OpenAI проверила, способны ли ИИ-агенты заменить учёного в лабораторном анализе
OpenAI совместно с биотехнологической компанией Ligo представила BioBasicsBench, бенчмарк из 100 задач на основе реальных лабораторных экспериментов.
Модели должны анализировать снимки микроскопии, результаты секвенирования, фотографии образцов и показания приборов, находить ошибки экспериментов и понимать, когда данных недостаточно для выводов.
Результаты при максимальном общем уровне рассуждений xhigh:
GPT-6 Astra: 66,7%
GPT-6.1 Sol: 62,0%
GPT-5.6 Sol: 43,8%
Оценки показывают долю набранных баллов по критериям, а не процент полностью решённых задач.
Например, GPT-6 Astra смогла заметить неправильную маркировку антибиотика на лабораторной чашке, которую пропустила предыдущая модель.
Но ошибки остаются: Astra иногда неверно интерпретирует контрольные образцы и ошибается при подсчёте колоний бактерий.
Всего исследователи провели 18 500 тестовых запусков с разными моделями и настройками.
BioBasicsBench позволит отслеживать, насколько ИИ готов к повседневной работе биологов, а также оценивать последствия роста таких возможностей для биобезопасности.
Исследование: https://openai.com/index/measuring-how-ai-agents-handle-wet-lab-science/
OpenAI совместно с биотехнологической компанией Ligo представила BioBasicsBench, бенчмарк из 100 задач на основе реальных лабораторных экспериментов.
Модели должны анализировать снимки микроскопии, результаты секвенирования, фотографии образцов и показания приборов, находить ошибки экспериментов и понимать, когда данных недостаточно для выводов.
Результаты при максимальном общем уровне рассуждений xhigh:
GPT-6 Astra: 66,7%
GPT-6.1 Sol: 62,0%
GPT-5.6 Sol: 43,8%
Оценки показывают долю набранных баллов по критериям, а не процент полностью решённых задач.
Например, GPT-6 Astra смогла заметить неправильную маркировку антибиотика на лабораторной чашке, которую пропустила предыдущая модель.
Но ошибки остаются: Astra иногда неверно интерпретирует контрольные образцы и ошибается при подсчёте колоний бактерий.
Всего исследователи провели 18 500 тестовых запусков с разными моделями и настройками.
BioBasicsBench позволит отслеживать, насколько ИИ готов к повседневной работе биологов, а также оценивать последствия роста таких возможностей для биобезопасности.
Исследование: https://openai.com/index/measuring-how-ai-agents-handle-wet-lab-science/
🔥8
Anthropic учит ИИ самостоятельно создавать научные модели
Anthropic опубликовала исследование о том, как ИИ-агенты начинают автоматизировать одну из самых сложных частей научной работы: построение математических моделей по экспериментальным данным.
Исследователи из ELLIS Institute Tübingen описали подход, при котором LLM самостоятельно предлагает уравнения, пишет код симуляции, сравнивает результаты с экспериментами и корректирует модель.
Процесс состоит из трёх этапов:
1. Построение модели. ИИ предлагает математические зависимости и проверяет разные гипотезы.
2. Подбор параметров. Нейросети обучаются на сотнях тысяч или миллионах симуляций. После обучения они могут оценивать параметры новых экспериментов за секунды.
3. Интерпретация. Система сравнивает несколько подходящих моделей, выявляет общие закономерности и помогает определить, какой эксперимент провести следующим.
В качестве примера авторы разбирают модель Ходжкина-Хаксли, описывающую электрическую активность нейронов. Сегодня ИИ потенциально способен воспроизвести подобную работу за часы вместо недель.
Но есть ограничение: современные агенты пока в основном заново открывают уже известные научные модели. Доказательств их эффективности на принципиально новых задачах недостаточно.
Следующий шаг, по мнению исследователей, заключается в том, чтобы ИИ не просто находил уравнение, совпадающее с данными, но и объяснял, почему оно работает и какие альтернативные гипотезы были отвергнуты.
Исследование: https://www.anthropic.com/research/teaching-ai-to-build-scientific-models
Anthropic опубликовала исследование о том, как ИИ-агенты начинают автоматизировать одну из самых сложных частей научной работы: построение математических моделей по экспериментальным данным.
