🔄 Переводим с рабочего на человеческий
А заодно делимся полезными AI-сервисами, которые добавят красок в офисные будни:
▫️ Играть — AI Dungeon
▫️ Работать — MeetGeek
▫️ Творить — ГигаЧат
▫️ Шалить — AI Portrait
▫️ Думать — Human or Not
▫️ Готовить — Recipes By AI
❤️ — если нашли занятие по душе
✔️ Подписывайтесь на Sber AI в MAX
А заодно делимся полезными AI-сервисами, которые добавят красок в офисные будни:
▫️ Играть — AI Dungeon
▫️ Работать — MeetGeek
▫️ Творить — ГигаЧат
▫️ Шалить — AI Portrait
▫️ Думать — Human or Not
▫️ Готовить — Recipes By AI
❤️ — если нашли занятие по душе
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤79😍46🔥39💯32😎31👍24❤🔥23👏16
This media is not supported in your browser
VIEW IN TELEGRAM
❤18💯10🔥8😍6❤🔥5👍4😎4👏3
В БРАЗИЛИИ БЫЛО ОСОБЕННО ЖАРКО 🇧🇷
Агентные системы, reasoning и CV — чем запомнилась конференция ICLR 2026?🤩
Наши коллеги:
Записали кружок с места событий🤩
✔️ Подписывайтесь на Sber AI в MAX
Агентные системы, reasoning и CV — чем запомнилась конференция ICLR 2026?
Наши коллеги:
🟣 Константин Митин, руководитель направления Центра человекоцентричного ИИ🟣 Руслан Алиев, Senior Data Scientist🟣 Олег Дурыгин, руководитель направления по исследованию данных Центра исследования ИИ для спорта
Записали кружок с места событий
Please open Telegram to view this post
VIEW IN TELEGRAM
😍35❤8😎6🔥3❤🔥2👍2💯1
ВОТ ЧТО БЫЛО НА ICLR 2026 🤩
Делимся итогами одной из ключевых ИИ-конференций мира, проходившей 23–27 апреля в Рио-де-Жанейро.
В рамках постерной сессии наши коллеги из Управления экспериментальных систем машинного обучения, Управления базовых моделей Kandinsky и Центра практического искусственного интеллекта представили четыре научные работы🤩
Мы также провели мощный нетворкинг-митап, который собрал более 150 участников из разных стран и стал одной из точек притяжения на площадке.
На нём спецы из GigaChat, Kandinsky 5.0, Kandinsky 3D и AI4Football рассказали о технологиях и продуктах Сбера🤩
Это был насыщенный опыт. Рио-де-Жанейро, спасибо за гостеприимство!
✔️ Подписывайтесь на Sber AI в MAX
Делимся итогами одной из ключевых ИИ-конференций мира, проходившей 23–27 апреля в Рио-де-Жанейро.
В рамках постерной сессии наши коллеги из Управления экспериментальных систем машинного обучения, Управления базовых моделей Kandinsky и Центра практического искусственного интеллекта представили четыре научные работы
🎨 🎨 🎨
ОТКРОЙ МЕНЯ👀 🎨 🎨 🎨 🎨 🎨 🎨 🤩 Роман Соломатин, главный инженер по разработке, Департамент развития искусственного интеллекта и машинного обучения, Управление экспериментальных систем машинного обучения
HUME: Measuring the Human-Model Performance Gap in Text Embedding Tasks
Авторы создали специальный тест — HUME, чтобы оценить, насколько хорошо люди и модели справляются с анализом текста. Результат: в среднем модели опережают людей (80,1% против 77,6%), но в сложных языках и тонких смысловых нюансах человек всё ещё сильнее🤩 Вячеслав Васильев, Senior Data Scientist; Мария Ковалёва, Middle Data Scientist, Управление базовых моделей Kandinsky
Time-Correlated Video Bridge Matching
Авторы предложили подход к обработке видео, где модель учитывает связь между кадрами во времени, а не анализирует их по отдельности. Проще говоря, система учитывает прошлые кадры и предсказывает следующие — за счёт этого движения объектов в кадре становятся более плавными и естественными🤩 Дмитрий Бабаев, Lead AI Rsearcher; Павел Задорожный, Middle AI Researcher; Родион Левичев, Middle AI Researcher, Управление экспериментальных систем машинного обучения
Multi-LCB: Extending LiveCodeBench to Multiple Programming Languages
Был представлен новый бенчмарк, который проверяет способность ИИ решать свежие соревновательные задачи по программированию. Его также расширили на 12 языков, чтобы понять реальную эффективность модели на конкретном стеке🤩 Савелий Чежегов, Middle AI Researcher, Центр практического искусственного интеллекта
High-Probability Bounds For the Last Iterate of Clipped SGD
Учёные предложили решение одной из ключевых проблем обучения ИИ: необходимость многократных запусков из-за случайных факторов. Они впервые провели строгий анализ сходимости Clip-SGD для последней итерации. Метод оказался эффективным. Он позволяет обучать модель один раз и получать надёжный результат
Мы также провели мощный нетворкинг-митап, который собрал более 150 участников из разных стран и стал одной из точек притяжения на площадке.
