всем привет, напоминаем, что до 31 декабря открыт прием заявок на Премию в области обработки естественного языка имени Владимира Иосифовича Левенштейна (на фото), автора знаменитого расстояния редактирования

хочу поделиться новостью, что компания Selectel выделила 100 000 бонусов лауреату премии (этого хватит на два месяца аренды GPU Nvidia A100 в облаке)

выдвигаться можно самостоятельно или выдвинуть кого-то из коллег; заявки принимаются тут

Сегодня вышел техрепорт Alice AI

Ниже — краткий обзор ключевых технических решений и результатов, а подробнее обо всех деталях, экспериментах и выводах можно почитать в полной версии отчёта на Хабре.

Alice AI LLM

На этапе претрейна улучшили качество данных: фильтрация и аугментация повысили фактологичность ответов (+4–7% на внутреннем бенчмарке). Также собрали специализированные данные по школьным предметам, что дало прирост на образовательных задачах — модель обошла конкурентов по истории, литературе, математике и русскому языку. Усилили навыки программирования и математики за счёт алгоритмических и кодовых данных (+4,5 п.п. на LiveCodeBench). В alignment-фазе перешли к единому RLHF-пайплайну с мультиаспектным ревордом (полезность, фактологичность и др.) вместо одного «суперсигнала».

Alice AI LLM Search

Пайплайн объединяет планировщик поисковых запросов, фильтрацию и ранжирование результатов и генерацию ответа, а также поддерживает мультимодальные источники — тексты, изображения, видео и геоданные — для более полных ответов. Для обучения использовали RLHF с мультиаспектными ревордами вместо одной метрики, что упростило оценку сложных ответов. В RL-тренировке перешли к онлайн-методу GRPO, сократили этапы обучения, повысили эффективность GPU и в итоге улучшили полезность и актуальность ответов.

Alice AI ART

Обучающий датасет проанализировали с помощью Alice AI VLM, извлекли структурированные JSON-описания изображений и выявили дисбалансы в данных. На основе этого датасет для файнтюна переработали и дополнили недостающими категориями запросов, чтобы лучше соответствовать реальным пользовательским сценариям. Архитектура модели сделана двухступенчатой: на первом этапе формируется общая композиция изображения, на втором — прорабатываются высокочастотные детали. Дополнительно обучили отдельный «рефразер» — компактную LLM, которая преобразует сырые пользовательские промпты в детализированное описание сцены, сохраняя исходный смысл перед генерацией.

Alice AI VLM

Объём данных претрейна увеличили с 400 до 600 млрд токенов и расширили контекст до 32 тыс. Обновили OCR-датасет, улучшив качество чтения текста с изображений, включая рукописный, и описание визуального контента. VLM тесно интегрирован с текстовой LLM и обучается с теми же RLHF-подходами. Дополнительно в систему добавлен специализированный VLM-«решатель» для задач, требующих глубокой визуально-математической экспертизы.

Инфраструктура инференса

Инференс оптимизировали, повторно использовав KV-кэш для одинаковых частей промпта. Также помогла полная FP8-квантизация весов, активаций и KV-кэша. За счёт этого объём KV-кэша сократился почти вдвое. Дополнительно внедрили спекулятивное декодирование EAGLE-3, повысив пропускную способность генерации.
В результате новый инференс-стек обеспечивает около 5,8× ускорение по сравнению с BF16 и примерно 1,3× относительно лучших открытых решений, что позволило достичь целевых показателей скорости.

ML Underhood

В прошлом квартале я внедрил Microsoft Copilot для 4000 сотрудников.

30 долларов за рабочее место в месяц.

1,4 миллиона долларов в год.

Я назвал это «цифровой трансформацией».

Совету директоров понравилась эта фраза.

Они одобрили ее за одиннадцать минут.

Никто не спросил, что она на самом деле будет делать.

В том числе и я.

Я сказал всем, что это «увеличит производительность в 10 раз».

Это не реальная цифра.

Но звучит как реальная.

Отдел кадров спросил, как мы будем измерять это 10-кратное увеличение.

Я ответил, что будем «использовать аналитические панели».

Они перестали задавать вопросы.

Через три месяца я проверил отчеты об использовании.

47 человек открыли его.

12 использовали их более одного раза.

Один из них был я.

Я использовал их, чтобы обобщить электронное письмо, которое я мог прочитать за 30 секунд.

