Latest posts
Dealer.AI
26 Sept, 15:01
Yandex Scale’26: что мы вынесли с главной конференции Yandex Cloud.Прошла Yandex Scale’26 – конференция Yandex Cloud про AI, Hybrid Infra & DevOps, Data и Security. День получился плотным, но главное, разумеется, не количество докладов, а выводы:1. ИИ-агенты становятся рабочим инструментом. Главный анонс тут это Алиса AI Про для бизнеса - мультиагентная система, где под задачу собирается команда специализированных агентов, а Алиса координирует работу. Уже 120+ навыков и 20 плагинов для интеграции с CRM и документооборотом. Доступно клиентам Yandex AI Studio. 😜2. Безопасность всему голова. Как 📦 много говорил - уже обязательный слой для ИИ. На мероприятии анонсировали направление Yandex Security - единый мониторинг безопасности не только в облаке Яндекса, но и в гибридных и мультиоблачных средах. Плюс беспарольная авторизация WebAuthn/FIDO2 и адаптивная защита от ботов. Логично, если ИИ-агентам дают доступ к данным, защита должна быть встроенной. 🧠3. Данные по-прежнему боль. Показали DataLens Platform: загрузка, хранение, визуализация и ИИ-аналитика в одном месте. Как раз на их воркшопе по ИИ аналитике мы были. Подготовка отчётов ускоряется в 3–5 раз, затраты на аналитику снижаются до 30%. Публичный запуск уже скоро – в начале 2027. 💸4. Агенты в разработке. Этим конечно не удивишь уже, все крупные игроки в это идут, но все же. В SourceCraft ИИ-агентов можно подключать как участников команды со своей учётной записью. Они пишут код, проверяют безопасность и отдают на ревью. Время на задачи сокращается в среднем на 11,2%, объём переделок – на 6,8%.Как мы и говорили о трендах – рынок переходит от экспериментов с ИИ к масштабированию. Но масштабирование не работает без зрелой гибридной инфраструктуры, семантик слоя компании в лице данных и встроенной безопасности. Теперь это фундамент и Yandex Scale’26 показала это лучше всего. 👍Что хочу изучить подробнее: архитектуру мультиагентных систем в AI Studio 2.0, семантик слой в DataLens Нейроаналитик и защиту ИИ-приложений через SolidWall AI Security Gateway. Вдруг в работе пригодится. 😏
Dealer.AI
26 Sept, 10:16edited
Mimo-v2.6 крокодил от Xiaomi Слежу пристально за новыми моделями из Китая. Вышло обновление семейства Mimo. Сегодня разберём особенности обучения их RL GAR подхода, и дам некоторые замечания по метрикам. Поехали. 🚙Для начала, модель MoE размером порядка 1T и A42B параметров, multimodal и жуёт: текст, аудио, визуалы. Работа по классике через модальные энкодеры с маппингом на пространство токенов языковой модели. Жаль, тк вокруг уже omni модели пошли. Но это путь догоняющих, осилит его идущий. 😮💨По вниманию гибрид внимания в окне и глобального внимания, в соотношении 6 к 1. Это даёт уменьшение KV кеша в 7 раз по сравнению с full attention. Есть MTP декодер для спекулятивной генерации.Про GAR RL, как вариации GRPO.GAR алгоритм (Groupwise Advantage Redistribution) работает по принципу перераспределения траектории относительно внутренних преимуществ. Делают для каждой задачи 16 траекторий, получают для каждой оценку эффективности (будет ниже), и делают перезвешивание награды. Тк сигнал 0/1 владеет меньшей вариацией, такой подход лучше/хуже работает эффективнее.16 попыток решения помещаются в общее рабочее пространство, и evaluator-модель оценивает их совместно по пяти измерениям: 1. Соответствие подхода задаче (в тч отсутствие взлома). 2. Точность реализации без лишних fallback-ов. 3. Минимальность изменений. 4. Отсутствие случайных правок вне задачи. 