🤖 Что такое RAG-системы и как они меняют подход к данным?

LLM умеет отвечать красиво, но иногда «галлюцинирует» — придумывает факты из воздуха. Тогда на помощь приходят RAG-системы (Retrieval-Augmented Generation).

Мы поговорили с Артёмом Петровичем Поповым, аналитиком данных Сбера, и узнали, как именно работает RAG, какие задачи он решает и как будет развиваться в будущем.

🔍 Что такое RAG?

RAG — это инструмент, расширяющий возможности LLM через «подключение» к ней базы знаний любого размера.

Обычная модель отвечает «из памяти», а RAG сначала ищет источники и подставляет их в контекст, поэтому ответы получаются точнее и актуальнее.

⚙️ Как работает RAG-система?

⚪️ Документы собираются и предобрабатываются.
⚪️ Из них формируется поисковая база.
⚪️ При запросе система достаёт релевантные фрагменты и передаёт их модели.
⚪️ Модель формирует ответ и показывает, откуда взят факт.

❗️Важно отметить: чтобы система работала исправно, нужно навести порядок в данных, убрать дубликаты, разбить материалы на фрагменты и следить за скоростью и стоимостью системы.

📌 Когда выбрать RAG?

Если нужны персонализированные ответы по внутренним правилам и документам, работа с «живыми» данными и прозрачность через ссылки и цитаты.

Эффект внедрения заметен сразу: поиск занимает секунды вместо минут, снижается количество ошибок, а сотрудники освобождаются от рутинных запросов.

💡 Где уже применяется RAG?

➖ службы поддержки и внутренние ассистенты в компаниях;
➖ юриспруденция и медицина, где цена ошибки особенно высока;
➖ финансы и обучение, где важно работать с большими массивами свежей информации.

🚀 Как будут развиваться RAG-системы в ближайшие годы?

💬 Они станут «деятельнее». Смогут не только отвечать, но и выполнять шаги в ваших системах по правилам в рамках работы AI-агентов. Улучшится объединение разных источников и персонализация, а ответы будут ещё прозрачнее!» — отметил Артем Петрович.

Миф 1️⃣0️⃣
Все учёные — интроверты, они не умеют общаться и выступать

Образ замкнутого «ботаника», который не может связать двух слов на сцене, — один из самых живучих стереотипов. Но настоящая наука выглядит совсем иначе.

🎤Учёные умеют выступать!

Научные конференции, лекции и воркшопы — все это база для современных исследователей. Умение презентовать результаты и вовлекать аудиторию — навык, который ученые прокачивают так же, как аналитическое мышление.

👤 Общение — основа науки

Учёные постоянно взаимодействуют с людьми: обсуждают гипотезы, защищают проекты перед экспертными советами, ведут переговоры. Чтобы получить грант или партнёрство, нужно убедительно донести идеи.

📢 Многие учёные становятся популяризаторами

Они ведут подкасты, блоги, YouTube-каналы, пишут книги и объясняют сложные вещи простыми словами. Наука выходит за пределы лаборатории именно благодаря таким коммуникаторам.

Научная реальность: учёные — не затворники, а отличные спикеры и коммуникаторы. Да, не все рождаются харизматичными ораторами, но навык общения — обязательная часть профессии и залог успеха!

Еще больше об ИИ и науке читайте в DSCS.pro

📰Дайджест новостей в сфере ИИ: собрали главные инфоповоды недели

Что произошло в мире ИИ на этой неделе? GigaChat освоил татарский, Meta представила новую нейросеть для понимания кода, а Стэнфорд превращает научные статьи в ИИ-ассистентов. Об этом и не только — в нашем свежем дайджесте ⬇️

🇷🇺 В России:

Сбер и Академия наук Республики Татарстан обучат GigaChat татарскому языку

В Пензенском государственном университете разработали ПО, которое с помощью графовых нейросетей моделирует 3D-структуру артерий сердца

