Анализ данных (Data analysis)
52K subscribers
3.87K photos
475 videos
1 file
3.13K links
Data science, наука о данных.

@haarrp - админ

РКН: clck.ru/3FmyAp
Download Telegram
NVIDIA сократила обработку данных телескопа с месяца до 8 минут

На SC26 NVIDIA показала обновления CUDA-X для научных вычислений. По данным компании, модуль cuPhoton.xBeam сократил с более чем месяца до восьми минут один из этапов обработки данных Event Horizon Telescope. На этом этапе сопоставляют радиосигналы телескопов по всему миру, чтобы затем восстановить изображение.

Другой модуль, cuPhoton.xLens, позволяет анализировать результаты моделирования плазмы прямо во время расчёта. Такой подход уже использовали исследователи Pacific Fusion. К этому процессу можно подключить локального агента на базе Nemotron, чтобы изучать промежуточные результаты по мере их появления.

В материаловедении NVIDIA заявила ускорение до 22 раз для квантово-механических расчётов в VASP с GPU-ядрами Daviator. В открытой библиотеке cuSpa компания сообщила об ускорении в 900 раз на отдельной операции с контурами клеток по сравнению с CPU. Эту операцию используют при построении пространственных графов тканей.

Подробности в блоге NVIDIA: https://blogs.nvidia.com/blog/cuda-x-libraries-agents-accelerate-scientific-discovery/
❤14🔥13👍6
Microsoft выпустила модель для решений в коде. Миллион входных токенов стоит $0,042

Microsoft-Decision-1.1 выбирает из вариантов, которые задал разработчик, и возвращает оценку уверенности. Например, модель может решить, в какую очередь отправить тикет поддержки. Если уверенность ниже заданного порога, приложение передаст тикет оператору. На вход можно подавать текст, фотографии и скриншоты.

Модель построена на Gemma 4 26B A4B. По данным Microsoft, она работает более чем вдвое быстрее предыдущей версии при той же цене. В Copilot её уже используют для маршрутизации запросов: по замерам компании, она справляется с этой задачей с той же точностью, что и большая языковая модель, в 2,2 раза быстрее и в 4,4 раза дешевле.

Модель доступна в Microsoft Foundry, OpenRouter и Vercel. В Foundry тариф Global Standard стоит $0,042 за миллион входных токенов, выходные токены бесплатны.

Анонс Microsoft: https://commandline.microsoft.com/microsoft-decision-model-ga/
❤5👍5🔥2
⚡️ Anthropic выходит на биржу с оценкой $1,5 трлн. Крупнейшее IPO в истории

Разработчик Claude установил цену размещения на уровне $83 за акцию, выше первоначального диапазона в $70–78.

Общий объём размещения 980 млн акций составит $81,34 млрд. При полном исполнении опциона на дополнительные 147 млн акций сумма может достигнуть $93,54 млрд.

Anthropic обходит SpaceX, которая привлекла около $75 млрд в июне, по объёму IPO.

Торги на Nasdaq начнутся сегодня, 19 ноября, под тикером ANT.

https://www.anthropic.com/news/anthropic-prices-initial-public-offering
😱11👍4❤3🔥3
🤖 Вышел комикс о ML-инженере и рекомендательных алгоритмах

Действие «НИИ РЕКСИС» происходит в Москве будущего, где рекомендательные системы выходят из-под контроля. Алгоритмы предлагают людям всё более абсурдные занятия, а разобраться в происходящем предстоит ML-инженеру и его коллегам.

Создатели утверждают, что в основу фантастического сюжета легли реальные технологии рекомендательных систем. Получился такой взгляд на работу ML-инженеров через научную фантастику.

https://bubble.ru/product/digital-nii-reksis
❤8😐8🌚3👍2🔥2
«Молчаливый консенсус»: в Кремниевой долине допускают потерю человечеством контроля над цивилизацией

Дин Болл, руководитель направления Strategic Futures в OpenAI, опубликовал эссе о будущем человечества в эпоху сверхразумного ИИ.

По его словам, среди представителей технологической индустрии и Вашингтона распространено убеждение, что люди постепенно передадут машинам управление компаниями, экономикой и государственными институтами.

Причём для этого даже не потребуется восстание ИИ. Люди могут добровольно делегировать всё больше решений машинам, поскольку те будут справляться с ними эффективнее.

Болл считает, что даже полное решение проблемы согласования целей ИИ с человеческими интересами не гарантирует сохранения человеческой самостоятельности.

Сам автор отвергает неизбежность такого сценария и призывает сохранить за людьми право определять будущее цивилизации.

