Machinelearning

🔬️️️️️️ Задачу старше Google решили с помощью ИИ: Microsoft Research сообщила о доказательстве гипотезы KLS, сформулированной в 1995 году. Авторы - Чжао Сун и Синьчжи Чжан. В процессе работы ИИ-агенты исследовали более 100 подходов, а учёные отбрасывали слабые направления и выбирали, что развивать дальше. О чём гипотеза? Представьте многомерное выпуклое тело. Его можно разделить плоскостью или хитрой изогнутой поверхностью. KLS утверждает: лучший плоский разрез уступает лучшему произвольному лишь в фиксированное число раз — независимо от количества измерений. Это связано со скоростью, с которой случайное блуждание исследует пространство, и даёт теоретическую основу для алгоритмов выборки, статистики и оптимизации. ИИ помог найти ключевой критерий, выполнить вычисления и проверить промежуточные рассуждения. Рекурсивный метод и оценку ошибок, завершившие доказательство, разработали сами исследователи. Показательная деталь: попытки решить задачу без руководства человека, с примерно таким же бюджетом токенов, успеха не дали. По сообщению Microsoft, результат также поддержан отдельными доказательствами и формализацией в Lean 4. https://www.microsoft.com/en-us/research/blog/solving-a-31-year-old-grand-challenge-in-mathematics-the-kls-conjecture/ @ai_machinelearning_big_data #microsoft

✔️ В PHP устранили критическую уязвимость, найденную ИИ-моделями ИБ-специалисты в программе Patch the Planet нашли серьёзную брешь в кодовой базе PHP, задевающую все популярные CMS, которая существовала более десяти лет. На момент публикации команда PHP выпустила экстренные обновления безопасности. На устранение ушло два месяца и пять этапов согласований между мейнтейнерами языка, Calif, Wiz, Cloudflare, CISA и Белым домом, и OpenAI предлагает закрепить эту схему типовым регламентом для раскрытия найденных ИИ проблем безопасности. Разработчикам и администраторам советуют проверить серверы, для аудита запущенных установок PHP на GitHub выложен диагностический инструмент. openai.com ✔️ ElevenLabs выпустила сквозную голосовую модель Eleven Realtime Модель ведёт двусторонний разговор в реальном времени и вышла в версиях Mini для простых сценариев и Max для сложных диалогов с вызовом инструментов. Заявлена поддержка больше 90 языков и каталог на 17 тысяч голосов. Перебивания, паузы и наложение голосов модель разбирает сама, так что отдельные модели распознавания и синтеза речи не нужны. В бенчмарке Artificial Analysis старшая Max дала точность рассуждений 98,8% при средней задержке ответа 0,57 секунды, тогда как Qwen Audio 3.0 Realtime Plus набрала близкие 99,2%, но отвечала за 1,54 секунды. Доступ открыт через ElevenAgents и Realtime API, причём транспортный уровень совместим со спецификацией WebSocket от OpenAI, поэтому готовые клиентские SDK работают без переписывания кода. elevenlabs.io ✔️ Intel и AMD упростят разработку ИИ на процессорах x86 Компании договорились свести наработки по ускорению PyTorch в открытую библиотеку глубокого обучения oneDNN, которую развивают под эгидой Unified Acceleration Foundation. Так они рассчитывают убрать разнобой в программной части экосистемы x86, а саму oneDNN признали библиотекой по умолчанию для оптимизации ИИ-задач на процессорах обоих производителей. AMD уже переносит наработки из ZenDNN в кодовую базу oneDNN и входит в управляющий комитет. Кроме унификации нынешних средств компании проектируют набор инструкций следующего поколения AI Compute Extensions для аппаратного ускорения матричного умножения, его поддержку в PyTorch тоже обещают через oneDNN.  intel.com ✔️ Google и PyTorch открыли код TorchTPU Набор инструментов для запуска конвейеров PyTorch на тензорных процессорах опубликован в открытом доступе, и это переводит TPU в разряд полноправных ускорителей наравне с процессорами и видеокартами. Существующий код запускается с минимальными правками, разработчикам доступны режим отладки, компиляция и примитивы распределённых вычислений. Инициативу поддержали ключевые проекты открытого ИИ - в transformers добавили выгрузку моделей, а движки vLLM и SGLang получили бэкенды для TPU с непрерывной пакетной обработкой и ядрами Pallas.  google.com ✔️ Uber чистит свои репозитории от мёртвого кода агентами Внутренняя платформа AutoClean непрерывно убирает устаревшие фича-флаги и мёртвый код, с её помощью уже вычищено 16 тысяч флагов и больше миллиона строк. Агент разбирает контекст и цепочки вызовов, а точечную булеву алгебру и упрощение условий отдаёт движку PolyglotPiranha через протокол MCP, упавшие в CI тесты правят агенты без прав на продуктовый код. Готовые патчи проходят многоступенчатую проверку, где параллельные агенты смотрят, сохранена ли семантика программы, держится ли фокус строго на целевом флаге и нет ли посторонних правок. При расхождениях патч отбрасывается сам, а прошедшие проверку задачи уходят инженерам на окончательное утверждение.  uber.com @ai_machinelearning_big_data #news #ai #ml Video is too big