Нейросеть «Алиса» стала доступна пользователям мессенджера Max, а с 24 сентября ее запустят в Telegram

ХайТэк, РСК и Гравитон представили ПАК LinQ HPC для ИИ-задач

SberDevices вывел на рынок умное кольцо, в которое интегрированы GigaChat и сервис «СберЗдоровье»

В Яндексе представили ИИ-решение AI Studio для создания агентов, а в Yandex Cloud вывели на рынок инструмент Realtime API для запуска голосовых агентов на базе генеративных ИИ-моделей

Производитель чипов Байкал Электроникс разрабатывает процессор Baikal AI для ИИ-задач на базе стандарта RISC-V

В НИТУ МИСИС создан протокол для квантовых вычислений, который позволяет более эффективно использовать квантовые компьютеры при разработке ИИ-систем

🌍 В мире:

Учёные из Стэнфорда представили Paper2Agent — open-source инструмент, который превращает привычные PDF-статьи в интерактивных AI-ассистентов.

Американская компания Suno выпустила новую версию ИИ-инструмента Suno v5 для создания и редактирования музыки

Meta представила новую нейросеть Code World Model (CWM) для понимания кода

Alibaba разработала модель Qwen3-TTS-Flash для преобразования текста в речь с поддержкой русского языка, а также модель Qwen-Image-Edit-2509 для редактирования изображений

Apple выпустили семейство открытых нейросетей для предсказания структуры белков SimpleFold.

Alibaba/Tongyi представили новую линейку агентных моделей для глубоких исследований и работы в сети: WebWeaver, ReSum и WebSailor-V2.

Американская организация Chan Zuckerberg Initiative открыла платформу Knowledge Graph с наборами академических данных для ИИ-систем. Платформа подключена к модели Cloude от Anthropic

Sakana AI представили open-source фреймворк для научных открытий

ℹ️Развеем страхи о вытеснении журналистов искусственным интеллектом

Инновации ускорили и упростили создание контента, а проверка достоверности информации стала автоматизированной. Новые технологии развиваются стремительно, речь уже идёт про фундаментальный сдвиг.

👀Почему не стоит бояться нейросетей и как использовать ИИ для производства контента — объяснил доцент СПбГУ (кафедра информатики) Максим Абрамов.

🤩Подписаться на СПбГУ ➡️ MAX | ВК

⚡️ Разработчики DeepSeek раскрыли успех проекта в журнале Nature

Китайская команда стала первой в мире, кто решился подробно описать процесс обучения своей модели в ведущем рецензируемом журнале. Делимся главными инсайтами ⬇️
🔵Спойлер: успех DeepSeek не связан с обучением на результатах работы конкурентов, как предполагали ранее.

🔥 Сколько стоила модель?

Модель искусственного интеллекта R1 от DeepSeek, выпущенная в январе 2025 года, мгновенно стала сенсацией: релиз совпал с падением фондового рынка США, а на Hugging Face модель взлетела в топ — 10,9 млн загрузок.

Главная интрига статьи — впервые опубликованная смета проекта:
⚪️ $6 млн — создание базовой LLM;
⚪️ $294 тыс. — обучение R1 с применением новой методики.

Для сравнения: бюджеты OpenAI и других лидеров исчисляются сотнями миллионов долларов. При этом обучение R1 велось преимущественно на чипах Nvidia H800, официально ограниченных к экспорту в Китай.

🤖 Метод обучения

Главным новшеством стало Pure Reinforcement Learning (RL): модель вознаграждалась только за правильные ответы, а не за следование выбранным человеком примерам рассуждений. Такой подход позволил R1 самостоятельно проверять вычисления и вырабатывать стратегии рассуждений без внешних шаблонов.

При этом команда DeepSeek не раскрыла в статье свои обучающие данные. Разработчики подчеркнули: R1 не копировала примеры рассуждений, сгенерированных моделями OpenAI.
⚪️Но признали другое — как и большинство LLM, базовая версия R1 обучалась на данных из интернета, поэтому впитала в себя любой сгенерированный искусственным интеллектом контент.

