Итак, настал финальный день DataFest 2025.
Сегодня в онлайн-программе доклады секции Opensource, начиная с 14-00 мск:

1. Александр Нозик, Scientific programming centre МФТИ.
Экосистема открытого научного ПО KScience и возможности развития открытого ПО в вузах.

Термин открытое программное обеспечение у всех на слуху. В этом докладе мы обсудим, что такое открытое программное обеспечение, какова его история и какие типы такого ПО бывают. Обсудим создание комьюнити и коммерциализации таких проектов на примере экосистемы KScience, включающей такие проекты как KMath, Controls-kt, VisionForge и Maps-kt. Ну и наконец мы обсудим, как может выглядеть экосистема открытого ПО для промышленности на базе вузов.

2. Дмитрий Кабанов, эксперт по стратегическому управлению, НИУ ВШЭ
Как ученые-стратеги понимают open source

Доклад про то, как ученые-стратеги смотрят на явление open source, какие существуют мифы и заблуждения, какие новые взгляды и инициативы стоит знать. Поговорим о (1) развитии научной мысли и подходов к open source с позиции стратегического управления организациями — от простейших концепций и бизнес-моделей к развитию организационных способностей. Кроме того, обсудим (2) мягкие инициативы государственных структур и регуляторов в данной области — от open source-реестров к геостратегическому взгляду на феномен открытой разработки технологий.

3. Антон Ширяев
VLMHyperBench — open-source фреймворк для оценки возможностей Vision language models (VLMs) распознавать документы на русском языке.

VLMHyperBench позволяет: сравнивать модели, запускаемые на разных фреймворках инференса (Hugging Face, vLLM, SGLang и др.); сравнивать между собой модели, несовместимые по зависимостям; оценивать подбираемые промпты для каждого отдельного типа документа и каждого отдельного поля документа, объединяя их в коллекции промптов; подбирать коллекцию промптов для каждого типа вопроса, если их конечное множество, как в документах; использовать коллекции промптов и системных промптов подобранных индивидуально для каждой модели, чтобы получать максимум от ее возможностей; легко добавлять свои наборы данных, модели, типы задач, метрики и визуализации результатов оценки за счет модульной и расширяемой архитектуры; проводить оценку метрик с агрегацией: по каждому отдельному объекту датасета индивидуально, группируя тип вопроса и промпт, группируя по типу вопроса, по всему датасету. Вдохновившись примером Дональда Кнута, мы решили создать собственный open source фреймворк, сочетающий данные возможности и особенности.Следить за нашим проектом удобнее всего через официальный новостной канал. Проект был поддержан грантом Yandex Open Source 2025 г.

4. Мария Румянцева, аналитик данных ООО "Статанли", аспирант ИТМО
CTCI - библиотека для анализа однородных промышленных данных.

Однородные плотно сгруппированные промышленные данные - это, например, камни в кучах и на конвейере, пузырьки флотации, гранулы удобрений и так далее, т.е. те данные, которые достаточно сложно и дорого размечать, и даже автоматическая разметка с помощью фундаментальных моделей не всегда помогает. В инструменте CTCI мы предлагаем способы размечать автоматически, при этом значительно экономя время, но достигая сопоставимых результатов.

——

Также проанонсирую доклад в соседнем треке AI4SE, который пройдет в 12-00 мск:

Андрей Гетманов, ML researcher и open-source разработчик, Институт ИИ ИТМО:
OSA: Как помочь учёным писать хороший код

Тут Андрей расскажет про новые обновления в нашем инструменте OSA (в частности - покажет прототип графического интерфейса).

Приглашаем всех послушать и позадавать вопросы. Пароль от ODS спейса: datafest2025_0106, а а ссылка тут - https://ods.ai/events/df2025-01-june-online

Через 10 минут начнётся секция Open Source DataFest 2025
Подключаться сюда
Пароль: datafest2025_0106
После подключения заходите в комнату Open Source
Задавайте вопросы в чате Spatial, спикеры обязательно на них ответят

Пару месяцев назад писал про конкурс "Сезон Open Source" на Хабре, организованный совместно с GitVerse. И вот уже 10 июня в 16-00 начнется встреча с подведением итогов и другими активностями, посвященными открытом коду. Планируется обсуждения перспектив совмещения ИИ и open-source, современных инструментов (в том числе GigaCode и GigaIDE) и перспектив области в целом.

Все подробности - в канале GitVerse, трансляция - тут.