5. Соответствие стилю окружающего кода.Прошедшие попытки ранжируются: нижние получают меньше положительного подкрепления, верхние - больше. Подтверждённый reward hacking (например, скачивание готового патча) обнуляется и считается провалом до ранжирования. 🛑Пример. Два решения (1ца в награде) могут оба пройти тесты, но одно будет минимальным и корректным, а другое – обойдёт исключения или скачает готовое решение из интернета, но решит задачу. Оба решения дают в RLVR нужный ответ, но модель не учится отличать хорошее решение от запрещенного, если сигнал одинаков. Данный подход с этим борется.Интересное наблюдение. Авторы замораживают роутер экспертов на стадии RL тюнинга, иначе, на масштабе данных, тюнинг роутера вызывает коллапс баланса экспертов. Итог - так обучать стабильнее и быстрее. 🧠Замечания:- Вопросы воспроизведение метрик. Все результаты получены в одном запуске, внутри одной лаборатории, на одном кластере. 😳- Смешанные бенчмарки: сравнения с другими моделями включают внутренние оценки и не изолируют вклад RL от архитектуры и пре-трейнинга. Те мы точно не понимаем, а где инкремент. 😥- Рост токенов. Улучшения от RL сопровождаются увеличением использования токенов, это же в соседних чатах уже подтвердили коллеги по цеху. 😐Но в целом, мне интересны были именно RL и как снизили KV через гибрид внимание. Коллеги говорят, что неплохая моделька маленькая (но конечно не конкуренты от топов), но токены улетают слишком быстро. 🤨 Как-то так.alphaXivMiMo-V2.6: Scaling Reinforcement Learning Towards Self-ImprovementMiMo-V2.6 presents a large-scale reinforcement-learning framework for improving multimodal agents on long-horizon tasks involving code, tools, visual interfaces, and cybersecurity. By combining...Dealer.AI
25 Sept, 15:01edited
Ну и за такие комментарии, и новые знакомства, стоило сходить 🤗
Dealer.AI
25 Sept, 14:31
Аналитика на естественном языке с DataLens на Yandex Scale 2026.Вчера мы были на Yandex Scale 2026, как и обещали. Много интересных стендов про AI, безопасность и инфроструктуру. Но больше всего 📦 заинтересовал воркшоп "Нейроаналитик: ИИ‑аналитика без границ с DataLens".Почему? Все просто в нашем пулле задач есть тема с ИИ агентной аналитикой. Однако, если мы работаем сейчас на уровне семантического слоя, создания обвязки, подбора моделей и mcp шлюза для коннекторов, то ребята из YandexCloud сделали уже все это за вас + ещё и интерфейс нативный вкрутили.Их решение позволяет уже переиспользовать готовую обвязку, чат взаимодействия с вашим знаниевым слоем. С вас только коннекторы к данным и выбор модели. Все остальное дело prompt техники. Есть, как готовый нейроаналитик (most common сценарии и общие рабочие пространства), так и можно настроить внешнего агента с кастомными скиллами под только ваши задачи. Также скиллы можно расшарить на команду поверх готового harness в рамках общего пространства в Нейроаналитик.В общем интересное решение для компаний у которых нет желания делать свое, а просто взять коробку и подрубить на свой ландшафт данных для аналитики. Спасибо ребятам за воркшоп, было интересно 🤗
Dealer.AI
21 Sept, 18:12edited