🚀 Что это дало индустрии?

R1 незаменима в науке. В тестах ScienceAgentBench на выполнение таких задач, как анализ и визуализация данных, модель хоть и не стала первой по точности, но оказалась одной из лучших с точки зрения баланса между способностями и стоимостью

Сегодня другие команды уже перенимают методику R1, чтобы усиливать reasoning-способности своих моделей.

Исследователи отмечают: почти все проекты с RL в 2025 году так или иначе вдохновлены подходом DeepSeek. Многие уверены — именно R1 стала отправной точкой новой эры в обучении ИИ.

Еще больше об ИИ и науке читайте в DSCS.pro

🎉 +1 кандидат технических наук в нашей команде: поздравляем Валерию Фуатовну Столярову!

Министерство науки и высшего образования Российской Федерации присудило Валерии Фуатовне ученую степень кандидата технических наук.

🎓 Её кандидатская работа «Методы и алгоритмы автоматизированной оценки частоты сбора информации о поведении индивидов на основе непрерывных данных» ранее была защищена в диссертационном совете на базе СПб ФИЦ РАН.

⚪️ Научным руководителем выступил Александр Львович Тулупьев, доктор физико-математических наук, профессор, под руководством которого было проведено масштабное и глубокое исследование.

⭐️ Присвоение степени — это не только результат многолетней научной работы, сложнейших исследований, бессонных ночей и любви к науке. Это важный шаг в развитии отечественных исследований в области технических наук.

🎉 Валерия Фуатовна, от всей души поздравляем вас! Пусть впереди будет ещё больше открытий, смелых идей и больших побед.

🤖 ИИ в деле: готовим ужин вместе с нейросетями

Продолжаем делиться практическими кейсами о том, как ИИ облегчает повседневную жизнь.

🔥 Сегодня — про еду: как с помощью нейросетей разнообразить меню и сэкономить время на кухне.

Каждый сталкивался с ситуацией, когда продукты есть, а идей — нет. Обычные рецепты приедаются, а интернет уверен, что в холодильнике всегда есть креветки и трюфельное масло.

Тут на помощь приходит ИИ: достаточно ввести список продуктов, и нейросеть предложит десятки вариантов — от быстрых перекусов до ужина на всю семью.

📌 Как использовать ИИ для кулинарных задач?

1️⃣ Подбор рецептов по продуктам
Введите список того, что есть под рукой, и модель сгенерирует блюда с пошаговыми инструкциями и временем готовки.

2️⃣ Персонализация и замены
Можно указать диетические ограничения («без глютена», «низкокалорийное») или предпочтения («хочу азиатскую кухню»). ИИ предложит замены ингредиентов и адаптирует рецепт под ваши условия.

3️⃣ Планирование меню
Нейросети помогают составить рацион на день, неделю или даже месяц. Удобно для тех, кто хочет разнообразия или придерживается ЗОЖ.

4️⃣ Подсчёт калорий и КБЖУ
Некоторые сервисы рассчитывают питательную ценность блюд, что особенно полезно для тех, кто следит за фигурой.

⚙️ Какие инструменты выбрать?

⚪️ ChatGPT — универсален: подходит для быстрых идей, меню на неделю и замены продуктов.
⚪️ GigaChat — учитывает российский контекст, предлагает рецепты с доступными ингредиентами.
⚪️ DeepSeek — даёт подробные рецепты с КБЖУ и адаптирует их под ваши предпочтения.
⚪️ ChefGPT — больше про гастрономию и необычные сочетания, составит меню под бюджет.
⚪️ AI Recipe Generator, Mealmind, RecipeGPT — специализированные сервисы для планирования питания, подсчёта калорий и создания кулинарных книг.

Уже пробовали рецепты от ИИ? Делитесь впечатлениями в комментариях ⬇️

Еще больше об ИИ и науке читайте в DSCS.pro