Исследователи из ELLIS Institute Tübingen описали подход, при котором LLM самостоятельно предлагает уравнения, пишет код симуляции, сравнивает результаты с экспериментами и корректирует модель.
Процесс состоит из трёх этапов:
1. Построение модели. ИИ предлагает математические зависимости и проверяет разные гипотезы.
2. Подбор параметров. Нейросети обучаются на сотнях тысяч или миллионах симуляций. После обучения они могут оценивать параметры новых экспериментов за секунды.
3. Интерпретация. Система сравнивает несколько подходящих моделей, выявляет общие закономерности и помогает определить, какой эксперимент провести следующим.
В качестве примера авторы разбирают модель Ходжкина-Хаксли, описывающую электрическую активность нейронов. Сегодня ИИ потенциально способен воспроизвести подобную работу за часы вместо недель.
Но есть ограничение: современные агенты пока в основном заново открывают уже известные научные модели. Доказательств их эффективности на принципиально новых задачах недостаточно.
Следующий шаг, по мнению исследователей, заключается в том, чтобы ИИ не просто находил уравнение, совпадающее с данными, но и объяснял, почему оно работает и какие альтернативные гипотезы были отвергнуты.
Исследование: https://www.anthropic.com/research/teaching-ai-to-build-scientific-models
Anthropic
Teaching AI to build scientific models
AI for Science grantees Jakob Macke, Daniel Gedon, and Stefan Wahl on how AI is starting to change how scientific models are built and interpreted.
❤6
This media is not supported in your browser
VIEW IN TELEGRAM
Запускайте 10 ИИ-агентов параллельно и не ломайте Git-репозиторий
Worktrunk - инструмент для управления Git Worktrees, созданный специально для параллельной работы с ИИ-агентами вроде Claude Code и Codex.
Проблема знакома: запускаешь несколько агентов в одном проекте, они одновременно меняют файлы, конфликтуют между собой и мешают друг другу.
Worktrunk решает это через отдельные рабочие директории. Каждый агент получает собственную ветку и изолированную копию рабочего дерева. Изменения можно разрабатывать независимо, а затем объединять.
Несколько полезных возможностей:
Есть автоматические hooks для настройки окружения, отдельные порты для dev-серверов, общие build-кеши и интеграция с CI.
Особенно полезно для разработчиков, которые строят собственные мультиагентные системы и хотят запускать несколько задач одновременно, не создавая хаос в Git.
GitHub: https://github.com/max-sixty/worktrunk
Worktrunk - инструмент для управления Git Worktrees, созданный специально для параллельной работы с ИИ-агентами вроде Claude Code и Codex.
Проблема знакома: запускаешь несколько агентов в одном проекте, они одновременно меняют файлы, конфликтуют между собой и мешают друг другу.
Worktrunk решает это через отдельные рабочие директории. Каждый агент получает собственную ветку и изолированную копию рабочего дерева. Изменения можно разрабатывать независимо, а затем объединять.
Несколько полезных возможностей:
wt switch -c feature-auth - создать новую ветку и рабочую директорию.wt switch -c -x claude feature-a -- "Add authentication" - создать рабочую директорию и сразу запустить Claude Code с задачей.wt list - посмотреть все рабочие деревья, изменения и состояние веток.wt merge main - объединить изменения с основной веткой.wt remove - удалить рабочую директорию и завершить работу с веткой.Есть автоматические hooks для настройки окружения, отдельные порты для dev-серверов, общие build-кеши и интеграция с CI.
Особенно полезно для разработчиков, которые строят собственные мультиагентные системы и хотят запускать несколько задач одновременно, не создавая хаос в Git.
GitHub: https://github.com/max-sixty/worktrunk
❤5🔥1🥰1
ИИ-агент OpenAI отправил 300 писем за несколько дней. В какой-то момент его пришлось отключить 🤯
Сооснователь Plato Роберт Фарлоу поручил OpenAI Dot организовать переезд своего офиса. Агент должен был самостоятельно связаться с перевозчиками, страховыми компаниями и управляющими зданиями.
Но автономность вышла из-под контроля.
