Жёлтый AI

✨ Пока ждем Turbo ML Conf предлагаем поиграть в мини-игру @LossMonkeyBot Всем же приятно смотреть как лосс падает? Пока fable делает вашу работу, можно вкатиться в макакинг 🦍 3 человека, которые попадут в начало лидерборда, заберут лего-банкоматы Т-Банк. Победителей объявим в комментариях 17 июля - за день до конференции!

Владивосток, мы знаем, чем вы займетесь 27 июня 👀 Встречаемся на T-Meetup: R&D! Нас ждут доклады, полезные знакомства и общение с топами индустрии. В программе 3 доклада: → «Почему существуют задачи, которые нельзя решить обычной разработкой?» — Станислав Моисеев Поговорим, где проходит граница между разработкой и R&D, почему некоторые технологические вызовы невозможно решить стандартными инженерными подходами и зачем компании инвестируют в проекты с высокой неопределенностью. → «Code Knowledge Graphs как память для LLM» — Михаил Бадерик Разберем, что такое графы знаний и как они помогают превратить кодовую базу в структурированную память для ИИ-ассистентов. Обещаем много практики! → «Эволюционные агенты на практике: open-source и реальные задачи» — Матиенко Данил Узнаем, как устроены AlphaEvolve и его open-source-аналоги, сравним подходы и покажем реальные кейсы. Расскажем, как мы оптимизировали выезды торговых представителей в Т-Географии. Приходите, чтобы задать вопросы топ-менеджеру и разработчикам R&D-центра, обменяться опытом и пообщаться с коллегами в неформальной обстановке. 🗓️27 июня, 17:30 по местному времени 📍Владивосток, Корабельная набережная, 10 Не забудьте зарегистрироваться — количество мест ограничено!

Получили ранний доступ к секретной модели Mistral: Le Gros Chaton — 30 трлн параметров, 256 тысяч экспертов. Подняли инференс на всём кластере, неделя прогрева — пока что сгенерировали только 10 токенов. Но это лучшие 10 токенов в нашей жизни. Правда, они пока только на французском. Так что начинаем обучение «Большой ко-Т».

⚡️ Открываем регистрацию на Turbo ML Conf 2026! Соберемся, чтобы обсудить глубокие исследования, прикладной ML и инженерные системы. В программе три трека. ✨ Fundamental Advances & Exploratory R&D Поговорим об архитектуре и обучении современных моделей, их интерпретируемости, безопасном поведении и способности к рассуждению и самокоррекции. ✨ Applied ML at Scale & Business Impact Рассмотрим внедрение ML в продукты: интеграцию классических и GenAI-моделей, обеспечение их предсказуемости, влияние AI на пользовательский опыт и бизнес-метрики. ✨ ML Infrastructure, Platforms & Engineering Core Разберем технологическое ядро ML-систем: архитектуры, пайплайны данных и масштабного обучения, методы дообучения, низкоуровневую оптимизацию инференса и инфраструктуру. А еще вас ждут секретные доклады, о которых расскажем в день конференции, и демозоны, где можно будет познакомиться с платформами и продуктами на базе ML-технологий и пообщаться с командами, которые их создают. 📚18 июля ↗️️ Москва, ДК «Серп и молот» Регистрируйтесь и приглашайте коллег — количество мест ограничено!

Съездили в 🔤🔤🔤🔤🔤🔤 на AAMAS 2026, где у нас был oral с работой Enhancing Vision-Language Model Training with Reinforcement Learning in Synthetic Worlds for Real-World Success. В статье мы обучаем VLM-агентов через RL в дешевых синтетических средах: MiniWorld, Gym-Cards, ALFWorld и WebShop. Основная идея — если хотим, чтобы модель не просто красиво описывала картинку, а умела смотреть на состояние мира и делать последовательность действий, то ей нужно дать возможность потренироваться в интерактивных окружениях. Для этого предложили VL-DAC: простой RL-метод, где PPO применяется к action-токенам, а value учится один раз на шаг среды. В итоге убираем хрупкие коэффициенты между thought/action токенами, replay buffers и прочие места, где обычно хочется немного поплакать во время обучения VLM через RL. После обучения в одном дешевом симуляторе модель переносит навыки на реальные бенчмарки: +50% relative на BALROG, +5% на самой сложной части VSI-Bench и +2% на VisualWebBench, при этом не ломая обычное понимание изображений. • Статью можно прочитать тут, а код найти здесь 😉

