находил технически правильные результаты и очень плохо понимал, насколько они вообще интересны для конкретной науки. Шварц несколько раз приносил такие находки профильным специалистам и получал примерно один ответ: технически впечатляет, научно не очень интересно.
Поэтому дальше схема работы стала другой. Claude ищет связи между областями, пишет код, считает и перебирает гипотезы, а профильный ученый определяет, какой вопрос действительно стоит задавать. Так из первоначально неинтересного результата по экологии вместе с экспертом сделали новую модель динамики лесов, а из расчета по генетике пришли к анализу миллиардов пар мутаций.
Шварц считает, что именно здесь современные модели уже могут заметно ускорять науку. Огромный пласт научных задач можно решить не новым методом, а переносом уже существующего метода из другой области.
https://www.anthropic.com/research/claude-shaped-science
Мэтью Шварц, который ранее за две недели написал с Claude полноценную работу по теоретической физике, продолжил эксперимент. На этот раз он решил не заставлять модель работать как ученого, а искать научные задачи, которые хорошо подходят под сильные стороны современных LLM.
Он называет их Claude-shaped problems. Идея в том, что в разных областях науки постоянно встречаются очень похожие математические конструкции, но ученые из одной области могут просто не знать, что нужный метод уже давно существует в другой. А LLM как раз очень хорошо умеют находить такие связи между огромным количеством разрозненной литературы.
Под это Шварц вместе с Claude собрал BootLoops, набор инструментов для точных математических вычислений. Изначально он создавался для теоретической физики, но затем Claude начал находить практически те же задачи в экологии, генетике, экономике, лингвистике и других областях.
Например, в экологии модель нашла уравнение из теории биоразнообразия, которое около 20 лет не умели эффективно считать на больших данных, и решила его методами из математической физики. А в популяционной генетике Claude нашел способ точно вычислить интеграл, который около 30 лет приходилось оценивать приближенно. Это позволило исследователям проверить модель рекомбинации ДНК на огромном массиве генетических данных и обнаружить следы генной конверсии, которые раньше было сложно выделить.
Но тут обнаружилась важная проблема. Claude довольно хорошо находил технически правильные результаты и очень плохо понимал, насколько они вообще интересны для конкретной науки. Шварц несколько раз приносил такие находки профильным специалистам и получал примерно один ответ: технически впечатляет, научно не очень интересно.
Поэтому дальше схема работы стала другой. Claude ищет связи между областями, пишет код, считает и перебирает гипотезы, а профильный ученый определяет, какой вопрос действительно стоит задавать. Так из первоначально неинтересного результата по экологии вместе с экспертом сделали новую модель динамики лесов, а из расчета по генетике пришли к анализу миллиардов пар мутаций.
Шварц считает, что именно здесь современные модели уже могут заметно ускорять науку. Огромный пласт научных задач можно решить не новым методом, а переносом уже существующего метода из другой области.
https://www.anthropic.com/research/claude-shaped-science
❤8🤔4👍2
Forwarded from Sber AI
This media is not supported in your browser
VIEW IN TELEGRAM
ВАМ LLM ИЛИ LLM ПОБЫСТРЕЕ? 🔫
Команда ML-инженера Sber AI Артёма Снегирева выпустила FRIDA-Decisions — быстрый энкодер, который берёт на себя простые решения, пока LLM занимается сложными. Энкодер может использоваться для роутинга, guardrails, классификации и отбора документов для RAG.
Вот всё, что нужно знать о FRIDA:
Модель не прогоняет текст заново для каждого варианта, а читает его один раз, поэтому разбирает каталог из 243 интентов за 0,44 вместо 4,65 секунды. На бенчмарке razvilka из 735 задач на русском FRIDA-Decisions набрала 0,893 — почти на уровне коммерческого API TypeSafe Jev (0,897).
Веса, код и демодоступны открыты по лицензии MIT:
✔️ Подписывайтесь на Sber AI в МАКС
Команда ML-инженера Sber AI Артёма Снегирева выпустила FRIDA-Decisions — быстрый энкодер, который берёт на себя простые решения, пока LLM занимается сложными. Энкодер может использоваться для роутинга, guardrails, классификации и отбора документов для RAG.