Что делать с данными? 💬 Строить отчёты. А ещё, например: ✅находить закономерности в больших массивах; ⬜️предсказывать поведение пользователей; ⬜️строить рекомендательные системы; ⬜️обучать и улучшать ML-модели; ⬜️создавать продукты и помогать бизнесу расти. В Школе аналитиков данных МТС учатся решать такие задачи на практике. В программе — SQL и Python, математика и статистика, анализ данных, машинное обучение и большие данные, а также нейросети и рекомендательные системы. Занятия ведут действующие эксперты Центра BigData MWS. Теория чередуется с практикой, а преподаватели дают обратную связь по работам и помогают отслеживать прогресс. Это будет интересно: ➡️студентам последних курсов и выпускникам технических вузов ➡️алитикам данных, которые хотят погружаться в исследования ➡️ИТ-специалистам, которые хотят перейти в новое для себя направление Обучение продлится 10 месяцев и будет полностью бесплатным. ⚡️ Сейчас — последний шанс подать заявку, так как прием закрывается 25 октября. Для поступления кандидатам предстоит заполнить анкету, написать мотивационное письмо и пройти отборочное тестирование. Отправить заявку ↗️

✔️ Геймеры требуют от Valve внедрить в Steam глобальный ИИ-фильтр Очередной фестиваль демоверсий Steam Next Fest столкнулся с масштабным наплывом низкокачественных проектов, созданных с помощью генеративных нейросетей, что вызвало резкую критику в сообществе. Несмотря на требование площадки обязательно декларировать использование ИИ-ассетов (кода, 2D-арта, текста и озвучки) в Steamworks, отсутствие принудительной фильтрации в интерфейсе магазина превратило поиск игр в проблему. Пользователи на Reddit, X и Discord призывают Valve добавить системный переключатель для полного скрытия подобного контента. Проблема усугубляется рисками для студий - доступность ИИ снизила порог входа для парсинга, скрапинга и клонирования чужого кода и сборки ассет-флипов еще до официального релиза оригинальных проектов. Из-за угрозы плагиата разработчики начинают отказываться от участия в публичных мероприятиях платформы - в частности, издатель Alliance Arts и студия WHO YOU отменили демоверсию Drunken Goddess Reflux прямо перед стартом фестиваля, переведя проект в режим закрытого тестирования ради защиты билда. @ai_machinelearning_big_data #news #ai #ml

🤖 Anthropic выпустили Claude Duet: персональнго агента, который сам пишет вам первым Агенты у Claude уже были, но их приходилось запускать и ждать. Duet работает иначе: вы кидаете задачу в мессенджер-подобный тред, он делает её в фоне на своём облачном компьютере и пишет, когда готово или нужно ваше решение. По утрам присылает сводку и молчит, пока нет важного. Он использует вашу память, скиллы и приложения из аккаунта Claude, а подключаться умеет к 6000+ сервисов: Gmail, Calendar, Slack, Stripe, HubSpot. Перед отправкой писем и платежами спрашивает разрешения. Пока research preview с листом ожидания, только для Pro и Max в США. Есть приложения для iOS и Android, а также веб-версия. https://claude.com/product/claude-duet @ai_machinelearning_big_data

