96249
Первый журнал о Data Science | Machine Learning | Big Data | Deep Learning | Neural Networks По вопросам сотрудничества: @v2r8n
Тем временем с ухода Хуанга с поста не прошло и недели, как Министерство торговли США уже вводит новые ограничения на доступ к американским чипам
Раньше Китай, хоть они формально и не могли купить чипы, мог получать доступ к продвинутым видеокартам без физического обладания ими, то есть – через облака. Например, компания Megaspeed, в которой работала любовница Хуанга (первая, она же китайская шпионка), направляла закупленные чипы в дата-центры в Малайзии и Индонезии, через которые обслуживались клиенты из Китая, в том числе Alibaba.
Короче, этой лазейкой пользовались постоянно, потому что купить нельзя, контрабанда грозит уголовкой, но вот арендовать GPU – это вполне легально. Было.
Теперь же вступит в силу новое правило, которое фактически запрещает такой удаленный доступ через третьи страны.
Компаниям понадобится лицензия на реэкспорт передовых чипов в Бразилию, Сингапур, Индонезию, Малайзию и Таиланд (именно там, по мнению американского правительства, стоят дата-центры, обслуживающие Китай), а сами дата-центры обязаны будут требовать KYC от своих клиентов и контролировать связи со странами эмбарго.
ЮКassa разыгрывает 2 000 000₽ на хакатоне по MCP
Разработчики и предприниматели, работающие с ИИ — это ваш выход. Покажите, как решаете задачи бизнеса с MCP ЮKassa, и получите шанс выиграть деньги. Призовой фонд — 2 000 000⠀₽.
Хакатон пройдёт 5-6 декабря онлайн. Участвуйте в одиночку или в команде до пяти человек и выбирайте один из двух треков:
— «Сделайте свой бизнес агентным». Интегрируйте MCP ЮKassa в существующий бизнес и создайте ИИ-агента, который самостоятельно выполняет коммерческую или платёжную задачу.
— «Создайте ИИ-решение для клиентов». Разработайте готового ИИ-агента, автоматизацию или интеграционное решение на базе MCP ЮKassa. Финальный продукт должен решать типовые задачи бизнеса и легко разворачиваться для других клиентов ЮKassa.
Регистрация открыта до 4 декабря — подайте заявку
Anthropic выпустили для Claude довольно милое обновление
Теперь на десктопе вы можете менять дизайн интерфейса приложения как захотите, по промпту
https://code.claude.com/docs/en/plugins/mods/interface#put-a-backdrop-behind-the-conversation
Папа Римский заявил, что он против того, чтобы ИИ помог человечеству победить старение и смерть
Буквально несколько дней назад в соцсетях завирусилось видео, в котором Дарио Амодеи заявляет: скачки в развитии Claude и ИИ в целом настолько велики, что рак, Альцгеймер, болезни сердца и психические расстройства могут полностью уйти в прошлое менее чем через десять лет, а продолжительность жизни может увеличиться до 150 лет.
А затем вчера, буквально через несколько дней после видео Anthropic, Папа Римский написал пост, в котором раскритиковал трансгуманизм и постгуманизм, то есть идею о том, что прогресс – это преодоление смерти.
Он заявил, что наука конечно хороша, но церковь против того, чтобы бессмертие стало привилегией миллионеров, пока «целые народы живут в бедности». Ограниченность человека, по его мнению, это не проблема, а условие человеческого величия.
Fight!
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
Приглашаем на митап для ML-разработчиков и дата-сайентистов 🥰
Как использовать LLM и агентов в поиске, чтобы точнее понимать запросы пользователей и повышать релевантность результатов?
19 ноября обсудим выбор моделей, оценку качества и работу таких систем в проде.
