96249
Первый журнал о Data Science | Machine Learning | Big Data | Deep Learning | Neural Networks По вопросам сотрудничества: @v2r8n
Презентация Яна Лекуна на CoRL, которая проходит сейчас в Остине
LLM: решают математические задачи тысячелетия, пишут 80% кода в индустрии, проектируют белки, взламывают ПО
Лекун: «а JEPA все равно умнее!!!»
Независимые исследователи нашли в открытых китайских моделях следы обучения на Blackwell, которые запрещены для экспорта в КНР
Автор разоблачения (кстати, бывший сотрудник OpenAI) утверждает, что в весах открытых моделей остается след GPU, на котором эти веса впервые сгенерировали. Начальные значения весов зависят от сида и от конкретного чипа, и часть этого узора переживает обучение.
Он перебрал около шести триллионов комбинаций чипов и сидов и нашел совпадения у шести моделей четырех китайских лабораторий.
DeepSeek-V4-Flash и MiniMax-M3 обучались на B200 или B300, а DeepSeek-V4-Pro, Kimi K3, Kimi K3.1-Pro и Ling-3.1-flash – на GB200 или GB300. Более ранние модели тех же лабораторий читаются как Hopper.
Более того, инженер посчитал, что для Kimi K3 и DeepSeek-V4-Pro использовались от 2к до 3к Blackwell GPU на каждого. Кластер такого масштаба стоит около 200 миллионов долларов.
Автор утверждает, что результаты проверили исследователи из OpenAI и Anthropic.
Если все так, китайским лабам могут грозить серьезные санкции
https://unemploymentlabs.com/checkpoint-forensics
Бесплатный семинар про то, как делать ИИ-проекты эффективными и прибыльными
Большие ИИ-проекты быстро упираются в стоимость GPU, а посчитать, окупились ли вложения (то есть ROI), часто очень сложно. И это уже не говоря о подводных камнях в самом процессе внедрения.
19 ноября Kept и Deckhouse проведут очный семинар «Практические вопросы ИИ-трансформации: от GPU до бизнес-цели». Расскажут, как со всем этим справляться на практике, без воды и на живых кейсах:
— как выстроить инфраструктуру под ИИ и не переплатить за GPU;
— как управлять нагрузками на нескольких площадках;
— как держать под контролем данные и ИИ-агентов;
— как проверять качество систем до выхода в продакшен.
В качестве главного практического кейса разберут ИИ-бухгалтера. Все разложат на детали и покажут, как безопасно управлять данными и агентом так, чтобы решение экономило деньги и время, а не наоборот.
Kept – одна из крупнейших аудиторско-консалтинговых фирм России, а Deckhouse делает Kubernetes-платформу, на которой работает уже более 1000 кластеров по всей стране, так что про качество и инфраструктуру они расскажут из первых рук.
Участие бесплатное, регистрируйтесь по ссылке.
Отличная кандидатура для нового сезона Холостяка
Читать полностью…
Интернет тем временем разделился на два лагеря: одни считают, что увольнение Хуанга неправомерное и Nvidia без своего основателя уже не будет прежней; другие говорят, что Дженсену уже давно пора на пенсию, и что он получил по заслугам.
Павел Дуров (внесен Росфинмониторингом в список причастных к терроризму и экстремизму) сокрушается, что им шпионки не интересуются.
А Илон Маск вообще заявил, что для него будет честью нанять (уже бывшего) CEO Nvidia к себе.
Дженсен Хуанг покидает NVIDIA
Совет директоров объявил, что Хуанг покидает посты гендиректора и президента компании, а также выходит из совета директоров. Решение вступает в силу немедленно.
Временно NVIDIA возглавит финансовый директор Колетт Кресс. Компания будет искать нового гендиректора среди своих сотрудников и внешних кандидатов.
Хуанг руководил NVIDIA с момента ее основания в 1993 году.
https://nvidianews.nvidia.com/news/nvidia-announces-ceo-transition
Возможно Дженсен Хуанг все-таки уйдет в отставку
NYT со ссылкой на бывших сотрудников написали, что у Хуанга, помимо китайской шпионки Элис Хуанг, были отношения с Кимберли Пауэлл, вице-президентом Nvidia по здравоохранению.