✔️ Dream Labs презентовала модель управления незнакомыми роботами Четверо бывших исследователей NVIDIA из команды робототехнического проекта GR00T вышли из стелса со своим стартапом и открыли публичный API модели Dream-1. Компанию возглавил Джоэл Джанг, руководивший в GR00T работой над моделью мира, а главным научным сотрудником стал Скотт Рид, до NVIDIA работавший в DeepMind над Gato и Genie. Dream Labs привлекла 90 млн долларов посевных инвестиций, раунд возглавила B Capital, в нём участвовали Kindred Ventures, Unusual Ventures, SV Angel и Wing VC. Dream-1 – модель мира и действия. Она управляет двурукими роботами с параллельными захватами, на которых никогда не обучалась. Учится она по видео тому, как движется мир, и предсказывает и следующие кадры, и действия робота. На вход идут изображения с трёх камер (на голове и на запястьях обеих рук), а возвращает положения захватов в пространстве и команду открыть или закрыть их. В движения суставов эти положения переводит уже собственная программа управления робота. За один вызов модель выдаёт 1,6 секунды действий. Предыдущей модели команды DreamZero, вышедшей в феврале, для перехода на новую машину требовалось дообучение на 30 минутах её данных, а Dream-1 обходится без этого шага. В реальном мире модель запускали партнёры стартапа на своих машинах, в том числе на старом PR2. 🟡Тесты Независимая компания Robocurve, которая тестирует ИИ-модели на настоящих роботах, сравнила Dream-1 с другими системами по 120 попыток на конфигурацию. Средний балл выполнения задач составил 59,3%. У Gemini 4 Argon и Claude Opus 5.5 около 48%, у GPT-6 Astra около 47%. Попытка с Dream-1 обходится примерно в 0,15 доллара и занимает в среднем 1,4 минуты. По подсчёту Robocurve, это примерно в 16 раз дешевле, чем с Gemini 4 Argon. Час работы Dream-1 через API стоит 3 доллара, облегчённой Dream-1-flash – 2 доллара, доступ к модели уже открыт. @ai_machinelearning_big_data #news #ai #ml Video is too big

Когда один пайплайн решает слишком много задач Чем больше задач решает один пайплайн, тем больше настройки обрастают условиями, эксперименты конкурируют за общие слоты, а вклад конкретной механики труднее оценить. Инженеры AI VK стали использовать стримы — отдельные пайплайны под конкретные задачи, собранные из общих компонентов. Один запрос проходит через несколько стримов, а их результаты объединяются в одну выдачу. В статье разбираем, как стримы упрощают разработку и эксперименты, и как оптимизации помогают эффективнее использовать ресурсы. Читать на Хабре

🌟 CLM-8B: открытая и быстрая модель для выбора действий агентов Стэнфорд в сотрудничестве с NVIDIA выложили в открытый доступ первую модель класса Contrastive Language Models. Это открытый аналог Jev, которую 15 сентября представил стартап TypeSafe AI бывшего исследователя OpenAI. Она по входному контексту возвращает решение заданного типа с откалиброванной вероятностью и стоит 4 цента за миллион входных токенов. CLM-8B делает то же самое и нужна агентам, которым приходится быстро принимать решения. Модель получает текущее состояние и набор возможных действий и возвращает вероятность для каждого. Она умеет оценивать истинность утверждения, выбирать из нескольких вариантов и ставить оценку по упорядоченной шкале. Дообученную CLM-8B можно использовать как верификатор, который выбирает лучшее из нескольких решений кодинг-агента. Текст модель не генерирует. 🟡 Архитектура В основе - Qwen3-8B, поверх которой обучены две небольшие проекционные головы, одна для состояния, другая - для действия. Состояние и действия кодируются отдельно, модель сравнивает их векторы и переводит близость в вероятности. Векторы неизменных действий можно посчитать заранее и переиспользовать, поэтому в задачах с чередой решений модель отвечает быстрее. 🟡Тесты Без дообучения CLM-8B держится на уровне Jev в задачах управления компьютером, играх и вызове инструментов и отвечает до девяти раз быстрее. С кэшированием векторов при выборе примерно из тысячи вариантов разрыв доходит до 13 раз. В роли верификатора дообученная модель на отложенных подмножествах задач поднимает долю решённых задач на DeepSWE с 73,7% при одной попытке до 81,6%, на Terminal-Bench 2.1 с 84% до 87,6%. Jev в той же роли даёт 71,1% и 83,1%. Для запуска нужны Linux, видеокарта NVIDIA и Qwen3-8B, развёрнутая через vLLM. 📌Лицензирование: Apache 2.0 🟡Блогпост 🟡Набор моделей 🖥GitHub @ai_machinelearning_big_data #AI #ML #Decision #CLM #NVIDIA #Stanford