За несколько дней Dot отправил около 300 электронных писем. Некоторым перевозчикам он писал по три-четыре раза, постоянно задавая новые вопросы.
Подрядчики начали жаловаться, что не успевают отвечать на сообщения агента. Переписка с новым управляющим здания оказалась настолько огромной, что тому пришлось создавать отдельную цепочку писем.
В итоге Фарлоу решил остановить агента.
История хорошо показывает одну из главных проблем современных AI-агентов: они могут самостоятельно выполнять задачи, но пока не всегда понимают, когда нужно остановиться, объединить вопросы или дождаться ответа.
300 писем вместо одного организованного рабочего процесса. Автономность без контроля легко превращается в автоматизированный хаос.
Источник: Business Insider.
Сооснователь Plato Роберт Фарлоу поручил OpenAI Dot организовать переезд своего офиса. Агент должен был самостоятельно связаться с перевозчиками, страховыми компаниями и управляющими зданиями.
Но автономность вышла из-под контроля.
За несколько дней Dot отправил около 300 электронных писем. Некоторым перевозчикам он писал по три-четыре раза, постоянно задавая новые вопросы.
Подрядчики начали жаловаться, что не успевают отвечать на сообщения агента. Переписка с новым управляющим здания оказалась настолько огромной, что тому пришлось создавать отдельную цепочку писем.
В итоге Фарлоу решил остановить агента.
История хорошо показывает одну из главных проблем современных AI-агентов: они могут самостоятельно выполнять задачи, но пока не всегда понимают, когда нужно остановиться, объединить вопросы или дождаться ответа.
300 писем вместо одного организованного рабочего процесса. Автономность без контроля легко превращается в автоматизированный хаос.
Источник: Business Insider.
😁8❤1👍1
🔥 Nex-N2.6: новая открытая ИИ-модель для автономных агентов обошла DeepSeek в тестах на работу с компьютером
Shanghai Innovation Institute представил мультимодальную агентную модель Nex-N2.6, которая работает с текстом, изображениями и видео.
Результаты тестирования:
- 83,0 балла OSWorld - тест на выполнение задач в компьютерном интерфейсе.
- 84,1 балла Terminal-Bench 2.1 - проверка работы в терминале.
- 100% корректного выбора инструментов в 956 проверенных сценариях, на уровне GPT-6 Sol.
- Повторение рассуждений сократилось с 16% до 1,6% по сравнению с Nex-N2.5-Pro.
- Общий показатель отсутствия повторов вырос с 91% до 97,8%.
Для сравнения, DeepSeek-V4.1-Flash набрала 71,7 на OSWorld и 82,7 на Terminal-Bench 2.1.
Модель ориентирована на длительные агентные задачи, программирование, управление интерфейсами и работу с инструментами без потери контекста.
Попробовать:
🐙 GitHub: https://github.com/sii-nex/Nex-N2
🤗 Hugging Face: https://huggingface.co/nex-agi/Nex-N2
API: https://openrouter.ai/nex-agi/nex-n2
*Цифры приведены по результатам тестирования разработчиков модели.*
Shanghai Innovation Institute представил мультимодальную агентную модель Nex-N2.6, которая работает с текстом, изображениями и видео.
Результаты тестирования:
- 83,0 балла OSWorld - тест на выполнение задач в компьютерном интерфейсе.
- 84,1 балла Terminal-Bench 2.1 - проверка работы в терминале.
- 100% корректного выбора инструментов в 956 проверенных сценариях, на уровне GPT-6 Sol.
- Повторение рассуждений сократилось с 16% до 1,6% по сравнению с Nex-N2.5-Pro.
- Общий показатель отсутствия повторов вырос с 91% до 97,8%.
Для сравнения, DeepSeek-V4.1-Flash набрала 71,7 на OSWorld и 82,7 на Terminal-Bench 2.1.
Модель ориентирована на длительные агентные задачи, программирование, управление интерфейсами и работу с инструментами без потери контекста.