И если раньше совет директоров официально поддержал Хуанга, то уже вчера они собрались для того, чтобы обсудить его отстранение. Что послужило причиной, неизвестно. Возможно, вторую измену они уже не вытерпели. А возможно, какие-то новые детали всплыли в ходе расследования его отношений с Элис. Делом занимается ни много ни мало бывший федеральный прокурор.
Некоторые издания пишут, что идет слух о рассмотрении на роль нового CEO… Тима Кука. Но это пока не более чем сплетни.
Акции Nvidia тем временем продолжают стремительно падать. Axios пишет, что с первых сообщений о шпионке компания потеряла почти триллион долларов капитализации. Триллион, друзья.
Google DeepMind выпустили AlphaProof Code – систему для формальной верификации кода
Обычно код тестируется эмпирически, то есть мы обкладываем его тестами, ревью и аудитами, которые проверяют программу на отдельные ошибки, и надеемся, что таким образом можем проверить все. А формальная верификация – это более строгий подход. Свойства программы записываются математически, и затем строится строгое доказательство, что код им соответствует при любых входных данных.
Это считается самым высоким уровнем гарантий в безопасности, но формальной верификацией тем не менее вообще мало кто занимается, потому что это очень дорого и очень долго, и способны на это только редкие узкие специалисты.
AlphaProof Code – это мультиагентная система, которая автоматизирует такую проверку. И Google утверждают, что это первый случай, когда ИИ используют для формальной верификации программы.
А именно, благодаря AlphaProof Code исследователи математически доказали, что код криптографического протокола Signal (на нем работает шифрование переписок в Signal и Google Messages) обеспечивает заявленные гарантии безопасности.
Для этого агенты на базе Gemini 4 Carbon написали более шести миллионов строк на Lean, а после этого сами провели аудит доказательства и отметили места, где нужен взгляд человека (таких оказалось около одного процента). На всю работу ушло четыре недели. У команд экспертов задача такого масштаба обычно занимает годы.
Авторы видят в формальном доказательстве основу для защиты других критически важных систем, и говорят, что это, возможно, единственный способ, который поможет противостоять скорости и масштабу современных кибератак.
https://deepmind.google/blog/introducing-alphaproof-code/
AI Futures Project обновили свой знаменитый прогноз AI 2027
Примерно полтора года назад группа исследователей во главе с известным бывшим рисерчером OpenAI Даниэлем Кокотаджило предсказала, что будет происходить с ИИ до 2028 года: /channel/data_secrets/6603. Их документ тогда вызвал просто небывалый резонанс.
А несколько дней назад вышел отчет METR о том, как Claude ускоряет разработку ИИ в Anthropic: /channel/data_secrets/10285.
Так вот, данные в этом отчете оказались насколько значительными, что на его основе Даниэль и его команда обновили свой прогноз, заявив, что по сравнению с первоначальным сценарием AI 2027 действительность опережает график примерно на 5 месяцев.
Раньше Даниэль говорил, что Superhuman AI Researcher или SAR (они определяют это как ИИ, с которым компании выгоднее уволить всех людей-исследователей, чем держать лучшую человеческую команду без ИИ) появится в 2029 с 50-процентной вероятностью. Теперь же все эксперты команды считают, что такая система появится уже в 2027, если компании не замедлят разработку.
Кроме того, ученые говорят, что с вероятностью в 35-65% в 2028 году появится так называемый Top-Expert-Dominating AI, то есть ИИ, превосходящий топ-экспертов практически во всех задачах и автоматизирующий всю white-collar работу. Раньше они считали, что TED-AI нас ждет только в 30-е.
Аналитики выступают за общеотраслевую паузу в разработке. Иначе, утверждают они, компании не успеют создать системы, с помощью которых можно будет контролировать SAR, и использование его в саморекурсивном улучшении моделей может привести к плохим последствиям. Сам Даниэль написал, что он "напуган, расстроен и зол".
