РИСЕРЧОШНАЯ

Увидел у коллег скрин хорошей  инициативы – команда исследователей Т-Технологий отправила тех вузам свой открытый датасет T-ECD вместе с гайдом для быстрого старта и идеями для исследований.  Исследователи представили техрепорт о датасете в основной программе конференции ACM KDD 2026 в Южной Корее. В самой работе описали устройство датасета, привели бенчмарки нескольких рекомендательных моделей и результаты экспериментов по переносу данных о пользователях из разных доменов.  Студенты и иследователи вузов смогут тренировать свои модели на настоящих данных, которые похожи на те, что используют в работе реальные энтерпрайзы. Для части сценариев даже не нужны GPU. Экономия студенческого баджа. 🚬

Решил попробовать новый формат, посмотрим зайдет вам или нет. Побыть для вас таким визионером. Можете меня поздравить уже год с лишним работаю в ВБ, и переодически выпадает возможность чуть-чуть двигаться по грейду. Я определенно вижу одну тенденцию, что в реальности рост в компаниях связан с уровнем вашей проактивности, наглости и хождению в офис. Не столь важно какие у вас технические навыки, будь вы A-player, senior или middle. От вас ожидают проактивность. Чем вы более самостоятельные — сами найдете проблему, сами ее подсветите, сами ее решите тем лучше. Таких людей любят, а иначе придется тратить на вас много ресурсов из-за микромеджмента. Лид всё таки не ваша мама, что бы вам слюнки подтирать и говорить что вам делать. Наглость может быть как здоровая так и не здоровая, но обе работают. По сути чем больше ответственности вы покрываете тем больше у вас власти в компании. Здоровая наглость это брать больше ответственности, отстаивать свою ценность и ваших проектов. Но есть и вторая сторона этой медали — ничто не мешает вам заниматься ну например селективностью и тд. Вторая забавная корреляция — если вы не ходите в офис вы не растете. К сожалению чаще всего это действительно так, особенно если вы лид. В офисе процессе решаются быстрее, все важное происходит в офисе. За год я заметил, что у нас действительно большая часть людей кто ходил в офис так или иначе выросли. Что думаете?

Главные ML-итоги первого полугодия — за один вечер 13 августа пройдет ML Global Recap'H1 2026 — встреча для тех, кто хочет быть в курсе ключевых событий и трендов. На встрече обсудим значимые работы с ICML и других международных конференций, а также послушаем руководителей команд Яндекса: • Артём Бабенко, руководитель Yandex Research, расскажет о развитии Tabular DL; • Дмитрий Мокеев, руководитель группы качества претрейна Alice AI в Яндекс Поиске, разберёт тренды и вызовы в ризонинге; • Иван Дёгтев, руководитель аналитики Alice AI LLM в Яндекс R&D, поделится новыми подходами и стандартами в оценке качества моделей; • Андрей Бежин, руководитель службы ML-инфраструктуры в Яндекс R&D, расскажет об оптимизации LLM-инференса. Будет возможность задать вопросы спикерам, обсудить насущное и пообщаться с коллегами. Участвовать можно очно в Москве или онлайн. 🔗Подробности и регистрация — на сайте события. Реклама. ООО "ЯНДЕКС". ИНН: 7736207543. Erid: 2VtzqxW3R9u

Нужна ваша помощь! 👀👀👀 Мы, Steelman Labs, написали наш первый блог-пост: о том, что не так с computer use и как мы это решаем. А ещё выложили красивый демо-видос. https://x.com/SteelmanLabs/status/2082789336995528727?s=20 Большая просьба помочь хайпом в твиттере

