📬Утренняя подборка

● В Краснодаре разработают программу по внедрению видеоаналитики для повышения уровня безопасности

● В Чувашии создадут рабочую группу, которая займется обучением 🏷GigaChat чувашскому языку

● Компания «Аэродин» начала производство беспилотной авиационной системы «Лидер»

● «Билайн» добавил в свою платформу «план б.» нейросеть Veo 3 от Google DeepMind

● В Smart Engines разработали ИИ-модуль для распознавания паспортов, QR-кодов, банковских карт и других документов в мессенджере MAX

● В РУДН представили ИИ-метод создания цифровых аватаров преподавателей

🗺За рубежом
● Microsoft подписала кодекс правил Евросоюза по внедрению систем искусственного интеллекта. Также компания озвучила 40 профессий, для которых ИИ представляет наибольшую и наименьшую опасность

● Apple намерена значительно увеличить инвестиции в ИИ

● OpenAI совместно с компаниями Nscale и Aker планирует запустить ЦОД на основе ИИ в Норвегии

📈Аналитика
● Выручка ИИ-сервисов Yandex Cloud в первом полугодии 2025 года увеличилась в 2,6 раза по сравнению с аналогичным периодом прошлого года и составила 8% от общей выручки платформы

● Согласно опросу «Русской Школы Управления» 86% компаний считают, что ИИ в будущем сможет справляться с частью управленческих задач, 66% уверены, что к 2030 году алгоритмы возьмут на себя анализ данных и построение прогнозов

● По данным Precedence Research, объем мирового рынка периферийных ИИ-чипов может вырасти с $8,3 млрд в 2025 году до $36,12 млрд к 2034 году

● Китайская Tencent выпустила фреймворк RLVMR для обучения с подкреплением

🧑🏻‍💻Разработчикам
● Бенчмарк AmbiK от AIRI, МФТИ и Центра робототехники «Сбера» для оценки умения роботов работать по неоднозначным инструкциям

🙋Ищут
● В проект по диагностике СДВГ с помощью детекции зрачка глаза на камере смартфона ищут Data Scientist / ML-Engineer. Узнать детали можно здесь, откликнуться — в Telegram @ssrepin

В AIRI представили бенчмарк AmbiK для оценки умения роботов работать по неоднозначным инструкциям

Он включает 2 тыс. практических примеров заданий и предназначен для тестирования способности роботов устранять неточности, чтобы выполнить поставленную перед ними задачу. Это крупнейший в своем роде набор данных в мировой практике. Ранее существовавшие аналоги насчитывали около 600 примеров.

Цель проекта заключается в создании среды для симуляции реальных ситуаций, в которых робот получает некорректные, двусмысленные инструкции и вынужден запрашивать дополнительные разъяснения в тех случаях, когда это необходимо.

Тесты показали, что существующие алгоритмы не всегда успешно определяют моменты, когда требуются уточняющие запросы: самые продвинутые модели достигают успеха в одном из пяти возможных случаев.

Разработчики отмечают, что их «датасет пригоден не только для оценки распознавания нечетких команд, но и для систем, занимающихся планированием поведения». В работе над проектом также принимали участие МФТИ и Центр робототехники «Сбера».

👉🏻AmbiK на GitHub

🔗Источник: пресс-служба AIRI

📖Почитать на выходных: об архитектурном RAG-подходе к генеративным моделям

Основатель бенчмарка LLM Arena Роман Куцев в материале на «Хабре» разобрал компоненты, этапы работы, а также практики для реализации Retrieval Augmented Generation (RAG) с использованием фреймворков LangChain и LlamaIndex.

Отдельно он привел кейсы применения в корпоративном и научном сегментах, а также рассказал о принципиальных отличиях подходов RAG и Fine-Tuning для адаптации моделей под задачи пользователей.

👉🏻Читать материал