Попробовать:
🐙 GitHub: https://github.com/sii-nex/Nex-N2
🤗 Hugging Face: https://huggingface.co/nex-agi/Nex-N2
API: https://openrouter.ai/nex-agi/nex-n2
*Цифры приведены по результатам тестирования разработчиков модели.*
❤3👍2👎1
ЮКassa разыгрывает 2 000 000₽ на хакатоне по MCP
Разработчики и предприниматели, работающие с ИИ — это ваш выход. Покажите, как решаете задачи бизнеса с MCP ЮKassa, и получите шанс выиграть деньги. Призовой фонд — 2 000 000⠀₽.
Хакатон пройдёт 5-6 декабря онлайн. Участвуйте в одиночку или в команде до пяти человек и выбирайте один из двух треков:
— «Сделайте свой бизнес агентным». Интегрируйте MCP ЮKassa в существующий бизнес и создайте ИИ-агента, который самостоятельно выполняет коммерческую или платёжную задачу.
— «Создайте ИИ-решение для клиентов». Разработайте готового ИИ-агента, автоматизацию или интеграционное решение на базе MCP ЮKassa. Финальный продукт должен решать типовые задачи бизнеса и легко разворачиваться для других клиентов ЮKassa.
Регистрация открыта до 4 декабря — подайте заявку
Разработчики и предприниматели, работающие с ИИ — это ваш выход. Покажите, как решаете задачи бизнеса с MCP ЮKassa, и получите шанс выиграть деньги. Призовой фонд — 2 000 000⠀₽.
Хакатон пройдёт 5-6 декабря онлайн. Участвуйте в одиночку или в команде до пяти человек и выбирайте один из двух треков:
— «Сделайте свой бизнес агентным». Интегрируйте MCP ЮKassa в существующий бизнес и создайте ИИ-агента, который самостоятельно выполняет коммерческую или платёжную задачу.
— «Создайте ИИ-решение для клиентов». Разработайте готового ИИ-агента, автоматизацию или интеграционное решение на базе MCP ЮKassa. Финальный продукт должен решать типовые задачи бизнеса и легко разворачиваться для других клиентов ЮKassa.
Регистрация открыта до 4 декабря — подайте заявку
❤1
TSMC подтвердила утечку данных сотрудников. За архив просят 3 BTC
Персональные данные нынешних и бывших сотрудников TSMC появились в сети. В отчёте для SEC компания сообщила, что опубликованные сведения совпадают с записями у внешнего облачного провайдера. Признаков взлома собственных систем TSMC пока не обнаружила. По её данным, утечка не затронула производство и сведения о клиентах.
По данным Taiwan News, продавцы заявляют, что в архиве около 46 тысяч записей, и грозят выложить его бесплатно, если за неделю не найдётся покупатель. В опубликованном образце журналисты обнаружили номера удостоверений личности и банковские реквизиты. TSMC не подтвердила заявленный объём утечки.
Компания уведомляет пострадавших и выясняет источник утечки вместе с облачным провайдером, следователями и специалистами по кибербезопасности.
https://www.sec.gov/Archives/edgar/data/1046179/000104617926000800/a20261112statementregardin.htm
Персональные данные нынешних и бывших сотрудников TSMC появились в сети. В отчёте для SEC компания сообщила, что опубликованные сведения совпадают с записями у внешнего облачного провайдера. Признаков взлома собственных систем TSMC пока не обнаружила. По её данным, утечка не затронула производство и сведения о клиентах.
По данным Taiwan News, продавцы заявляют, что в архиве около 46 тысяч записей, и грозят выложить его бесплатно, если за неделю не найдётся покупатель. В опубликованном образце журналисты обнаружили номера удостоверений личности и банковские реквизиты. TSMC не подтвердила заявленный объём утечки.
Компания уведомляет пострадавших и выясняет источник утечки вместе с облачным провайдером, следователями и специалистами по кибербезопасности.
https://www.sec.gov/Archives/edgar/data/1046179/000104617926000800/a20261112statementregardin.htm
❤6
GLM-5 обошла Gemini на бенчмарке после одной настройки агента
Исследователи из Northwestern и Google предложили Harness² — способ автоматически настраивать обвязку ИИ-агента под задачу. Веса модели остаются прежними. Меняются инструкции, инструменты, навыки и память, с которыми она работает.