Тем временем 2027 уже через 50 дней
Qwen-4 с минуты на минуту
У кого-то новая модель уже появляется в QwenChat, а также она доступна в Alibaba Token Plan
Самый долгожданный релиз недели
Anthropic подсиживает Microsoft перед IPO: в чате Claude теперь можно работать с таблицами, дашбордами и досками
Это три новых вида артефактов: Claude Sheets, Claude Whiteboards и Claude Data.
Контекст переходит между форматами, то есть вы можете начать на доске, продолжить в таблице, закончить дашбордом, и агент все это будет держать в памяти без дополнительных инструкций.
Таблицы выглядят симпатично: есть вкладки, формулы, совместное редактирование и тд. А в Claude Data модель может не только нарисовать вам дашборд, но и даже выдать короткие озвученные видео с разбором данных. В общем, пробуем.
Еще одно интересное обновление – интерактивные коннекторы. Раньше коннектор просто давал Claude доступ к данным приложения. Теперь партнеры могут встраивать сами приложения в Claude, например Adobe или Atlassian, и вы работаете в них, не переключая вкладки.
Скоро обещают еще Claude Meetings
https://claude.com/resources/articles/more-ways-to-work-with-claude-sheets-whiteboards-and-interactive-connectors
Claude Fable 5.2 с нуля спроектировала несколько электронных устройств
В ходе совместных экспериментов с компанией Diode Computers модель разработала спикерфон с USB-C и Bluetooth, голосовой хаб для умного дома и портативный виртуальный питомец.
На каждое устройство давали только короткий промпт с описанием идеи и главных требований к железу. Дальше Claude сам писал спецификацию, рисовал схемы, расставлял компоненты на плате, проектировал корпус, писал прошивку и собирал список деталей.
Сборкой и запуском занимались инженеры Diode по его указаниям. Все три прототипа заработали без правок в схемотехнике и до сих пор не ломаются.
Интересно, насколько у модели оказалось развито геометрическое мышление. В посте Anthropic приводят пример, когда плату спикерфона нельзя было просто опустить в корпус, потому что переключатель мьюта упирался в заднюю стенку, и Claude придумал устанавливать ее под углом около 25 градусов и добавил этот шаг в инструкцию по сборке. Это очень мелкая деталь, так что это еще и демонстрация инженерной внимательности.
https://www.anthropic.com/research/claude-electronics-design
OpenAI сделали маленькую портативную консоль с Codex внутри
Это их совместный продукт с производителем ретро-железа ModRetro. За 200 долларов вы получаете ретро консольку в стиле Game Boy Color, на которую сами можете создавать игры с помощью Codex.
Для этого в приложении Codex нужно будет просто установить плагин ModRetro Chromatic и описать, какой мир вы хотите. Агент разрабатывает игру, тестирует ее в эмуляторе и стримит на подключенную консоль, где вы можете проверить звук, геймплей и тд, а затем записывает готовый ROM на картридж.
Если это не лучший подарок вайбкодеру на Новый Год, то что это?
https://openai.com/supply/co-lab/chromatic/
Anthropic прямо сейчас раздают всем юзерам Ultra от 1 до 3 ресетов
В зависимости от длительности подписки:
<6 месяцев: 1
6–12 месяцев: 2
>12 месяцев: 3
Всем Fable за счет заведения 😎
Традиционные рекомендательные алгоритмы прогнозируют ожидаемое время просмотра. Но одно и то же время может означать и досмотренный ролик, и быстрый скип длинного видео.
➡️ Команда AI VK Research разработала технологию HEGM, которая учитывает разные сценарии просмотра, и встраивается в существующие рекомендательные системы без переделки архитектуры.
Читайте в статье на Хабре, как устроена модель, какие эксперименты за ней стоят и где её можно применить. Код уже открыт на GitHub, а исследование принято на международную конференцию IEEE ICDM 2026.