На это ушло 45 секунд.

Плюс время, которое понадобилось, чтобы исправить галлюцинации.

Но я назвал это «успехом пилотного проекта».

Успех означает, что пилотный проект не потерпел явного провала.

Финансовый директор спросил о рентабельности инвестиций.

Я показал ему график.

График шел вверх и вправо.

Он измерял «возможности ИИ».

Я придумал этот показатель.

Он одобрительно кивнул.

Теперь мы «имеем возможности ИИ».

Я не знаю, что это значит.

Но это есть в нашей презентации для инвесторов.

Старший разработчик спросил, почему мы не используем Claude или ChatGPT.

Я ответил, что нам нужна «безопасность корпоративного уровня».

Он спросил, что это значит.

Я ответил: «соответствие требованиям».

Он спросил, каким требованиям.

Я ответил: «всем».

Он выглядел скептически.

Я назначил ему «беседу о карьерном росте».

Он перестал задавать вопросы.

Microsoft прислала команду для изучения кейса.

Они хотели представить нас как историю успеха.

Я сказал им, что мы «сэкономили 40 000 часов».

Я рассчитал это число, умножив количество сотрудников на число, которое я придумал.

Они не проверяли его.

Они никогда не проверяют.

Теперь мы на сайте Microsoft.

«Глобальная компания достигает 40 000 часов прироста производительности с Copilot».

Генеральный директор поделился этим на LinkedIn.

Он получил 3000 лайков.

Он никогда не пользовался Copilot.

Ни один из руководителей не пользовался.

У нас есть исключение.

«Стратегическая направленность требует минимального отвлечения внимания на цифровые технологии».

Я написал эту политику.

Лицензии продлеваются в следующем месяце.

Я прошу о расширении.

Еще 5000 мест.

Мы не использовали первые 4000.

Но на этот раз мы «будем стимулировать внедрение».

Внедрение означает обязательное обучение.

Обучение означает 45-минутный вебинар, который никто не смотрит.

Но его завершение будет отслеживаться.

Завершение — это показатель.

Показатели попадают в дашборды.

Дашборды попадают в презентации для совета директоров.

Презентации для совета директоров помогают мне получить повышение.

К третьему кварталу я буду старшим вице-президентом.

Я до сих пор не знаю, что делает Copilot.

Но я знаю, для чего он нужен.

Он нужен, чтобы показать, что мы «инвестируем в ИИ».

Инвестиции означают расходы.

Расходы означают обязательства.

Обязательства означают, что мы серьезно относимся к будущему.

Будущее — это то, что я говорю.

До тех пор, пока график идет вверх и вправо.

Всем привет!

Встречайте двадцать четвёртый выпуск подкаста "Капитанский мостик". В этом выпуске обсуждаются актуальные темы в области робототехники и науки, включая возможности роботов Optimus, финансирование исследований в США, качество научных публикаций и необходимость пересмотра системы оценки научных результатов. Ведущие подкаста - Валентин Малых и Дмитрий Колодезев.
Смотрите видео на каналах ⤵️
ODS VK Video
ODS YouTube

📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).

Забавный факт: пузырь ИИ вернул цену акций Cisco на уровень пузыря доткомов. Таким образом, восстановление после того краха, когда компания потеряла 90% стоимости, заняло 25 лет.

Cisco вместе с Microsoft, Intel и Dell была одним из главных бенефициаров и символов дотком-эры

Мой Компьютер

🚀Релиз HY World 1.5 (WorldPlay)

Команда Tencent Hunyuan открыла исходный код HY World 1.5 (WorldPlay) - одного из самых продвинутых и фреймворков для интерактивного моделирования миров в реальном времени.

В версии 1.5 представлен WorldPlay - стриминговая video diffusion-модель, позволяющая создавать и исследовать интерактивные 3D-миры с долгосрочной геометрической согласованностью.

3D-миры можно создавать по тексту или изображениям, свободно перемещаться по ним, осматриваться и взаимодействовать с окружением, как в видеоигре.

Ключевые особенности:

- Реальное время
Генерация длинных видеопотоков со скоростью 24 FPS с высокой стабильностью сцен.

- Геометрическая согласованность
Используется механизм Reconstituted Context Memory, который динамически пересобирает контекст из предыдущих кадров и предотвращает деградацию памяти.