Вот всё, что нужно знать о FRIDA:
🤩 примерно в 10 раз быстрее API по независимым замерам — 28–34 мс на запрос на RTX 5060 Ti🤩 просит всего 1,8 ГБ видеопамяти🤩 запускается на CPU через int8 ONNX🤩 новая задача не требует дообучения — достаточно передать новые варианты в JSON
Модель не прогоняет текст заново для каждого варианта, а читает его один раз, поэтому разбирает каталог из 243 интентов за 0,44 вместо 4,65 секунды. На бенчмарке razvilka из 735 задач на русском FRIDA-Decisions набрала 0,893 — почти на уровне коммерческого API TypeSafe Jev (0,897).
Веса, код и демодоступны открыты по лицензии MIT:
🤖 Демо🤖 Модель🤖 Бенчмарк🤖 Код🤖 Примеры
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4
Полная запись субботней совместной конференции ИТМО и Sber AI Lab "ИИ: Наука в действии" - доступна тут!
Все прошло очень круто.
Было более 15 докладов - про эффективность и надежность моделей, мультиагентных системах, ИИ для научной работы и open-source инструменты (по них сделаем потом отдельный пост). Keynote-спикер из Китая, профессор East China Normal University и автор множества А*-публикаций Zhaoxia Yin рассказала о безопасности ИИ.
Выступления от докладчиков ИТМО про результаты своих научных команд выложили ещё отдельно:
- Николай Никитин - Автоматическая генерация и оценка MAS LLM
- Илья Ревин - Повышение эффективности MoE‑моделей с помощью гибридных методов сжатия
———-
А уже в следующую субботу, 17 октября, в Москве пройдет следующее мероприятие от @sb_ai_lab - конференция AI Driver & RecSys про рекомендательные системы.
Приглашаем туда всех заинтересованных - успевайте зарегистрироваться!
Все прошло очень круто.
Было более 15 докладов - про эффективность и надежность моделей, мультиагентных системах, ИИ для научной работы и open-source инструменты (по них сделаем потом отдельный пост). Keynote-спикер из Китая, профессор East China Normal University и автор множества А*-публикаций Zhaoxia Yin рассказала о безопасности ИИ.
Выступления от докладчиков ИТМО про результаты своих научных команд выложили ещё отдельно:
- Николай Никитин - Автоматическая генерация и оценка MAS LLM
- Илья Ревин - Повышение эффективности MoE‑моделей с помощью гибридных методов сжатия
———-
А уже в следующую субботу, 17 октября, в Москве пройдет следующее мероприятие от @sb_ai_lab - конференция AI Driver & RecSys про рекомендательные системы.
Приглашаем туда всех заинтересованных - успевайте зарегистрироваться!
🔥10❤2👍1
Анонс: Осенний Scientific Open Source Meetup этого года - в октябре!
С радостью приглашаем всех на наш очередной Scientific Open Source Meetup, который пройдет 29 октября 2026 года с 17:30 до 21:30 в Санкт-Петербурге в уютном лофте на Газовой, 10ж. Это отличная возможность встретиться, обсудить актуальные темы и поделиться опытом в мире открытого программного обеспечения!
В программе:
Десять агентов, один файл: где исследовательские среды хранят состояние // Сергей Геворкян, менеджер продукта Cloud Ru
Что происходит с хранилищем, когда десятки агентов одновременно записывают ход исследований? Разбор кода OpenResearch, OpenScience и OpenHuman с замерами при росте числа агентов.
Петля должна быть разорвана // Олег Чирухин, GitVerse
Как заставить агента работать днями и неделями с первого промпта, почти без участия человека? Автор представит свой опенсорсный инструмент и приёмы для автономной разработки.