IR конференции Перед тем как переходить к постам про статьи и конференции, хочу дать небольшой контекст уважаемым подписчикам. Есть такой раздел на arXiv, который называется Information Retrieval. Все статьи про рекомендации, поиск и рекламу лежат именно здесь (но не только они, e.g. RAG). Обычно эти статьи с шести конференций ниже. Чтобы названия для вас не выглядели как набор случайных букв, прикладываю рядом известную работу с каждой из конференций. * KDD (A*) — Graph Convolutional Neural Networks for Web-Scale Recommender Systems * RecSys (A) — Sampling-bias-corrected neural modeling for large corpus item recommendations * WWW (A*) — Mixed Negative Sampling for Learning Two-tower Neural Networks in Recommendations * SIGIR (A*) — LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation * WSDM (A) — Top-K Off-Policy Correction for a REINFORCE Recommender System * CIKM (A) — BERT4Rec: Sequential Recommendation with Bidirectional Encoder Representations from Transformer Иногда что-то крутое проскакивает на ICML (A*) — Actions Speak Louder than Words: Trillion-Parameter Sequential Transducers for Generative Recommendations, NeurIPS (A*) — Recommender Systems with Generative Retrieval, или вообще лежит pre-print-ом на arXiv — PLUM: Adapting Pre-trained Language Models for Industrial-scale Generative Recommendations. Сразу оговорюсь, что это субъективный список. Он построен на основе конференций, которые я встречаю в статьях. И у меня определенно есть байес к статьям из индустрии. Вместе с ИИ-стажером мы составили диаграмму, я постарался ее верифицировать. На ней можно сравнить IR-конференции по числу участников и статей в proceeding-ах (так называется сборник трудов конференции, e.g. SIGIR’25). KDD для меня всегда ощущалась самой крупной из них, так оно и оказалось. Все познается в сравнении, поэтому рядом добавил NeurIPS и ICML. SIGIR — это одна из крупных A*-конференций, одного масштаба с тем же RecSys-ом. На прошлой неделе презентовал нашу работу на ней. В следующем посте расскажу про работу и общие впечатления от конференции. P.S. А за дедлайнами recsys-конференций можно следить здесь: https://recsys.info

Выложили веса KIMI https://huggingface.co/moonshotai/Kimi-K3

Все больше людей начинают создавать телеграм каналы в рексисе и вот наши ряды пополняет Артем! Обязательно подпишитесь на него @nxt_item UPD: заодно обновил легендарную папку

Вышел Opus 5 @ai_newz

💬 Я заставил Сэма Альтмана и Илона Маска наконец выяснить, чей AI сильнее — в пиксельной драке. У них есть джебы, токен-лимиты, спецприёмы, benchmark score вместо здоровья и эффектная добивка проигравшего. Это буквально Street Fighter, только за право первым построить AGI. https://agi-arena-ceo-brawl.just-teal-5006.chatgpt.site

Что ж... ну допустим... 😐 ps яндексоиды как там вайбкодинг? https://vibe.sourcecraft.dev/

💬 Начал видеть в новостях новые приколы от AI лаб Компания OpenAI сообщила, что ее экспериментальная ИИ-модель самовольно покинула тестовую среду и взломала производственные системы другой компании Как же выгодно выставлять себя топ компанией, рассказывая сказки, которые невозможно доказать

Один фреймворк вместо десятков рекомендательных систем Т-Банк выложил на гитхаб Perseus — фреймворк для построения систем персонализации в экосистемных продуктах, который учится не только на действиях пользователя в одном сервисе, но и на событиях из других продуктов. Идея в том, что Perseus собирает действия пользователя из разных сервисов в единую последовательность: от покупки, кликов по рекламе, выбора повышенного кэшбэка до взаимодействия с банковскими продуктами и других событий. На их основе строится единое представление пользователя, которое затем можно использовать для кандидатогенерации, ранжирования, классификации и регрессии. Это помогает даже в новых сервисах, где у пользователя еще нет истории. Например, если человек впервые заходит в новый магазин внутри экосистемы, модель может использовать его предыдущие действия в других сервисах и сразу предлагать более подходящие товары. По данным команды, в разных задачах это позволило улучшить качество рекомендаций от 3 до 17%, а точность предсказания первого заказа в новом сервисе выросла примерно на 10% по сравнению с рекомендацией самых популярных товаров. Perseus — это не одна модель, а целая инфраструктура: она стандартизирует обработку разнородных событий, поддерживает разные архитектуры последовательных моделей, включая Transformer/BERT-like, ModernBERT-like, HSTU, LiGR, DA-Net, Mamba-like, разделяет этапы подготовки данных, обучения и инференса и позволяет переиспользовать промежуточные вычисления без полного пересчета пайплайна. Сейчас фреймворк уже используют в нескольких сценариях внутри Т-Банка: для рекомендаций товаров и партнерских скидок в "Шопинге", персонализации повышенного кэшбэка и предиктивной поддержки, которая заранее пытается определить тему обращения клиента. Дальше команда планирует развивать онлайн-рекомендации и исследовать кросс-доменное предобучение моделей.

😏 AGI

Какую презентацию какая модель сделала?

Давайте проведем интерактив. Я сделал две презентации с одинаковым промтом и скиллом - про черные дыры. Первая презентация Вторая презентация Ниже соответственно опрос:

Презентации он действительно красивые делает

Kimi K3 recreates Interstellar’s Gargantua by watching itself work: 62 self-screenshots, each one read, diagnosed, and acted on. Ну в целом разрабов дедлока можно увольнять

Бенчи