Jev, как хорошо забытое старое.Что тут говорить про jev, я и в чате канала писал, что это или диффузия, или энкодер на трансформере, или T5 like, но с supervised хорошо выверенной задачей на обучении. Просто представьте у вас sturctured/constrained output, ток не генеративка.Крч, сам не хочу более писать, почитайте лучше коллегу. 🔫Да и че там писать, ждём тех репорта. ⏰LangchainWhat Is Jev? A Guide to TypeSafe AI’s System One ModelWhat is Jev? Learn how TypeSafe AI’s System One model makes fast, structured decisions, where it fits in the agent loop, and how to use Jev with LangChainDealer.AI pinned «О положении oss vs private LLM. Открытые модели уже приблизились к фронтирным и отстают максимум на 4 мес. С таким тезисом вышел аналитический док от команды Mozilla. Отчёт построен на трёх основных типах данных: 1. Опрос разработчиков Mozilla / SlashData…»
20 Sept, 11:48
Dealer.AI
20 Sept, 06:50edited
Все что нужно знать о пользе современного ИИ. ШУТКА. 💳 Модель мухи на 160к (примерно 650кб памяти) параметров нейросети. Ребята дотюнили модель на варку пива, теперь у тебя есть готовый пиво-кореш муха.😜 База тут. #meme, #выходной
Dealer.AI
19 Sept, 17:26edited
Все что нужно знать о пользе современного ИИ. ШУТКА. 💳Модель мухи на 160к (примерно 650кб памяти) параметров нейросети. Ребята дотюнили модель на варку пива, теперь у тебя есть готовый пиво-кореш муха.😜База тут.#meme, #выходнойDealer.AI pinned a photo
18 Sept, 13:05
Dealer.AI
18 Sept, 06:47edited
О положении oss vs private LLM.Открытые модели уже приблизились к фронтирным и отстают максимум на 4 мес. С таким тезисом вышел аналитический док от команды Mozilla.Отчёт построен на трёх основных типах данных:1. Опрос разработчиков Mozilla / SlashData охват около 1 400 разработчиков по всему миру (в первой версии 950+). Используется для оценки adoption, барьеров и практик использования. 2. Данные трафика OpenRouter платформы-агрегатора, через которую маршрутизируются запросы к разным моделям. Это даёт картину реального использования по токенам и запросам. 3. Сторонние бенчмарк-индексы: Artificial Analysis Intelligence Index, Epoch Capabilities Index (ECI), METR (time-horizon), LMArena, Terminal-Bench и другие.Что внутри:1. Возможности и цена. Лучшая открытая модель отстаёт от закрытой на 3 балла и стоит ~60% от неё. В августе 2026 DeepSeek впервые возглавил OpenRouter поDealer.AI
17 Sept, 16:54edited
TTPO обучение моделей без явной разметки.Представь, LLM сдаёт олимпиаду по математике. Ответов нет. Как ей улучшать себя прямо во время решения?Команда из Чжэцзянского университета и Alibaba предложила TTPO (Test-Time Policy Optimization) - метод, который позволяет модели самообучаться на тесте без единой метки.В чём проблема?Обычно для обучения нужны правильные ответы. В test-time training их нет. Наивный выход - это взять мажоритарное голосование: сгенерировать К решений (к примеру 8), выбрать самый частый ответ и считать его псевдоправильным. Но на сложных задачах такой псевдоответ ошибается в ~85% случаев. Учиться на нём в лоб - значит закреплять ошибку.Ключевое наблюдение авторов это асимметрия ошибок. Челы заметили, даже когда псевдоответ неверен, ~79% решений, которые с ним не согласны, тоже ошибочны. То есть штрафовать "не согласных" почти всегда правильно, независимо
Dealer.AI
16 Sept, 10:02edited
Yandex Scale 2026 научит мыслить об ИИ в масштабе.Вокруг AI много разговоров про модели, harness, агентов. 📊 Но что происходит после того, как модель выбрали и запустили, обсуждают гораздо реже. 😐 Хотя, на самом деле, соломку было лучше подстелить заранее и уже иметь ответы на эти вопросы. 👍Как организовать инфраструктуру (онпрем, облако или гибрид), где хранить и обрабатывать данные (холодное или горячее), как обеспечить безопасность (мониторы, гварды, соглашения) и что делать с токеномикой и расходами на вычисления – всё это быстро становится частью не только проекта, но и порой целой AI-трансформации. 😥На все эти вопросы ответят 24 сентября, и 📦 тоже будет на Yandex Scale’26 – технологической конференции Yandex