Сначала агент выполняет задачу с базовыми настройками. Затем модель-редактор предлагает правки, а система заново запускает агента и сравнивает, как он справляется с той же задачей. Эталонные ответы для подбора правок не нужны. Наблюдения из пробных запусков сохраняются в библиотеке и помогают на следующих задачах.
На WorkBuddy-Bench один цикл настройки поднял средний балл GLM-5 в OpenCode с 64,2 до 75,7. Gemini 3.5 Flash с базовой конфигурацией OpenCode набрала 72,4. В отдельном эксперименте Gemini редактировала обвязку без пробных прогонов и накопленного опыта. Балл на задачах по программированию упал с 73,4 до 63,2.
Препринт на arXiv: https://arxiv.org/abs/2610.14224
@machinelearning_ru
Исследователи из Northwestern и Google предложили Harness² — способ автоматически настраивать обвязку ИИ-агента под задачу. Веса модели остаются прежними. Меняются инструкции, инструменты, навыки и память, с которыми она работает.
Сначала агент выполняет задачу с базовыми настройками. Затем модель-редактор предлагает правки, а система заново запускает агента и сравнивает, как он справляется с той же задачей. Эталонные ответы для подбора правок не нужны. Наблюдения из пробных запусков сохраняются в библиотеке и помогают на следующих задачах.
На WorkBuddy-Bench один цикл настройки поднял средний балл GLM-5 в OpenCode с 64,2 до 75,7. Gemini 3.5 Flash с базовой конфигурацией OpenCode набрала 72,4. В отдельном эксперименте Gemini редактировала обвязку без пробных прогонов и накопленного опыта. Балл на задачах по программированию упал с 73,4 до 63,2.
Препринт на arXiv: https://arxiv.org/abs/2610.14224
@machinelearning_ru
❤5🔥3👍2
Российские исследователи нашли способы улучшить качество рекомендаций на 35%
Новые и непопулярные товары и контент сложнее рекомендовать: истории покупок по ним ещё нет, и алгоритму не за что зацепиться.
Исследователи Т-Банка предложили два подхода, которые помогают решить эту проблему. Результаты представили на конференции ACM CIKM в Риме — одной из ведущих в области поиска и обработки информации.
1. E2L3AE. Модель обучает текстовый энкодер и рекомендательную модель вместе, а не по отдельности, так что система лучше понимает, какие особенности товара важны. Тесты на офисных товарах показали, что полнота рекомендаций выросла на 20,3%, качество ранжирования – на 17,2% по сравнению с L3AE. Это полезно для цифровых сервисов, где у товаров и контента есть подробные описания, например, в небольших интернет-магазинах или на сайтах СМИ.
2. MoE-IGR. Архитектура представляет собой графовую модель, которая для каждого товара подбирает нейросети-экспертов и собирает их выводы с разными весами, заранее оценив характеристики товара. Архитектуру тестировали на фильмах, книгах и заведениях в четырёх сценариях, и лучше всего она показала себя на новинках: на данных MovieLens ранжирование поднялось на 34,5% по сравнению с PinSAGE.
Исследования: https://dl.acm.org/doi/10.1145/3799682.3839945
https://dl.acm.org/doi/10.1145/3799682.3839967
Новые и непопулярные товары и контент сложнее рекомендовать: истории покупок по ним ещё нет, и алгоритму не за что зацепиться.
Исследователи Т-Банка предложили два подхода, которые помогают решить эту проблему. Результаты представили на конференции ACM CIKM в Риме — одной из ведущих в области поиска и обработки информации.
1. E2L3AE. Модель обучает текстовый энкодер и рекомендательную модель вместе, а не по отдельности, так что система лучше понимает, какие особенности товара важны. Тесты на офисных товарах показали, что полнота рекомендаций выросла на 20,3%, качество ранжирования – на 17,2% по сравнению с L3AE. Это полезно для цифровых сервисов, где у товаров и контента есть подробные описания, например, в небольших интернет-магазинах или на сайтах СМИ.
2. MoE-IGR. Архитектура представляет собой графовую модель, которая для каждого товара подбирает нейросети-экспертов и собирает их выводы с разными весами, заранее оценив характеристики товара. Архитектуру тестировали на фильмах, книгах и заведениях в четырёх сценариях, и лучше всего она показала себя на новинках: на данных MovieLens ранжирование поднялось на 34,5% по сравнению с PinSAGE.