На нём спецы из GigaChat, Kandinsky 5.0, Kandinsky 3D и AI4Football рассказали о технологиях и продуктах Сбера
Это был насыщенный опыт. Рио-де-Жанейро, спасибо за гостеприимство!
❤️ — было реально жарко
🔥 — бегом читать статьи
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤44🔥22❤🔥18👍17👏14💯12😎12😍8
ВЫБЕРИТЕ ИНВЕНТАРЬ 🖱
⬆️ И откройте свои планы на первомайские выходные!
❤️ — хороших выходных!
✔️ Подписывайтесь на Sber AI в MAX
Отмечаем Праздник Весны и Труда и обмениваемся открытками с друзьями. Кстати, сделать такие же можно в ГигаЧат
❤️ — хороших выходных!
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤90👍53💯46👏43😎42🔥41😍38❤🔥36
О БУДУЩЕМ АРХИТЕКТУРЫ ДАННЫХ 🤩
Коллеги из СберТеха поделились интересным кейсом. Коротко пересказываем суть🤩
С данными сейчас происходит похожий сдвиг. Классические подходы — star schema, medallion-архитектура, каталоги — создавались под SQL-разработчиков.
AI-агенты устроены иначе:
И тут важный момент: данные — не коробки на складе.
Их структура определяет, какие вопросы к ним можно задать. Поэтому речь не об отказе от структуры, а о смене её роли:
Если человеку не хватает контекста, он уточнит. Агент так не может, и это приводит к системным ошибкам.
Попытки решить это уже были: глоссарии, семантические слои, каталоги. Большинство не взлетело из-за низкой окупаемости.
Поэтому смена оператора — это не про автоматизацию процессов, а про пересборку самой модели работы с данными.
Полный материал — тут🤩
Что думаете?
✔️ Подписывайтесь на Sber AI в MAX
Коллеги из СберТеха поделились интересным кейсом. Коротко пересказываем суть
Когда Amazon внедрила роботов на складах, компания убрала навигацию, рассчитанную на человека, и перешла на систему координат🤖
С данными сейчас происходит похожий сдвиг. Классические подходы — star schema, medallion-архитектура, каталоги — создавались под SQL-разработчиков.
AI-агенты устроены иначе:
🟣 они не «смотрят на карту» данных🟣 они не ищут данные через навигацию🟣 они запрашивают значение напрямую
И тут важный момент: данные — не коробки на складе.
Их структура определяет, какие вопросы к ним можно задать. Поэтому речь не об отказе от структуры, а о смене её роли:
🔗 с навигации → на операционную семантику🔗 от пайплайнов → к смыслу🤩 О том, как проектировать среду для агентов и почему это важнее промптинга, можно прочитать в канале наших коллег, а также в МАКС
Если человеку не хватает контекста, он уточнит. Агент так не может, и это приводит к системным ошибкам.
Попытки решить это уже были: глоссарии, семантические слои, каталоги. Большинство не взлетело из-за низкой окупаемости.
Сейчас ситуация меняется: стоимость отсутствия контекста впервые становится измеримой через качество решений агентов🖥
Поэтому смена оператора — это не про автоматизацию процессов, а про пересборку самой модели работы с данными.
Полный материал — тут
Что думаете?
❤️ — хочется узнать об альтернативах
🔥 — надо идти в ногу со временем
Please open Telegram to view this post
VIEW IN TELEGRAM
❤40🔥12👍8👏3😍1💯1
НА ТАКОЕ СПОСОБЕН ТОЛЬКО ИИ
Как вам образы знаменитостей?
❤️ — хочу мускулистый пиджак
🔥 — сохраняю промпты для модных экспериментов
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤58🔥44❤🔥34😍31👏21😎18👍14💯14