😎 Авито снова участвует в Рейтинге работодателей hh.ru! В прошлом году благодаря вашей поддержке мы вошли в топ-3 IT-компаний страны. Если вам откликается то, что мы делаем, проголосуйте за Авито и в этом году ❤️ Как поддержать компанию: — Перейдите на hh.ru и авторизуйтесь в личном кабинете. — Найдите Авито в списке компаний и оставьте свой голос. ✔️ Проголосовать за Авито Спасибо за поддержку! #РейтингРаботодателейРоссии

✔️ Liquid AI представила модель принятия решений Бостонский стартап, выросший из MIT, выпустил d1-ultra – самую крупную собственную модель, которая получает на вход описание ситуации и набор типизированных вопросов, а возвращает вероятность каждого варианта ответа. D1-ultra принимает текст, изображения или то и другое сразу и рассчитана на сложные случаи. Среди примеров - сверка дефекта печатной платы со спецификацией и проверка страхового случая по фотографии клиента. Вопросы бывают трёх видов – да или нет с вероятностью от 0 до 1, выбор одной метки из списка с вероятностью для каждой и позиция на шкале. По словам Liquid AI, большинство моделей решений переоценивают себя, а d1-ultra сильнее всего прибавила в задачах на знания, этого достигли за счёт проработанной калибровки ответов. Если модель называет вероятность 80%, такие ответы должны оказываться верными примерно в 80% случаев. В основе d1-ultra лежит крупная модель с открытыми весами, которую Liquid AI существенно переделала, но какая именно и сколько у неё параметров, сведений не приводят. 🟡 Тесты На собственном наборе из 112 оценок новинка обошла предыдущую d1 и Jev 1.14 от TypeSafe AI во всех задачах, причём с лучшей калибровкой при той же цене. В Artificial Analysis Decision Index, свежего рейтинга моделей принятия решений, опережение остальных участников рейтинга составил в среднем 8 баллов. Модель работает через API Liquid AI, представлена OpenRouter и Vercel AI, контекст составляет 32 768 токенов. Потестить её можно в песочнице. Миллион входных токенов стоит 4 цента, так же как у Jev 1.14, а выходные соответственно -не тарифицируются. Изображение в один мегапиксель считается за 1536 токенов, каждый вопрос оплачивается как отдельный запрос вместе с текстом и всеми картинками. @ai_machinelearning_big_data #news #ai #ml

📌 OpenAI выложила бенчмарк MultiLangBench и проверила GPT-6 на редких языках Набор проверяет, как модели пишут большой проект на 20 языках, включая COBOL, Fortran, OCaml и Visual Basic. По ним в сети на порядки меньше кода и документации, чем по Python или JavaScript, хотя, по данным IBM, на COBOL держится 95% операций в банкоматах и 80% платежей картами, а на Fortran – прогнозы погоды и расчёты безопасности ядерных реакторов. Задача в MultiLangBench одна для всех языков. Модель без доступа в интернет должна с нуля написать движок базы данных, совместимый с SQLite, а проверяет его настоящий SQLite на тестах из его же набора. На максимальном уровне рассуждений GPT-6 Astra прошла в среднем 87,4% тестов против 26,8% у GPT-5.6 Sol. На COBOL Astra набрала 72,1% против 10,9% у GPT-5.6 Sol, на Fortran – 83,5% против 21,4%. GPT-6 Luna обошла GPT-5.6 Sol во всех языках и, по оценке OpenAI, обходится примерно на 78% дешевле. На другом, закрытом тесте, который OpenAI не выкладывала, модель переносит программы с COBOL на C++, Java, Kotlin, Python или Rust, и вывод должен совпасть со старым побайтово. В нём при низком уровне рассуждений GPT-6.1 Sol справилась в 86,6% случаев, GPT-5.6 Sol – в 5,4%. На высоком уровне GPT-6.1 Sol набрала 97,9%. По признанию OpenAI, при таких результатах тест близок к потолку и сильные модели в максимальном ризонинге на нём почти сравнялись, поэтому понять, какая из них лучше, он уже не поможет. @ai_machinelearning_big_data #news #ai #ml