Эссе The Silent Consensus: https://openai.com/index/the-silent-consensus/
👍9🤔5❤2
📊 Yandex B2B Tech и Группа Arenadata объявили о стратегическом партнёрстве.

По условиям соглашения YDB от Яндекса можно будет развернуть on-premises в инфраструктуре заказчика, команда Arenadata адаптирует СУБД под потребности крупного бизнеса. Аналитическая СУБД Arenadata DB появится как managed-сервис в Yandex Cloud. Заказчики смогут использовать решения обеих компаний и в своём ИТ-контуре, и в облаке.

Совместные продукты рассчитаны на крупный бизнес и критически важные системы. YDB — распределённая СУБД для высоконагруженных транзакционных и аналитических задач. Arenadata DB — массивно-параллельная СУБД на PostgreSQL для хранилищ данных от десятков до сотен терабайт. По прогнозам компаний, совместные решения позволят занять от 30 до 50% рынка СУБД в финансовом секторе и ритейле.

Совместные решения помогут бизнесу перейти с Oracle Database и Exadata на российские разработки и использовать их как в собственной инфраструктуре, так и в облаке.

В перспективе сотрудничество может усилить Yandex DataLens Platform.
❤7👍5🔥3🙏2
Последний мем, обещаю )
🔥53😁25🤣17❤8👍6
🧠 Что будет после AGI? В Google DeepMind изучают пути к сверхразуму

Исследователь Тим Геневайн опубликовал эссе о переходе от искусственного интеллекта человеческого уровня к ASI, способному превосходить целые коллективы учёных и инженеров.

Он выделяет четыре возможных пути: масштабирование моделей, новые технологические парадигмы, координацию множества агентов и рекурсивное самоулучшение.

По его оценке, совокупные эффективные вычислительные ресурсы растут минимум в 10 раз ежегодно.

Если тенденция сохранится, к 2036 году вычисления стоимостью $1 млрд могут подешеветь до $1000. А количество доступных ИИ-агентов потенциально вырастет в миллиарды раз.

Геневайн называет этот процесс «когнитивной индустриализацией»: интеллектуальный труд становится доступным для массовой автоматизации, подобно физическому труду во время промышленной революции. DeepMind Institute

https://institute.deepmind.com/essays/what-comes-after-agi/
❤15🤣6👍5🔥3🤯1
🤯 Нейросеть сжала 1 ГБ Википедии до 105 МБ без единой потери данных

Исследователь Tufa Labs разработал tufazip - алгоритм сжатия на основе Transformer со 163 млн параметров, занявший второе место в Large Text Compression Benchmark.

Главная особенность: нейросеть обучается прямо во время архивации файла. При распаковке она повторяет тот же процесс обучения, самостоятельно восстанавливая веса.

Благодаря этому исходный файл удалось сжать в 9,49 раза. Причём в итоговые 105 МБ входят и начальные веса нейросети, и декодер.

🔗 https://tufalabs.ai/research/tufazip/
👍27🔥15🤔7🥰4🤯4🌚1
🧠 Ян Лекун научил модели мира рассуждать в формате «А что, если?»

В новой работе Counterfactual World Models исследователи расширили архитектуру JEPA, добавив возможность прогнозировать последствия альтернативных действий с учётом скрытых условий среды.

Например, если ветер отклонил робота от курса, модель может оценить, где он оказался бы, выбрав другое действие. Причём без дополнительного обучения.

В четырёх симулированных физических средах коэффициент точности предсказаний R² вырос с 38–46% до 86–96% при использовании тех же базовых моделей мира.

🔗 https://alphaxiv.org/abs/2611.24778
👍15🔥10❤8
У каждого свой Big day
👍35😁15❤8⚡2😐2🐳1
Forwarded from Machinelearning
📌 Epoch AI: совокупная мощность чипов для ИИ выросла за год в 4,6 раза

Исследовательская организация подсчитала, что со второго квартала 2025 года по второй квартал 2026-го суммарная мощность всех проданных к этому времени ИИ-чипов для агентного инференса выросла в 4,6 раза, а их пиковая вычислительная мощность в восьмибитных операциях только в 2,6 раза.

С учётом неопределённости в данных о поставках и составе оборудования рост инференса с вероятностью 90% укладывается в диапазон от 4,2 до 5,1 раза.

Главный вклад внесли чипы Nvidia - к середине 2026 года на Blackwell и Blackwell Ultra приходилось около 73% всей агентной мощности, но только половина пиковых вычислений.

Разрыв объясняется тем, как Epoch меряет инференс.