Исследования: https://dl.acm.org/doi/10.1145/3799682.3839945
https://dl.acm.org/doi/10.1145/3799682.3839967
❤5👍3🔥2😁2👎1
Если давно хотел разобраться в теме, но постоянно откладывал или терялся среди десятков материалов, этот курс на Stepik поможет выстроить обучение последовательно.
Что получишь:
- Понятные объяснения без лишней воды.
- Практические задания для закрепления знаний.
- Возможность учиться в удобном темпе.
- Структурированный подход вместо хаотичного поиска информации.
Подойдёт тем, кто начинает с нуля или хочет систематизировать знания.
Начни прокачивать навыки уже сейчас:
https://stepik.org/course/303477/
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2👍1😁1
США ограничивают доступ Китая к ИИ-чипам. В Сенате уже предложили санкции за дистилляцию
16 ноября Минторг США объявил новые правила экспортного контроля. Они затрагивают поставки передовых американских чипов и серверов в зарубежные дата-центры, которые предоставляют значительные вычислительные мощности компаниям из Китая и ряда других стран. Вашингтон хочет перекрыть схему, при которой компания арендует GPU за рубежом и пользуется ими удалённо. bis.gov
Глава Anthropic Дарио Амодей ранее призывал ограничить такой доступ и пресекать дистилляцию без разрешения разработчика. Речь о случаях, когда компания массово собирает ответы чужой модели и обучает на них свою. По словам Амодея, Anthropic последовательно выступает за обе меры.
В Сенат США ещё в августе внесли законопроект BLADE Act. Он предусматривает экспортные ограничения и блокировку активов в американской юрисдикции для организаций, уличённых в таких кампаниях, и для тех, кто помогает им через сети подставных аккаунтов. Senator Bill Hagerty
Отдельно Anthropic перечислила $40 млн организации Public First Action. По заявлению компании, деньги пошли на просветительскую работу и продвижение мер по регулированию ИИ.
https://www.reuters.com/world/china/china-taps-us-ai-models-train-homegrown-rivals-chip-curbs-bite-2026-11-17/
16 ноября Минторг США объявил новые правила экспортного контроля. Они затрагивают поставки передовых американских чипов и серверов в зарубежные дата-центры, которые предоставляют значительные вычислительные мощности компаниям из Китая и ряда других стран. Вашингтон хочет перекрыть схему, при которой компания арендует GPU за рубежом и пользуется ими удалённо. bis.gov
Глава Anthropic Дарио Амодей ранее призывал ограничить такой доступ и пресекать дистилляцию без разрешения разработчика. Речь о случаях, когда компания массово собирает ответы чужой модели и обучает на них свою. По словам Амодея, Anthropic последовательно выступает за обе меры.
В Сенат США ещё в августе внесли законопроект BLADE Act. Он предусматривает экспортные ограничения и блокировку активов в американской юрисдикции для организаций, уличённых в таких кампаниях, и для тех, кто помогает им через сети подставных аккаунтов. Senator Bill Hagerty
Отдельно Anthropic перечислила $40 млн организации Public First Action. По заявлению компании, деньги пошли на просветительскую работу и продвижение мер по регулированию ИИ.
https://www.reuters.com/world/china/china-taps-us-ai-models-train-homegrown-rivals-chip-curbs-bite-2026-11-17/
🤬5❤2😁2
AI App Studio собирает десктопные приложения на Linux с помощью Claude Code
Проект объединяет в одном окне работу с кодовым агентом, просмотр изменений, предпросмотр, Git и выпуск AppImage. Исходники создаваемых приложений остаются обычными локальными репозиториями. Команды и правки агент предлагает на подтверждение.
Само приложение написано на Tauri 2, Rust и Vue 3. Сейчас оно рассчитано на Linux; версия в репозитории — 0.6.0. Автор пишет, что в таком цикле может выпускать по одной-две версии в день.