От своей лаборатории мы подавали на конкурс посты:

1) OSA: ИИ-помощник для разработчиков научного open source (про активно нами развиваемый проект https://github.com/aimclub/OSA)

2) Нейросети со льдом (про созданный в рамках проекта КОД-ИИ фреймворк https://github.com/ChrisLisbon/TorchCNNBuilder и его использование для прикладных задач в области гидромета).

Писал пару месяцев назад про закрытый тест платформы SourceCraft от Yandex, а сегодня вот сообщают, что выпустили публичную версию.

Среди новых фич:
- Чат-клиент для SourceCraft Code Assistant (плагины для VSCode и IDE от JetBrains);
- Миграция и зеркалирование проектов с GitHub (что полезно - включая PR и Issue);
- Публичное API для автоматизации и интеграции с другими приложениями;
- Форки, пакеты, локальные actions.

Подробнее - в блоге или канале платформы.

При сабмите на конференции с double-blind review (как, например, на большинстве треков A*) у авторов периодически возникает вопрос - как упомянуть в статье свой репозиторий с кодом и данными, не утратив при этом анонимности.

Могу порекомендовать сервис, который сам использую - https://anonymous.4open.science/

Что умеет:

1) Анонимизировать существующие репо из гитхаба, меняя ссылку на свою (а при необходимости - синхронизируя дальнейшие обновления);
2) Удалять заданные ключевые слова, которые могут вас раскрыть (название, имена, технологии);
3) Чистить картинки, приложенные PDF и др.
4) Учитывать требования конкретных конференций к анонимизации;
5) Удалять анонимный репозиторий после заданной даты;

Конечно, бдительность все равно нужно сохранять. Знаю ситуацию с desk reject с NeurIPS, когда никто из соавторов не заметил, что в конце README притаился раздел в How To Cite с не до конца анонимизированной ссылкой на предыдущую статью по проекту. А вот рецензент - заметил... Было обидно.

От этого предложенный сервис не спасёт, конечно. Но вообще такие моменты умеют неплохо подмечать LLM - есть смысл им свою статью и документацию из репо тоже "показывать" (тот же бесплатный DeepSeek умеет принимать на вход документы целиком).

В общем, очень удобная штука. Всем удачных сабмитов!

Небольшой дайджест интересных материалов в околоопенсорсной сфере, на основе попадавшегося за последнего время в соседних сообществах и нашем чате:

1) Выложили доклад Андрея Гетманова "OSA: как помочь учёным писать хороший код" с конференции Merge (Иннополис);

2) Вышла подборка решений для создания и управления ИИ-приложениями от российских разработчиков от ICT Moscow - про наши проекты тоже упомянули;

3) Идет набор участников на школу DataCon, посвященную применению AI/ML в разработке фармацевтических молекул. Представители NSS Lab ИТМО участвуют в программе, среди прочего - проведем мастер-класс по применения ИИ-инструмента OSA для связанных с химией открытых репозиториев;

4) Опубликованы результаты конкурса опенсорс-статей на Хабре, можно почитать посты по интересующим темам;

5) Обьявлен call for speakers на конференцию OFFZONE 2025. Есть AI-трек.

Надеюсь что-то пригодится.
Если что-то особенно любопытное пропустили - пишите в комментарии)

Увидел в чате SPC анонс вот такого мероприятия. Kotlin, как известно, создан выпускниками ИТМО, да ещё и сам митап проходит в Петербурге. Поэтому не могу не проанонсировать:

"28 июня состоится долгожданная встреча Kotlin User Group в Петербурге!
Мероприятие начнется с вступления легенды Kotlin— Романа Елизарова.

Мы собрали несколько тем, которые могут быть интересны для общения. про Kotlin & Spring, про Rich Errors, и про Kotlin в IoT. Обсудим интересные новости с Kotlin Conf.
И конечно — неформальное общение!

Перед тем как прийти, нужно обязательно зарегистрироваться на событие."

Кстати, если кто-то хочет адаптировать OSA к улучшению Kotlin-репозиториев - пишите, поможем.

Коллеги с ФКН ВШЭ анонсировали семинар по нашей любимой теме - "Open-source в науке".

Пройдет онлайн 27.06 (пятница), в 18-00 мск, докладчик - Иван Рубачев, исследователь Yandex Research, Младший научный сотрудник Научно-учебной лаборатории компании Яндекс

Подробности про семинар и ссылка на зум - тут.

Подоспели записи докладов опенсорс-трека с ODS DataFest - видео и материалы со всех площадок выложены тут.