✔️ DeepSeek и Huawei вместе делают следующее поколение ускорителей Ascend Инженеры Huawei работают прямо в офисе DeepSeek, а заняты команды оптимизацией интерконекта и распределением вычислительных графов на уровне железа. Раньше DeepSeek от обучения модели на Ascend отказалась из-за нестабильности и сырого ПО, теперь же компания открыла код низкоуровневого компилятора TileLang под Ascend, а вместе с ним библиотеки матричных операций и коммуникаций для MoE-архитектур. Первое масштабное обучение на Ascend 950DT должно начаться до конца года, а на следующее поколение Ascend 960DT, которое ждут в начале 2027 года, Huawei гарантировала DeepSeek приоритетные поставки.  theinformation.com ✔️ Exa презентовала поисковый движок 3.0 Третья версия получила обновлённую модель эмбеддингов и технологию Dynamic Highlights, которая отбирает токены сразу по всей выборке результатов. Так отсекается дублирование фактов, а объём передаваемого в контекст модели текста падает на 95% против загрузки страниц целиком. Собственный индекс компании на 100 млрд страниц пополнился структурированными данными, в базу добавили 1,27 млрд товарных позиций с ценами, каталоги организаций и сводки биржевых котировок, авиарейсов и спортивных событий в реальном времени. Через REST API доступны два режима, упрощённое ранжирование Exa Lite стоит 4 доллара за тысячу обращений, полноценный Exa Auto обойдётся в 7 долларов за тысячу вызовов.  exa.ai ✔️ Inception выпустила диффузионную языковую модель Mercury 3 Скорость генерации у новой версии подтверждена на уровне 1068 токенов в секунду, параметров стало больше в 40 с лишним раз против первой Mercury, а контекстное окно выросло до 1 млн токенов. Этим американская лаборатория подтверждает, что законы масштабирования работают и для диффузионной генерации текста. На бенчмарках Mercury 3 держится на уровне GPT-6 Luna и Claude Haiku 5.5, инференс идёт в 4–8 раз быстрее авторегрессионных моделей того же размера. Модель рассчитана на автономных браузерных агентов, голосовых ассистентов, поиск в реальном времени и поддержку. Доступ открыт через платформу Inception, OpenRouter, Baseten и Vercel, базовая цена составляет 20 центов за миллион входных токенов и 70 центов за миллион выходных, кеширование контекста снижает её на 90%. В честь релиза действует скидка 50%.  inceptionlabs.ai ✔️ Cloudflare представила модель извлечения типизированных данных Модель Clairic появилась в режиме превью на Workers AI и работает без генерации токенов, за один параллельный проход. Она принимает текст или до четырёх изображений и возвращает строковые значения с точными смещениями символов, считает простые вещи вроде суммы и разницы дат, а также строит вероятностные диапазоны с 80-процентным покрытием. Ответ приходит строго типизированным, со значением или оценкой уверенности. Целевые задачи – структурировать неразмеченные данные, то есть разбирать счета и квитанции и прогнозировать временные ряды. Плата за выходные токены не взимается, превью доступно через REST API в Workers AI, веса Cloudflare обещает опубликовать позже.  cloudflare.com ✔️ Unitree анонсировала платформу для постановки шоу роботов Система UniUni собирает подготовку показательных выступлений и сценических перформансов групп роботов в одном окне: редактор хореографии с отдельной дорожкой на каждого робота и библиотекой движений, карта сцены облаком точек с лидара, где компания обещает сантиметровую точность, и экран наблюдения с зарядом, температурой и аварийной остановкой каждой машины. Отдельная функция, названная ИИ-хореографией, принимает команды текстом и корректирует формации и маршруты роботов через генеративную постановку движений. Несмотря на отсылки к концепции роя, архитектура UniUni остается централизованной и нацелена исключительно на индустрию развлечений, а не на автономное взаимодействие роботов в производственных задачах. Unitree в X @ai_machinelearning_big_data #news #ai #ml Video is too big

Mistral представила Voxtral 3 - новое поколение голосовых ИИ-моделей для создания голосовых агентов. Главные возможности: - 50+ языков — распознавание речи и определение говорящих. - Задержка менее секунды — диалоги в реальном времени. - 35+ языков для озвучки — управление эмоциями, интонацией и темпом. - Клонирование голоса — по 30 минутам аудио. - ИИ-агенты — обработка звонков, работа с API и выполнение задач. - Локальный запуск — развёртывание на собственной инфраструктуре. Стоимость API: распознавание от $0,0035/мин, генерация речи - $13 за миллион символов. По тестам Mistral, модель превосходит Whisper, Gemini 3.5 Transcribe и Scribe v2 в распознавании речи. oxtral 3 позволяет создавать голосовых ИИ-агентов, которые не только разговаривают, но и выполняют реальные задачи. https://mistral.ai/news/voxtral-3/