Проект: https://github.com/altafino/crazy
Проект объединяет в одном окне работу с кодовым агентом, просмотр изменений, предпросмотр, Git и выпуск AppImage. Исходники создаваемых приложений остаются обычными локальными репозиториями. Команды и правки агент предлагает на подтверждение.
Само приложение написано на Tauri 2, Rust и Vue 3. Сейчас оно рассчитано на Linux; версия в репозитории — 0.6.0. Автор пишет, что в таком цикле может выпускать по одной-две версии в день.
Проект: https://github.com/altafino/crazy
👍2
Последний шанс зарегистрироваться на AI Analytics Week: полное погружение в агентные системы и лекции на основе кейсов
Бесплатный онлайн-интенсив Школы анализа данных Яндекса пройдёт с 23 по 27 ноября, а регистрация открыта исключительно до 22 ноября.
Что в программе:
→ архитектура агентных систем: цикл ReAct и Tool Calling
→ доступ к данным через MCP
→ Human-in-the-loop: контроль человека над результатами
Всё лекции будут на основе реального опыта Яндекса. Формат: предзаписи на YouTube и VK с возможностью задать вопросы. Интенсив особенно подойдет для ML-инженеров, аналитиков и специалистов по Data Science со знаниями SQL, Python, статистики и основ ML.
Успейте подать заявку по ссылке до 22 ноября включительно.
Бесплатный онлайн-интенсив Школы анализа данных Яндекса пройдёт с 23 по 27 ноября, а регистрация открыта исключительно до 22 ноября.
Что в программе:
→ архитектура агентных систем: цикл ReAct и Tool Calling
→ доступ к данным через MCP
→ Human-in-the-loop: контроль человека над результатами
Всё лекции будут на основе реального опыта Яндекса. Формат: предзаписи на YouTube и VK с возможностью задать вопросы. Интенсив особенно подойдет для ML-инженеров, аналитиков и специалистов по Data Science со знаниями SQL, Python, статистики и основ ML.
Успейте подать заявку по ссылке до 22 ноября включительно.
😁1
Forwarded from Machinelearning
В семействе Gemini 4 новинка занимает место между Carbon для сложных долгосрочных проектов и Hydrogen для быстрых повседневных задач, предлагая контекстное окно на 1 млн токенов и четыре уровня глубины рассуждений.
Модель заняла третье место в рейтинге Artificial Analysis Intelligence Index при уровне рассуждений xhigh (61 балл) и первое место в индексе кодинг-агентов Artificial Analysis (58,6), а ее версия для киберзащиты показала топовые результаты в поиске и устранении уязвимостей, включая 90,5% на SEC-bench Pro и 76% на сложном уровне AutoBaxBench.
Gemini 4 Neon доступна через платный уровень Gemini API в Google AI Studio и Android Studio по цене 3 доллара за миллион входных токенов (0,15 при кэшировании) и 15 долларов за миллион выходных.
Корпоративным клиентам она предлагается в Gemini for business и Google Antigravity, а подписчики Google AI Pro и Ultra могут найти её в приложении Gemini, AI Studio и Antigravity.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3❤1🔥1
Forwarded from AI VK Hub
Что произойдёт, если рекомендательные алгоритмы выйдут из-под контроля?
Представьте: в мире будущего автомобили летают, роботы занимаются домашними делами, а рекомендательные системы помогают во всём. Но однажды что-то идёт не так: роботы предлагают странные блюда, автомобили устраивают гонки с самолётами, а алгоритмы советуют пользователям всё более абсурдные занятия. Разобраться в происходящем предстоит ML-инженеру из НИИ «Рексис».
➡️ Всё это — сюжет первого комикса «НИИ Рексис», который мы выпустили вместе с издательством BUBBLE Comics. В основу истории легли реальные технологии AI VK.
Читать комикс
#aivkhub #recsys #комикс
Представьте: в мире будущего автомобили летают, роботы занимаются домашними делами, а рекомендательные системы помогают во всём. Но однажды что-то идёт не так: роботы предлагают странные блюда, автомобили устраивают гонки с самолётами, а алгоритмы советуют пользователям всё более абсурдные занятия. Разобраться в происходящем предстоит ML-инженеру из НИИ «Рексис».
Читать комикс
#aivkhub #recsys #комикс
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2🔥2👍1