Ниже - выступления очного дня в Selectel и онлайна (записями докладов с площадок VK и Белграде уже делились ранее):

Офис Selectel, Санкт-Петербург

Владимир Игошин, студента Нового Физтеха ИТМО.
SVETlANNa = свет + artificial neural network: как физики делали Open Source и что из этого вышло

Кирилл Колодяжный, ведущий разработчик ПО в YADRO.
Adept: Исследовательская и образовательная платформа с открытым кодом для тензорных вычислений, обучения и запуска ML-моделей

Андрей Новицкий, независимый разработчик.
Volga: движок для обработки real-time данных с фокусом на AI/ML системы

Александр Календарёв, разработчик OpenSource.
Обучение на табличных данных в Postgres

Онлайн

Александр Нозик, директор Scientific programming centre МФТИ.
Экосистема открытого научного ПО KScience и возможности развития открытого ПО в вузах.

Дмитрий Кабанов, эксперт по стратегическому управлению, НИУ ВШЭ.
Как ученые-стратеги понимают open source

Антон Ширяев, магистрант AI Talent Hub ИТМО.
VLMHyperBench — open-source фреймворк для оценки возможностей Vision language models (VLMs) распознавать документы на русском языке.

Мария Румянцева, аналитик данных ООО "Статанли", аспирант ИТМО.
CTCI - библиотека для анализа однородных промышленных данных.

Спасибо всем кто участвовал!

Тем временем, ворвались на PyCon 2025 с докладом про OSA - наш инструмент для улучшения репозиториев.

Андрей Гетманов расскажет про обновления, которые многочисленные контрибьюторы (из ИТМО и не только) реализовали за последние несколько месяцев: от агента-планировщика, обеспечивающего автоматизацию комплексной обработки репозитория до улучшенной генерации документации в формате mkdocs и возможностей улучшения уже существующих README.

Кто будет на PyCon в этом году - приходите послушать и позадавать Андрею вопросы. Запись потом выложат.

Репозиторий всё тот же - https://github.com/aimclub/OSA. Заходите, пробуйте, если понравится - ставьте звездочки)

P.S. Кстати, недавно работу про OSA приняли на воркшоп CODEML конференции ICML - даже получили там статус "Spotlight". Про это тоже скоро расскажем и вышлем препринт и постер.

Сообщают, что авторы семейства бенчмарков MERA выкатили MERA Code - новый открытый бенчмарк предназначенный для оценки больших языковых моделей на реальных прикладных задачах.

Хорошие бенчмарки сейчас вещь очень востребованная - новые модели и агенты/мультиагенты на их основе создаются очень часто, и без адекватной оценки - далеко не уедешь. В наших изысканиях по ИИ для опенсорса сталкивается с таким постоянно.

В разработке бенчмарка принимали участие команды Сбера, Т-Банка, MWS AI, Ростелекома, Университета Иннополис, ИТМО, Сколтеха, Центрального университета и компании «Сибирские нейросети».

Заявлены:
- Прозрачная методика оценки LLM для русского языка.
- 11 задач в формате инструкций (text2code, code2text, code2code) на 8 языках программирования: Python, Java, C#, JavaScript, Go, C, C++ и Scala.
- Открытая платформа со сквозной системой подсчёта баллов, рейтингом и удобным фреймворком для тестирования.
- И, конечно, анализ и результаты, охватывающие как открытые общие модели, так и проприетарные API для генерации кода.

Репозитории - гитхаб, гитверс.

Почитать подробнее можно на Хабре или на arxiv.

В цикле хабропостов Дмитрия Кабанова, посвященном опенсорсу, вышел новый материал - расширенный вариант одного из докладов с нашей секции Datafest:

От экосистемы KScience к опенсорс-хабу — рассказывает Александр Нозик, директор Центра научного программирования

Внутри - много подробностей про экосистему KScience, опыте опенсорс-разработчиков решений с бизнесом, а также обсуждение концепции университетского open source-хаба и его потенциальной финансовой модели.

При этом, если мы фокусируемся больше на опенсорсе в науке (пусть и с большим креном в сторону AI/ML), то тематику нового хаба (создаваемого на базе МФТИ) Александр обозначил как "Индустриальный open-source" (уже есть чат хаба, в котором можно поучаствовать всем заинтересованным).

Недавно обещал рассказать про то, как статью о нашем инструменте OSA приняли на воркшоп CODEML конференции ICML 2025.

Формат воркшопа любопытный - рассматривают статьи про новые ML-проекты с открытым кодом, багфиксы и улучшения в существующих, опыт разработки и предложения по улучшению процессов.