🔴 Борис Коварский, hh.ru — Агентный поиск в рекрутинге: опыт hh
🔴 Виктор Реушкин, hh.ru — Как устроен диалоговый поиск вакансий на hh
🤩 Алексей Казаков, Циан — LLM и энкодерные модели для поиска. Опыт развития подходов в поиске недвижимости
Тем временем Дженсен Хуанг рассматривает возвращение на пост CEO Nvidia
Он обсуждает такую возможность с доверенными лицами. Об этом пишут сразу несколько изданий, включая Reuters и FT.
На совет директоров оказывают сильное давление руководители других бигтехов, которые почти единогласно выступают за возвращение Хуанга. Илон Маск, Тим Суини (Epic Games) и другие поддержали петицию «Bring Jensen Back», у нее уже больше 170 тысяч подписей.
Один из союзников Дженсена даже собирает альянс из топ-менеджеров Кремниевой долины и хочет заручиться поддержкой Белого дома, чтобы лоббировать возвращение.
Кроме того, за возвращение Хуанга выступают сотрудники компании (сейчас на фоне его ухода пошла волна увольнений), и также некоторые акционеры компании.
Официально вышел Qwen-4 Max!
Существенно превосходит Qwen-3.8 Max, и в целом вполне себе на уровне с GPT-6.1 Sol. При этом относительно Qwen-3.8 модель использует до 50% меньше токенов, и стоимость на задачу падает более чем на 60%.
Заточена под агентские и долгосрочные задачи. Умеет работать с 3D моделированием, играми, таблицами, юридическими документами и тд.
$1.5/M input, $4.5/M output
https://qwen.ai/blog?id=qwen4-max
Российские исследователи предложили новые методы решения проблемы холодного старта в рексис
Одна из давних проблем рекомендательных систем – холодный старт. Когда в каталоге появляется новый товар, фильм или книга, у алгоритма еще нет истории взаимодействий, поэтому сложно определить, кому их рекомендовать.
В таких случаях системы могут опираться на другую информацию: текстовые описания, характеристики объектов и их связи с уже известными товарами или контентом. Но найти похожие объекты и понять, насколько они соответствуют интересам конкретного пользователя, не совсем одно и то же, поэтому у таких подходов тоже есть свои проблемы.
Недавно в Риме прошла конференция ACM CIKM. На ней были опубликованы две занятные работы, которые предлагают новые варианты решения проблемы, опирающиеся на подходы из обработки текстов и архитектуру Mixture of Experts, знакомую нам по современным LLM.
Первая модель, E2L3AE (статья), предлагает совместно обучать текстовый энкодер и рекомендательную систему. В предыдущих подходах текстовая модель обучается отдельно, поэтому ее эмбеддинги не всегда отражают характеристики, важные для рекомендаций. Теперь история покупок и просмотров напрямую влияет на обучение энкодера, помогая ему выделять в описаниях именно те признаки, которые связаны с предпочтениями пользователей.
В результате и новые товары можно рекомендовать точнее, опираясь на их текстовые характеристики. Итого, известная идея + грамотное изменение в пайплайне обучения = профит.
Вторая модель, MoE-IGR (статья), работает с графом взаимодействий, где пользователи и объекты представлены узлами, а покупки и просмотры – связями между ними. В обычных графовых моделях информация о разных объектах обрабатывается по одной схеме, хотя их особенности могут существенно различаться.
Здесь эту проблему решают с помощью Mixture of Experts: модель анализирует характеристики объекта и подбирает для него комбинацию специализированных нейросетей. При холодном старте это позволяет лучше учитывать особенности нового контента, даже если про него мало что известно.
В экспериментах E2L3AE повысила полноту рекомендаций на 20%, а MoE-IGR улучшила качество ранжирования новых объектов почти на 35% относительно базовых решений в отдельных сценариях.
Ресторан Denny’s, где Хуанг в юности мыл посуду, и где была придумана Nvidia, убрал из зала памятную табличку с его упоминанием
Табличку «Стол, с которого начались триллион долларов» открыли в сентябре 2023 года вместе с CEO Denny’s и самим Хуангом.
Она исчезла к пятнице, на стене за диваном остались сколы краски, и двое сотрудников подтвердили, что ее сняли.
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.