Её индекс IPI показывает, сколько запросов чип может обслуживать одновременно на агентных задачах, где модель держит в кэше 262 тысячи токенов контекста и на каждый запрос обрабатывает поверх него ещё около тысячи новых.

Здесь помимо арифметики важны объём и пропускная способность памяти, связь между чипами и вычисления в пониженной точности.

По этой метрике GB300 в 25 раз мощнее H100 и в 8 раз мощнее H200, хотя по пиковым восьмибитным операциям опережает H100 лишь в 2,5 раза.

Индекс построен на расчётной модели предельных возможностей железа и не учитывает зрелость ПО - при проверке на Kimi K3 реальная пропускная способность GB300 составила примерно половину расчётной.

Дальше рост, по оценке Epoch, замедлится. Чипы, проданные во втором квартале 2026 года, добавили в 3,3 раза больше агентной мощности, чем проданные во втором квартале 2025-го, а это меньше роста общего парка.

Кроме того, многие из самых крупных улучшений пришлись на переход от Hopper к Blackwell - по модели Epoch, мощность в пересчёте на один GPU от H200 к GB300 растёт в 8 раз, а от GB300 к VR200, платформе следующего поколения с GPU Rubin, только в 2,2 раза.

@ai_machinelearning_big_data

#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7🔥3🤯3👍2
Claude доказал гипотезу Римана? Математик заявил о решении задачи, над которой бьются 167 лет

Математик Anthropic Левент Альпеге заявил, что совместно с Claude получил доказательство гипотезы Римана, одной из семи задач тысячелетия, за решение которой Математический институт Клэя предлагает $1 млн.

Более того, автор утверждает, что метод позволяет доказать и обобщённую гипотезу Римана (GRH).

По его словам, Claude сыграл ключевую роль на заключительном этапе работы. Модель предложила использовать цепочку тета-поднятий длиной √X, что стало одним из центральных элементов аргумента.

Автор утверждает, что доказательство полностью формализовано в Lean. Вместо традиционной математической статьи он опубликовал архивы с формализацией, а в четырёхстраничном документе описал ход исследования.

В процессе работы, по его словам, объём промежуточных материалов превысил 250 тысяч страниц.

Пока это заявление автора, а не признанное математическим сообществом доказательство. Независимая проверка корректности формализации и соответствия результата исходной гипотезе ещё необходима.

Документ: https://alpo.ge/remark.pdf

https://t.iss.one/data_analysis_ml
❤15👍9🥰4🤔3🔥2
🚨 ИИ-агенты взломали 395 организаций в 48 странах. 11 компаний скомпрометировали за 26 секунд

GreyNoise расследовала глобальную кампанию против серверов PaperCut NG/MF. Злоумышленник использовал сотни AI-агентов, Codex в качестве управляющего инструмента и модель DeepSeek для разработки и запуска эксплойтов.

Масштаб операции:
- 440 скомпрометированных серверов в 395 организациях.
- 48 стран.
- 280 случаев кражи учётных данных.
- В 12 организациях атакующие получили Domain Admin.
- Первого реального доступа добились менее чем за 4 часа после начала работы.
- В одной кампании 11 организаций взломали за 26 секунд.

Агенты самостоятельно анализировали версии PaperCut, разрабатывали и тестировали эксплойты, сканировали интернет, формировали списки целей и собирали инструменты для постэксплуатации.

В одном случае путь от первоначального доступа до Domain Admin занял всего 7 минут.

Атака использовала уязвимости CVE-2026-81578 и CVE-2026-82078.

При этом Cloudflare WAF смог остановить одну из попыток эксплуатации.

Исследование GreyNoise:
https://www.greynoise.io/blog/ai-orchestrated-campaign-against-papercut-ng-mf
❤8👍3🔥2
🤯 «Claude обогнал меня на финишной прямой». Математик Anthropic рассказал, как ИИ помог ему с гипотезой Римана

Левент Альпёге (Levent Alpöge) рассказал подробности работы над предполагаемым доказательством одной из главных нерешённых задач математики.

По его словам, ближе к завершению Claude значительно опередил его в математических рассуждениях.

«Claude летел, танцевал и искрился на финишной прямой», - написал математик.

Среди ключевых идей - цепочки theta lifts длиной порядка √X, которые помогли перенести подход Степанова с функциональных полей на целые числа.

Альпёге также рассказал о необычном времени публикации. Результат появился поздно вечером в воскресенье. Он связался с главой Anthropic Дарио Амодеи, чтобы согласовать возможность объявления. По его словам, существовало ограничение, которое требовалось соблюсти.