- Точное и устойчивое управление
Dual Action Representation обеспечивает корректную реакцию на ввод с клавиатуры и мыши.

- Широкие сценарии применения
Поддержка вида от первого и третьего лица, событий, управляемых промптом, и бесконечного расширения мира.

Проект полностью открыт.

▪Попробовать: https://3d.hunyuan.tencent.com/sceneTo3D?tab=worldplay
▪Проект Page: https://3d-models.hunyuan.tencent.com/world/
▪ GitHub: https://github.com/Tencent-Hunyuan/HY-WorldPlay
▪Hugging Face: https://huggingface.co/tencent/HY-WorldPlay
Technical Report: https://3d-models.hunyuan.tencent.com/world/world1_5/HYWorld_1.5_Tech_Report.pdf

@data_analysis_ml

Meta releases sound segmentation model SAM audio.

Model can cut or play certain audio tracks based on text or visual input — think typing “speech” and hearing only a speech without a background noise.

Release post: https://ai.meta.com/samaudio
Playground: https://aidemos.meta.com/segment-anything/editor/segment-audio

#dl #sound

Запись семинара

Астемир Гонгапшев (Университет "Сириус”), Обзор методов безопасного федеративного обучения. YouTube | Дзен | RuTube (~1 час).

🎬 Алхимия кино в вашем смартфоне: Китайский Wan 2.6 бросает вызов Sora и меняет правила игры

Пока все обсуждали Sora 2, китайская компания Alibaba тихо выпустила оружие массового творения — модель Wan 2.6, которая не просто генерирует клипы, а создаёт целые фильмы.

📈 Что случилось?
Alibaba представила новое поколение мультимодальных моделей Wan 2.6. Это не просто апгрейд, а качественный скачок:
• Глобально: Одна из самых комплексных семейств моделей для генерации видео.
• Впервые в Китае: Модель с функцией «ролевой кастомизации», сохраняющей не только внешность, но и голос персонажа.
• Технический прорыв: Длительность ролика до 15 секунд, интеллектуальное управление сценами («контроль раскадровки») и кинематографическое качество.

🌟 Главные фишки Wan 2.6
Модель понимает не только текст, но и контекст. Вот что это значит на практике:

1. Ваш личный актёрский состав (Reference Video)
Загрузите любое видео с человеком, животным или предметом — и Wan 2.6 сделает его «звездой» нового сюжета, идеально копируя мимику, движения и даже тембр голоса!
• Формула промта: «@[персонаж] + [действие] + [реплика] + [сцена]».

2. Режиссёр в кармане (Multi-shot Narrative)
Модель сама разбивает ваш сценарий на профессиональные планы: общий, средний, крупный.
• Формула промта: «[Общее описание сцены]. Кадр 1 [0-3 сек]: ... Кадр 2 [3-7 сек]: ...».

3. Кино без бюджета
• Детализация: Пар на очках, микро-морщинки, реалистичная текстура кожи.
• Эмоции: Модель передаёт тонкие изменения в выражении лица героев.
• Синхронизация: Идеальное совпадение артикуляции и звука.

🖼 Не только видео: Апгрейд для изображений
Wan 2.6 также серьёзно прокачала генерацию статичных картинок:
• Точное воспроизведение художественных стилей (от масляной живописи до пиксель-арта).
• Улучшенная работа с текстом внутри изображения (постеры, инфографика).
• Генерация сложных комбинаций объектов и сцен.

Wan 2.6 даёт беспрецедентный контроль над повествованием, образами и звуком. Она стирает границу между профессиональной студией и любительским творчеством.

Сайт Wan | Блог

#КитайскийИИ #КитайAI #ГенеративноеВидео #Wan26 #Alibaba

Дата-центры выходят на новую высоту 🛰

Ещё в мае 2025 года мы отметили, что известный ИТ-миллиардер Эрик Шмидт (Google, Apple, Novell и Sun) купил космический стартап Relativity Space для запуска дата-центров на орбиту. Но запускать дата-центры в космос собрались буквально все ИТ-гиганты: Джефф Безос и Дженсен Хуанг (nVidia), компании Google и SpaceX.