Поэтому написали туда короткую статью с описанием Осы и небольшими экспериментами по оценка качества генерации README и его сравнению с аналогами (ReadmeAI и др.). Получилось, на мой взгляд неплохо - с чем рецензенты и согласились.

Публикации non-archival - так что учтем полученные рецензии (довольно содержательные и позитивные) и подадим куда-нибудь ещё. Из минусов - нужна анонимизация (мне кажется, что для статей про опенсорс это несколько излишне).

Порадовало что организаторы отнесли нашу статью к категории spotlight - т.е. предложили выступить с докладом, а не только с постером. К сожалению, вживую добраться до ICML не удалось (получить визу в Канаду непросто) - но с доставкой постера помогли коллеги из AIRI, так что на воркшопе мы засветились (см. фото).

Текст статьи доступен на openreview, код - всё в том же репозитории https://github.com/aimclub/OSA.

Всем летний привет от нашего сообщества!

Рады анонсировать внеочередной Scientific Open Source Meetup от нашего сообщества ITMO Opensource, который пройдет 24 июля 2025 года с 18:30 до 22:00 в Санкт-Петербурге.

Формат необычный - митап частично проводится как элемент обучения в рамках программы дополнительного профессионального образования для преподавателей и руководителей образовательных программ подготовки топ-специалистов в области ИИ. Поэтому и уклон выступлений - в сторону образования. Из-за ограниченной вместимости площадки, для широкой публики все выступления будут доступны в формате live-трансляции.

Какие доклады будут в программе митапа:

- Николай Никитин, руководитель группы научно-технического развития, Институт ИИ ИТМО - Практики создания и поддержки культуры и экосистемы открытого кода в сфере ИИ в университете

- Владислав Терещенко, аспирант лаборатории LISA, ИТМО - Как мы научили LLM-ассистента рецензировать научные работы студентов ИТМО: вновь о проекте Edulytica

- Юлия Борисова, аспирант лаборатории NSS, ИТМО - Репозитории и опенсорс для студентов - что, зачем и как?

- Дмитрий Чуканов, ведущий эксперт по технологиям GitVerse - GitVerse — пространство для развития, обучения и новых открытий

- Олег Сиротюк, лидер сообщества OpenScaler - Секреты DeepSeek: академический open source как катализатор китайских инноваций и технологической независимости

Мероприятие проходит при поддержке:
OpenScaler — сообщество разработчиков ОС с открытым исходным кодом. Они уже несколько лет исследуют китайскую open-source экосистему, а также ведут канал Китай.AI, где публикуют и разбирают статьи из первоисточников про достижения Китая в ИИ. На этот раз коллеги расскажут о том, как в Китае opensource применяется в образовании.

Дата: 24 июля 2025 года
Время: 18:30 - 22:00
Место: онлайн

Ждем вас в трансляции в четверг!

Небольшое объявление для тех, кто хочет попробовать себя на научной позиции в сфере AI/ML:

У нас Институте ИИ ИТМО открылось несколько вакансий уровня junior и middle, от NSS Lab и AI Industrial Research Lab.

Среди тематики выделали три основных трека: по AI4Science, AI4Industry и по мультиагентным LLM.

В ходе работы можно будет и поучаствовать в разработке наших многочисленных open-source решений, и поресерчить на уровне A* / Q1.
Так что если ищете позицию с уклоном в разработку ПО - такие тоже есть.

Все подробности и форма для откликов - тут (по ссылке - канал NSS Lab, там периодически пишем о наших достижениях и результатах).

Вышел лонгрид от ICT Moscow про отечественные LLM и различные подходы к их созданию: Остаться в седле: кто и как в России обучает модели искусственного интеллекта.

Мне материал показался интересным, достаточно системно рассмотрены релизы ИИ-моделей этого года, опрошены эксперты как из бигтеха и университетов, так и стартапов.

Наверное, в не-бигтеховую часть подборки можно было бы включить мини-модели от "Сибирских нейросетей". Но, вероятно, не вошли по дате релиза.
Мы в ИТМО свои наработки по до-обучению специализированных моделей тоже ещё пока не успели опубликовать.

P.S. Про вчерашние open-source модели от OpenAI все, вероятно, уже прочитали. По метрикам выглядит многообещающе, у себя тоже попробуем поднять GPT-OSS-20B и протестировать в составе наших мультиагентных LLM-инструментов, вместо текущей Gemma 3 27b.