Китайский опенсорсный ИИ-агент openJiuwen // OpenScaler
openEuler → OpenScaler или туда и обратно // Дмитрий Варенов, Технический лидер сообщества openEuler/OpenScaler
От локализованного форка OpenScaler к прямому развитию openEuler в России и СНГ. Расскажем о планах и мероприятиях, а также о том, как внести вклад в проект и попасть на стажировку.
PAUK: инструмент для картографирования экосистем открытого кода // Андрей Гетманов, аспирант ИТМО
Как связать исследователей, статьи и репозитории в единый граф? PAUK помогает находить научные группы по темам исследований и выяснять, чьи разработки переиспользуют коллеги.
Опенсорс, агенты и студенты — опыт ФТИИ ИТМО // Юлия Борисова, к.т.н., руководитель учебно-научной лаборатории АИСТ, ИТМО
Есть ли работа для начинающего программиста-исследователя в эпоху агентов? Поговорим о том, как студентам войти в профессию и какие навыки нужны для разработки и исследований в области ИИ.
От формулы к собственному языку: UniversalToolchain на практике // Михаил Разаков, ФКН ВШЭ
Презентация проекта - победителя конкурса студенческих опенсорс-проектов ФКН ВШЭ.
Мероприятие проходит при поддержке Gitverse, Cloud.Ru и OpenScaler.
Дата: 29 октября 2026 года
Время: 17:30 до 21:30
Место: Лофт на Газовой, 10ж, СПб.
Участие бесплатное, но количество очных мест ограничено! Трансляция - будет.
Ссылка на регистрацию - https://openmeetup.ru/
Ждем вас на митапе!
С радостью приглашаем всех на наш очередной Scientific Open Source Meetup, который пройдет 29 октября 2026 года с 17:30 до 21:30 в Санкт-Петербурге в уютном лофте на Газовой, 10ж. Это отличная возможность встретиться, обсудить актуальные темы и поделиться опытом в мире открытого программного обеспечения!
В программе:
Десять агентов, один файл: где исследовательские среды хранят состояние // Сергей Геворкян, менеджер продукта Cloud Ru
Что происходит с хранилищем, когда десятки агентов одновременно записывают ход исследований? Разбор кода OpenResearch, OpenScience и OpenHuman с замерами при росте числа агентов.
Петля должна быть разорвана // Олег Чирухин, GitVerse
Как заставить агента работать днями и неделями с первого промпта, почти без участия человека? Автор представит свой опенсорсный инструмент и приёмы для автономной разработки.
Китайский опенсорсный ИИ-агент openJiuwen // OpenScaler
openEuler → OpenScaler или туда и обратно // Дмитрий Варенов, Технический лидер сообщества openEuler/OpenScaler
От локализованного форка OpenScaler к прямому развитию openEuler в России и СНГ. Расскажем о планах и мероприятиях, а также о том, как внести вклад в проект и попасть на стажировку.
PAUK: инструмент для картографирования экосистем открытого кода // Андрей Гетманов, аспирант ИТМО
Как связать исследователей, статьи и репозитории в единый граф? PAUK помогает находить научные группы по темам исследований и выяснять, чьи разработки переиспользуют коллеги.
Опенсорс, агенты и студенты — опыт ФТИИ ИТМО // Юлия Борисова, к.т.н., руководитель учебно-научной лаборатории АИСТ, ИТМО
Есть ли работа для начинающего программиста-исследователя в эпоху агентов? Поговорим о том, как студентам войти в профессию и какие навыки нужны для разработки и исследований в области ИИ.
От формулы к собственному языку: UniversalToolchain на практике // Михаил Разаков, ФКН ВШЭ
Презентация проекта - победителя конкурса студенческих опенсорс-проектов ФКН ВШЭ.
Мероприятие проходит при поддержке Gitverse, Cloud.Ru и OpenScaler.
Дата: 29 октября 2026 года
Время: 17:30 до 21:30
Место: Лофт на Газовой, 10ж, СПб.
Участие бесплатное, но количество очных мест ограничено! Трансляция - будет.
Ссылка на регистрацию - https://openmeetup.ru/
Ждем вас на митапе!
🔥9❤3🤣1