#AIVKResearch #ml #recsys #aivkhub #хабр
Тем временем Yahoo Finance объявили победителя своей ежегодной премии CEO года
Им стала Лиза Су, CEO AMD
(Ну мы то с вами знаем, кто на самом деле за последнюю неделю заслужил себе статус *уже не*CEO года)
Anthropic продолжает сыпать обновлениями: они представили Claude Meetings
Теперь агента можно добавить на ваш звонок в Google Meet одним нажатием. Он присоединится как видимый участник и будет делать заметки, доски, оформлять таблицы, презентации, письма и документы прямо во время вашего обсуждения.
Кроме того Claude можно вызывать голосом или тегать в чате, а артефакты можно редактировать совместно с ним на лету. Все результаты потом оформляются вместе на одной странице встречи.
Пока в бете и только для Team и Enterprise
https://claude.com/resources/articles/claude-meetings
Google выпустили Gemini 4 Hydrogen – младшую модель семейства Gemini 4
https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-hydrogen/
Быстрая и дешевая модель, которая при этом обгоняет по индексу Artificial Analysis старшую Argon.
Относительно 3.8 Flash задачи делает в 2.5 раза быстрее. Terminal-Bench вырос с 18,2% до 57%. В агентских офисных задачах модель тоже неплоха, может сделать презентацию, демо, работает с таблицами и даже ролики монтирует.
Еще из интересного: в Antigravity появился Orchestrator, который переключается между Carbon и Hydrogen в одной сессии. Carbon планирует, Hydrogen исполняет и проверяет. На Terminal-Bench 4.0 такой режим почти догоняет чистый Carbon, расходуя при этом на 24% меньше лимитов и работая на 19% быстрее.
Модель уже доступна в API, Gemini App (бесплатно!) и AI Studio
Институт AIRI и Сколтех разработали систему для анализа научных трендов Drift Inspector
С ее помощью команда исследователей уже обработала 118 тысяч статей с главных конференций по машинному обучению, компьютерному зрению и обработке языка за 2018–2026 годы.
Drift Inspector извлекает из аннотации только утверждения о научном вкладе и объединяет похожие в одну тему. В отличие от простого подсчёта ключевых слов, такой подход позволяет группировать разные формулировки одной идеи и разделять случаи, когда одно и то же слово используется в разных значениях.
Для анализа динамики каждой темы система рассчитывает долю статей за год, в которых встречается хотя бы одно утверждение из соответствующей группы. Кластеризацию также оценивали с помощью внешней таксономии, а качество извлечения проверяли с помощью валидированного ИИ-судьи.
https://hamyrappy.github.io/drift-inspector-acl/
В Meta FAIR* придумали алгоритм, который обгоняет k-means
Давненько не выходили такие громкие статьи по классическому ML. Разбираемся.
k-means – это простейший алгоритм кластеризации, но при этом один из самых используемых. Он используется для векторного поиска и RAG, кластеризации эмбеддингов, чистки и балансировки датасетов, квантизации весов и KV-кэша, создания кодбуков для токенов изображений и аудио, анализа данных, поиска аномалий и тд и тп.
В общем, уже десятки лет k-means является золотым стандартом. Работает он так: берет набор точек данных, случайно размещает среди них K пробных центров, относит каждую точку к ближайшему центру, а затем сдвигает каждый центр в среднее положение своих точек и повторяет так несколько эпох, пока центры не перестанут двигаться.
Понятно, что на миллиардах векторов каждый такой проход очень дорогой, поэтому, конечно же, в индустрии уже придумали много способов удешевлять k-means. Например, есть мини-батч k-means, который обновляет центры чаще, по маленьким кусочкам данных. Такие штуки работают быстрее, НО сходятся к заметно худшему качеству.
Однако авторы этой статьи утверждают, что их алгоритм способен достичь качества классического k-means всего за 1.4-2.6 эпохи. Против Flash-KMeans (сильно оптимизированный GPU k-means) ускорение по времени получается от 9.5x до 45.5x.
Они предлагают пересчитывать центры экспоненциальным скользящим средним по батчам. Для каждого кластера хранится, сколько в нем точек и чему равна их сумма, а с каждым новым батчем эти значения обновляются так, что свежие данные весят больше, а старые постепенно забываются. Центр кластера при этом остается обычным средним, то есть суммой, деленной на количество.