ИТ-гиганты с жаром утверждают, что поверили в перспективы «небесных» дата-центров: почти бесплатная энергия от Солнца, которое в космосе не скроют ни облака, ни ночь (при должном подборе орбиты); быстрая связь через Starlink и подобные сервисы позволят не задумываться о местоположении серверов. Уйдут ограничения со стороны регуляторов и местных экоактивистов. Поистине космическую стоимость вывода серверов в космос надеются нивелировать введением в строй Starship и других ракет с низкой стоимостью вывода. Только кажется, что компании не говорят о настоящих проблемах, с которыми придётся столкнуться на орбите.

Компания RUVDS уже запустила спутник с дата-центром на орбиту и готовит к старту спутник-платформу. Первые задачи, которые предстоит решить операторам космических ЦОДов – это теплоотведение, программирование на орбите и информационная безопасность. В космосе нет воздуха или воды для охлаждения – сбрасывать тепло возможно только излучением, что будет нелегко для больших дата-центров, которые могут потреблять мегаватты энергии. Мы уже сейчас занимаемся программной частью: продвинутые космические аппараты должны позволять загрузку и обновление софта, причём этот процесс должен оставаться устойчивым в любой точке орбиты. Раз есть софт и связь, то будут и атаки хакеров – значит надо использовать продукты для информационной безопасности.

И об этих проблемах надо думать сразу, закладывая их решение в архитектуру ещё на Земле. А без их решения новоявленные разработчики космических дата-центров, конечно, поднимут стоимость своих акций, но до реального продукта не дойдут, поменяв концепцию по дороге.

🚀 Как Alibaba использовала ИИ для перехода от монолита к DDD: реальный кейс

Команда разработчиков Taobao применила искусственный интеллект для рефакторинга сложной системы сервисных пакетов. Цель — автоматизировать и ускорить переход на доменно-ориентированное проектирование (DDD).

📌 Ключевой результат: разработка новой функциональности, которая раньше занимала 5-8 человеко-дней, теперь сводится к конфигурационным изменениям.

🔍 В чем была проблема?
Старый код превратился в "монолит" с критическими недостатками:
• Высокая стоимость изменений: добавление нового типа товара требовало правок в 8+ файлах.
• Тонны дублирования: одна и та же логика проверки товара повторялась в 10 разных местах.
• Сильная связанность: один сервисный класс на 3800 строк смешивал логику товаров, цен, контрактов и акций.
• Риски: любое изменение могло сломать существующую функциональность.

🤖 Как помог ИИ? Процесс в две фазы

1. Фаза проектирования: Инженеры давали ИИ промпты вроде "Ты — эксперт по DDD, проанализируй этот пакет классов и предложи границы контекстов". ИИ быстро предлагал варианты на основе структуры кода, а люди дорабатывали их с учетом бизнес-семантики.

2. Фаза реализации:
• Генерация каркаса: ИИ создавал заготовки классов (Domain, DomainService, DomainRepo) на основе техзадания.
• Написание кода: ИИ генерировал boilerplate-код и преобразования данных. Например, написал 734 строки с точностью 96.6% (потребовалось исправить всего 25 строк).
• Анализ качества: ИИ сравнивал методы "до" и "после", выявлял дубликаты и оценивал степень связности.

📊 Результаты рефакторинга
Вот сравнение одного ключевого метода queryConfirmableProgramList:

Было (монолит):
• Код: ~1500 строк в основном методе + вспомогательных цепочках.
• Проблемы: высокая связанность, дублирующиеся if-else на 10+ типов товаров, логика ценообразования и акций вперемешку.

Стало (DDD с ИИ):
• Код: ~720 строк, разделенных по четким доменным контекстам (Магазин, Контракт, Товар, Цена, Акция).
• Преимущества: каждый шаг отвечает за одну задачу, логика изолирована, дублирование устранено, систему легко тестировать и расширять.

🎯 Вывод
Это не про то, что ИИ заменит архитекторов. Это про мощный симбиоз: ИИ берет на себя рутинный анализ кода, генерацию шаблонов и поиск антипаттернов, освобождая инженеров для решения сложных архитектурных и бизнес-задач. Такой подход сокращает циклы рефакторинга на 75%+ и кардинально повышает качество кода.

Подробнее

Опыт отечественных компаний подтверждает выводы китайских специалистов. В частности, об этом недавно писал в своей статье «Меньше рутины, больше инженерного творчества: как AI меняет подход к рефакторингу» Антон Атоян из Сбертех.

#КитайскийИИ #КитайAI