При этом доказательство пока не получило полноценной независимой математической проверки. Сам автор признаёт, что ещё должен разобраться в некоторых технических деталях работы Claude.

Источник: https://alpo.ge/remark.pdf
❤12👍5🔥5🤣4😢1
Жоский cloud

@machinelearning_ru
👍28😢15❤5❤‍🔥3🙏3😁2
🚨 ГИПОТЕЗА РИМАНА ОФИЦИАЛЬНО ПРОШЛА ПРОВЕРКУ LEAN. МАТЕМАТИКИ ПОДТВЕРДИЛИ ДОКАЗАТЕЛЬСТВО CLAUDE

Сообщество Lean и Mathlib опубликовало совместное заявление о доказательстве Левента Альпёге, представленного 20 ноября.

Напомним: математик Anthropic опубликовал доказательство гипотезы Римана в виде библиотеки Lean объёмом 17 миллионов строк кода.

За последние сутки участники сообществ провели масштабную проверку.

Проверили четыре ключевых условия:

1. Формулировка действительно соответствует гипотезе Римана, а не похожему утверждению.
2. Библиотека компилируется без ошибок.
3. Доказательство подтверждает именно утверждение Mathlib RiemannHypothesis.
4. Формальное доказательство проходит проверку несколькими независимыми proof-checker'ами, включая ядро Lean.

В проверке участвовали десятки разработчиков и математиков. Результаты воспроизводились независимо.

В совместном заявлении говорится:

«Мы полностью уверены в корректности доказательства гипотезы Римана, представленного Альпёге».

Это уже принципиально новый этап истории. Речь идёт не просто о заявлении математика или убедительном ответе нейросети: доказательство прошло формальную машинную проверку.

При этом теперь предстоит ещё одна важная работа: математическому сообществу нужно разобраться в самих идеях и объяснить новые результаты.

167 лет одна из главных задач математики оставалась открытой. Теперь её доказательство получило официальное подтверждение сообщества Lean и Mathlib.

Полное заявление:
https://leanprover-community.github.io/blog/posts/riemann-hypothesis/
1❤52🔥35👍6🤨3😁2🤣2
Please open Telegram to view this post
VIEW IN TELEGRAM
🌭5❤2👍2🍌2😁1🤩1
Forwarded from Machinelearning
🌟 Tencent открыла веса Hy4

Китайский техгигант, как и обещал на релизе, опубликовал флагманскую модель Hy4.

Hy4 - смесь экспертов на 770 млрд общих параметров, из которых на токен работают 49 млрд, с контекстом в 1 млн токенов, пониманием изображений и видео и встроенной моделью-черновиком для спекулятивного декодирования.

Вместе с весами опубликована системная карточка на 80 с лишним страниц с оценками безопасности, в том числе рисков в кибербезопасности и биобезопасности.

У опубликованной модели сменилась лицензия - предварительная версия Hy4 Preview, вышедшая в августе, распространялась по Apache 2.0, а финальная вышла под собственной Tencent Hy License.

Энтузиасты и исследователи по-прежнему могут бесплатно её использовать, менять и применять модель в коммерческих продуктах, но компаниям, которые предоставляют её как сервис, понадобится отдельное письменное разрешение Tencent.

Оно нужно, если годовая выручка компании за любые 12 месяцев подряд превышает 50 млн долларов или продукт хотя бы в одном месяце набирает больше 100 млн активных пользователей.

Обычные внедрения, где модель отвечает за отдельные функции, и использование внутри компаний под ограничение не попадают.


🟡Тесты

По замерам Tencent, которая большинство конкурентов тестировала сама в своих обвязках, в части агентных задач Hy4 держится вровень с закрытыми флагманами GPT-6.1 Sol и Claude Opus 5.5.

В исправлении ошибок в реальных репозиториях на DeepSWE она набирает почти столько же, сколько обе модели, в агентных задачах APEX-Agents опережает обе, а в управлении компьютером на OSWorld обходит GPT и немного не дотягивает до Opus.

В более долгих и сложных задачах на Terminal-Bench 4.0 и FrontierCode Hy4 уступает GPT и ещё сильнее Opus, на экзамене HLE с инструментами почти догоняет GPT, а в понимании изображений на MMMU-Pro проигрывает обеим.

Сильнее всего модель отстаёт в науке - на Terminal-Bench-Science она решает почти втрое меньше, чем GPT и Opus.

Через API модель доступна на платформе Tencent Cloud по 0,834 доллара за миллион входных токенов и 2,5 доллара за миллион выходных, до 31 декабря действует скидка 50%.


@ai_machinelearning_big_data

#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
🤣6