Благодаря такому подходу центры начинают двигаться уже после первых батчей, а не после полного прохода по данным, а размер батча и шаг обновления считаются по готовым формулам, поэтому никакие гиперпараметры подбирать вручную не нужно.
В итоге e-means достигает качества классического k-means в разы быстрее и даже с чуть меньшим лоссом. На самом большом тесте, 10 миллиардах эмбеддингов и 16 миллионах кластеров, ему понадобилось почти в 9 раз меньше GPU-часов.
Представьте, что это значит для тех же RAG-систем на огромных базах, где построение индексов съедает тысячи часов работы видеокарт.
Статья | Код | Проект
Умеете писать код — научитесь собирать ИИ-решения
Программа МТУСИ и Нетологии «ИИ-разработчик: от API до агентов» — для практикующих IT-специалистов, которые хотят систематизировать знания и разрабатывать ИИ-решения полного цикла.
За 6 месяцев пройдёте путь от работы с API и архитектуры приложений до ИИ-агентов, векторных технологий и развёртывания решений.
Инструменты: OpenAI API, FastAPI, LlamaIndex, Docker, Qdrant и другие.
Для старта нужны базовые навыки Python.
Онлайн: часть лекций в записи, практика не чаще 2 раз в неделю по вечерам — можно совмещать с работой. На выходе — два диплома о профпереподготовке: МТУСИ и Нетологии.
Старт — 16 ноября. Скидка 10 000 ₽ по промокоду AIMTUSI10.
Программа - здесь
Реклама. ООО "Нетология" ОГРН 1207700135884 erid:2VSb5wkrq6A
Приглашаем на Data Sapience Data Day 2026 🌊
📆 18 ноября, 14:00, Москва, офлайн
Клиенты, партнеры Data Sapience, независимые эксперты и специалисты по AI сравнят подходы и на равных обсудят, куда движется рынок.
Программа:
▫️Дискуссия
Data Sapience вместе со СберБанком, Газпромбанком, Альфа-Банком и X5 обсудят, как меняется работа с данными, что в ней уже берет на себя ИИ, а что делегировать невозможно.
▫️Доклады клиентов
СберБанк, Банк Уралсиб, Газпромбанк, Магнит, Московская биржа, Дикси и другие участники расскажут свои истории из области данных и ответят на вопросы из зала.
▫️Итоги года
Data Sapience презентует результаты развития платформ Data Ocean и Data Ocean Governance, покажет новые продукты и расскажет о планах на 2027.
Между докладами загляните в демозону. На стендах покажут продукты Data Sapience с AI на задачах бизнеса.
Ждем всех, кто работает с данными и уже пустил в дело AI. Или пока присматривается 👋
🔗 Зарегистрироваться
Участие бесплатное, регистрация проходит модерацию.
Реклама. ООО «Дата Сапиенс». ИНН 9701181979. erid: 2Ranymt5vk4
Forbes пишет, что из-за рекордного обвала цен на каннабис его производители, у которых уже есть огромные промышленные площадки с мощным электро- и водоснабжением, климат-конролем и оптоволокном, прямо сейчас пытаются переквалифицироваться во владельцев дата-центров для ИИ.
☕️☕️☕️
https://www.forbes.com/sites/willyakowicz/2026/10/21/inside-the-weed-industrys-ai-data-center-pipe-dream/
🧠 Как научить AI-ассистента помнить предыдущие разговоры?
Почему AI-ассистенты иногда забывают контекст прошлых диалогов и как устроить их память так, чтобы каждый новый разговор не начинался с нуля?
12 ноября в 19:00 МСК онлайн-школа MLinside проведёт открытый вебинар об устройстве памяти AI-ассистентов.
На вебинаре Андрей Жогов, ML-инженер в Сбере и преподаватель МФТИ, расскажет:
• Зачем AI-ассистентам нужна память и как она помогает учитывать контекст прошлых разговоров.
• Как устроены механизмы хранения и использования информации из предыдущих диалогов.
• Как самостоятельно реализовать подобный механизм — на простых схемах и, если останется время, примере кода.