⚡️ Turbo ML Conf возвращается! Бронируем ваше 18 июля, чтобы обсудить тренды, кейсы и технологии в ML. В этом году помимо докладов у нас будут представлены демозоны с разными ML-решениями. Вы сможете представить продукт или платформу вашей компании, основанную на ML-технологиях. Если вам есть что показать — оставляйте заявку на сайте. Мы особенно заинтересованы в опыте использования CV, RecSys и NLP. Всем участникам предоставим место с экраном для команды до трех человек. А какие будут треки с докладами? ↗️ Fundamental Advances & Exploratory R&D Про архитектуру и обучение современных моделей, их интерпретируемость, безопасное поведение и способность к рассуждению и самокоррекции. ↗️ Applied ML at Scale & Business Impact Про внедрение ML в продукты: интеграцию классических и GenAI-моделей, обеспечение их предсказуемости, влияние AI на пользовательский опыт и бизнес-метрики. ↗️ ML Infrastructure, Platforms & Engineering Core Про технологическое ядро ML-систем: архитектуры, пайплайны данных и масштабного обучения, методы дообучения, низкоуровневую оптимизацию инференса и инфраструктуру. Следите за апдейтами конференции в этом канале и на сайте.

Как эффективно объединить машинное обучение, разработку и эксплуатацию в устойчивую и масштабируемую систему?  Обсудим на T-Meetup: MLOps в Нижнем Новгороде уже 9 апреля! Что будет в программе?  → «Когда Kubernetes не справляется: как мы научили кластер жить под сильной батчевой нагрузкой» — Андрей Фунтиков Узнаем, как инфраструктурная команда ML Core прошла путь от регулярных падений под нагрузкой до уверенной работы под лавиной запускаемых задач.  → «Как мы обеспечиваем качество выдачи агентской системы. От эвала „ступидов“ до больших бенчмарков» — Юрий Крутилин Поговорим со стороны потребителя инференса о том, как на практике обеспечивать качество выдачи агентской системы, и разберем, почему корректный output модели еще не означает корректную работу всей системы. → «Hugging Face Proxy: Как мы доставляем модели тяжелее 1 ТБ до кластеров за миллисекунды» — Никита Ковалев Узнаем о том, как команда встроила Hugging Face Proxy в Model Registry, а также об архитектуре и подводных камнях, которые стоит учесть при разработке подобной системы.  А после докладов вы сможете задать спикерам вопросы и пообщаться в неформальной обстановке. 🗓️ 9 апреля, 19:00 📍Нижний Новгород, ул. Б. Покровская, 18 ⚡️Зарегистрироваться тут

Приглашаем всех на хакатон BitGN PAC1 🚀 11 апреля в офисе на Свердловской набережной, 44с2, пройдет финальный день международного соревнования по созданию персональных AI-агентов. Что это такое? BitGN PAC — это соревнование, где участники создают свои собственные AI-агенты, которые будут решать различные задачи в симулированной среде. Вам предстоит написать ядро агента, подключить его к платформе BitGN через API и протестировать его на точность и безопасность ответов. Подробную инструкцию со всеми шагами можно почитать тут. Зачем участвовать? — Получите опыт разработки AI-агентов и ваши решения займут места в глобальном рейтинге — Cможете использовать своего агента для реальных задач, так как вся инфра будет опубликована в open source — Вместе с другими участниками обсудите ваши решения и идеи  — Посетите экскурсии по офису и пообщаетесь с нашими командами разработки — Получите возможность выиграть призы — Отдохнете на afterparty с неформальным общением Как попасть на хакатон? 1) Зарегистрируйтесь на участие в офисе 2) Напишите своего агента 3) Подключите его к платформе BitGN через API 4) Ознакомьтесь с заданием, которое будет доступно с 15 марта 5) Соберите команду или участвуйте индивидуально ▪️Регистрация на участие в хакатоне   ▪️Группа в тг со всеми подробностями

Во-первых поздравляем всех с праздником масленицы! Во-вторых мы выпустили блогпост про геометрию многообразий внутри LLM: внутри красивые картинки, интересные фичи и интерактивные графики. Рекомендуем темп примерно один блин на главу, приятного аппетита!

В следующий вторник (10 февраля) в 16:30 Никита @CapturedGenie из команды фундаментальных моделей расскажет про Engram от DeepSeek на Yandex Research Reading Group. Никита разберет недавнюю статью от DeepSeek о модификации Transformer архитектуры - обсудит добавление специального Engram модуля внутрь блоков для явного ретривала знаний и покажет, как такая архитектура достигает лучших результатов при сравнимом бюджете вычислений. Ссылка на трансляцию в zoom: https://yandex.zoom.us/j/97483365363