Dealer.AI
15 Sept, 18:17edited
OpenAI попала в скандал с "решением" задачи тысячелетия: математик обвиняет ИИ-гиганта в краже идей Вот ещё новость интересная. Математик Тристан Бакмастер утверждает, что OpenAI тайно использовала данные его закрытых сессий в Codex, чтобы получить решение404 MediaInside ‘Project Lily’: The Humans Reading Your ChatGPT ChatsHumans are reading ChatGPT users’ prompts to improve OpenAI’s models, and those chats can include sensitive, personal information, according to leaked internal documents and real prompts seen by 404 Media.Dealer.AI pinned a photo
14 Sept, 07:48
Dealer.AI
13 Sept, 14:45edited
А, кстати, с днем программиста, пока это ещё актуально... 👍😐
Dealer.AI
13 Sept, 09:41edited
Немного поясню за_looped_transformer 📦В посте про спекуляции о размере Astra я уже упомянул такое "новое" направление как looped transformers.На самом деле, Дядя оч за новые подходы к архитектурам, инженерии, что даёт ап метрик и пробивает текущее плато продуктивности моделей. 💪 Конечно, хотелось бы и парадигму next token prediction сменить. Но об этом будем говорить в рамках поделок Лекуна. 👍Однако, луп трансформер не новый подход, он ещё известен с моделей albert и ещё раньше. Первые упоминания в UTS (universal transformers) от гугл аж в 2018. 🚬Идея не сложная. Вместо роста архитектурной глубины по слоям – числу стаков блока трансформера, а также в ширину – размер hidden state, мы делаем реюз базового блока (например в 22 блока трансформера,
Dealer.AI
11 Sept, 13:10
Про решение задачи миллениума для уравнения Навье-Стокса. Уравнения Навье‑Стокса - это фундамент всей гидро и газодинамики: на них считают крылья самолётов, турбины, погоду и даже кровоток 👍 Почти 90 лет математики не могли ответить на вопрос: может ли
Dealer.AI pinned «Про решение задачи миллениума для уравнения Навье-Стокса. Уравнения Навье‑Стокса - это фундамент всей гидро и газодинамики: на них считают крылья самолётов, турбины, погоду и даже кровоток  Почти 90 лет математики не могли ответить на вопрос: может ли…»
10 Sept, 08:21
Dealer.AI
9 Sept, 11:55edited
Про решение задачи миллениума для уравнения Навье-Стокса.Уравнения Навье‑Стокса - это фундамент всей гидро и газодинамики: на них считают крылья самолётов, турбины, погоду и даже кровоток 👍Почти 90 лет математики не могли ответить на вопрос: может ли идеально гладкое течение внезапно "взорваться", породив "бесконечную" скорость (в пределе)?Работы выше показали: да, может. При определённых условиях вихрь закручивается внутрь, вытягивается как спагетти, и скорость в его центре устремляется к бесконечности. Это не отменяет уравнения Навье‑Стокса для 99,9% инженерных задач, а уточняет их границы и показывает, где именно классическая модель перестаёт работать.🌀 Связь с теорией катастроф: бифуркация как точка невозвратаСингулярность в Навье‑Стоксе – это точка бифуркации в динамике системы. В теории катастроф Рене Тома такие точки отписываются, какWikipediaУравнения Навье — СтоксаУравне́ния Навье́ — Сто́кса — дифференциальные уравнения в частных производных, описывающие движение вязкой ньютоновской жидкости[1][2][3][4][5][6][7]. Уравнения Навье — Стокса математически выражают баланс импульса для ньютоновских жидкостей и используют…Dealer.AI pinned a photo
9 Sept, 08:28
Related Channels
Other channels in the same section of the catalogue.
