data_secrets | Unsorted

Telegram-канал data_secrets - Data Secrets

96249

Первый журнал о Data Science | Machine Learning | Big Data | Deep Learning | Neural Networks По вопросам сотрудничества: @v2r8n

Subscribe to a channel

Data Secrets

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.

Читать полностью…

Data Secrets

😎

Читать полностью…

Data Secrets

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

Читать полностью…

Data Secrets

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

Читать полностью…

Data Secrets

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!

Читать полностью…

Data Secrets

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!!!»

Читать полностью…

Data Secrets

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

Читать полностью…

Data Secrets

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.

Читать полностью…

Data Secrets

Отличная кандидатура для нового сезона Холостяка

Читать полностью…

Data Secrets

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.

Читать полностью…

Data Secrets

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

Читать полностью…

Data Secrets

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.

Читать полностью…

Data Secrets

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/

Читать полностью…

Data Secrets

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

Читать полностью…

Data Secrets

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

Читать полностью…

Data Secrets

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



Дата и время: 19 ноября в 19:00 мск
Очно: Москва, офис hh
Онлайн: будет трансляция в VK и YouTube для тех, кто не сможет прийти в офис

После докладов можно будет пообщаться с коллегами — подготовим вкусную еду и напитки 🍕

Регистрируйтесь → участие бесплатное 🥹
#реклама
О рекламодателе

Читать полностью…

Data Secrets

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.

Читать полностью…

Data Secrets

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

Читать полностью…

Data Secrets

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.

Читать полностью…

Data Secrets

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.

Читать полностью…

Data Secrets

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

Читать полностью…

Data Secrets

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)

Читать полностью…

Data Secrets

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

Читать полностью…

Data Secrets

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

Читать полностью…

Data Secrets

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/

Читать полностью…

Data Secrets

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

Читать полностью…

Data Secrets

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

Читать полностью…

Data Secrets

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

Читать полностью…

Data Secrets

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/

Читать полностью…

Data Secrets

🧠 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.

Читать полностью…
Subscribe to a channel