👉 Зарегистрируйтесь в боте, чтобы получить напоминание о вебинаре. После встречи там же появится запись — её можно будет посмотреть, даже если не получится присоединиться онлайн.
А если интересуетесь NLP, будет ещё один повод познакомиться с MLinside: в конце ноября Андрей Жогов запускает в школе отдельный курс по обработке естественного языка. Подробности — на сайте MLinside.
Gemini 4 Carbon раскатили на широкую* аудиторию
* Если широкой аудиторией можно назвать подписчиков, которые платят 250 долларов за тариф AI Ultra
Аналитики, освобождаем вечера с 23 по 27 ноября! Школа анализа данных Яндекса проводит бесплатный AI Analytics Week.
За 5 дней на кейсах Яндекса разберут, как ИИ-агенты встраиваются в реальный аналитический процесс и забирают часть ручной работы.
В программе:
— Агентные системы: ReAct, Tool Calling, доступ к данным через MCP
— LLM в экспериментах: от расчёта выборки до синтетического контроля
— Как не потерять контроль над выводами агента
Формат — видеозанятия в предзаписи на YouTube и VK с возможностью задать вопросы. Интенсив отлично подойдет аналитикам, ML-инженерам и специалистам по Data Science с базой в SQL, Python, статистике и ML.
Детали программы, спикеры и регистрация — по ссылке. Заявки принимают до 22 ноября включительно.
Anthropic также заявили, что Fable 5.2 решила две открытые задачи теоретической физики
Первая, связанная с черными дырами, была открыта с 1983 года. Тогда ученые показали, что при нагревании анти-де Ситтеровских вселенных черные дыры возникают резко, как при закипании воды. Но их метод работал только для больших вселенных, где применима теория относительности. Для совсем маленьких вселенных, где остается только квантовое описание, расчет наметили в 2003 году, но он был слишком трудоемким, и его никто не довел до конца. Fable 5.2 почти автономно завершила этот расчет и выяснила, что в малых вселенных переход тоже резкий.
Вторая задача связана с методом, который ученые уже на протяжении 15 лет активно используют, чтобы отсеивать кандидатов в теории квантовой гравитации в упрощенной модели вселенной. Все это время был открыт вопрос о точном пределе применимости этого приема, и Fable 5.2 впервые его нашла.
С математиками закончили, теперь лишаем работы физиков теоретиков 🤩
Про новый Fable:
— Модель мощнее, быстрее и экономнее Opus 5.5. На FrontierCode 2.0 Fable 5.2 с High effort заскорил тот же уровень, что и Opus 5.5 с Max effort, при этом стоимость за задачу вышла почти в два раза меньше.
— Модель подешевела и фактически: в API цена теперь $8/$40 вместо $10/$50.
— Модель заметно лучше управляет физическими роботами, в том числе в задачах, которым его специально не учили. На демо роботы под его управлением собирают кубик, откручивают крышку бутылки и рисуют робота. На бенчмарке RoboDojo модель набрала 64.9%. У GPT-6 Astra 29.8%.
— Mythos 5.2 придумала новый метод моделирования капсидов – белковых оболочек, которые используют для доставки в генной терапии.
— Команда из 1000 агентов Fable 5.2 полностью формализовала доказательство теоремы Ферма в Lean за 30 часов почти без участия человека. Первая такая формализация у Anthropic заняла 11 дней, требовала специального окружения и подсказок исследователя. Новая потратила втрое меньше токенов, а доказательство получилось в семь раз короче.
— За 8 суток модель с нуля написала рабочую ОС, которая загружается на ноутбуке. В ней есть ядро, драйверы диска, клавиатуры и сети, файловое хранилище, оконный интерфейс, экран входа, установщик и встроенный Claude.
https://www.anthropic.com/claude-fable-and-mythos-5-2
Теоретически, развод может обойтись Хуангу в 81 миллиард долларов. Возможно, это будет крупнейший бракоразводный процесс в истории.
На Polymarket в топе прямо сейчас голосование о том, разведется ли CEO Nvidia или нет