Machine learning Interview Chat

Теренс Тао: «ИИ катком проходит по всей математике. Нам нужно замедлиться. Темп безумный». Примерно через 10 дней OpenAI: • создала независимую консультативную группу из математиков • заявила, что новая модель решила более 100 давно открытых задач • отдельно уточнила, что группа не будет советовать компании, как замедлять внутренний прогресс в математике То есть математиков пригласили помогать с проверкой, публикацией и научными стандартами. Но не с темпом исследований. Советоваться о последствиях будут. Замедляться не собираются. 😬 Заявление о 100 задачах пока принадлежит самой OpenAI. Независимая проверка результатов ещё впереди. https://openai.com/index/advisory-group-on-mathematics-and-ai/

🚀 Claude Opus 5.5 — новый флагман Anthropic Anthropic обновила свою самую мощную модель. Основной упор — код, агентные задачи, работа с инструментами и длинные сложные сценарии. Что заявляет компания: - более сильное агентное программирование - лучше работает с большими кодовыми базами - быстрее выполняет длинные многошаговые задачи - улучшен computer use - выше устойчивость к prompt injection - ответы стали более короткими и естественными По данным Anthropic, на типичных задачах Opus 5.5 примерно на 40% дешевле Opus 5, а генерация — более чем на 30% быстрее. Из показательных примеров: модель использовали для миграции 680 000 строк кода менее чем за день, а в одном из внутренних тестов она переписала HAProxy с C на Rust за 9,5 часа. API: $4 за 1M входных токенов и $20 за 1M выходных. https://www.anthropic.com/claude-opus-5-5

🌟 Samsone: открытые аудиоязыковые модели для смартфонов Samsung опубликовали Samsone - семейство из трёх небольших аудиоязыковых моделей для работы на мобильных устройствах: Samsone-99M, Samsone-134M и Samsone-356M. Проект будет участвовать в конференции Interspeech 2026, которая пройдет с 27 сентября по 1 октября в Сиднее. Модели принимают один или несколько аудиофрагментов вместе с текстовым запросом и отвечают текстом: описывают звук, отвечают на вопросы о записи, сравнивают клипы между собой. Заявлено понимание речи, музыки и звуки окружения. Отвечают модели только по-английски и строчными буквами - ради экономии параметров оставили в обучающих текстах только строчные символы ASCII и вычистили из словаря редкие токены. Авторы предупреждают, что после дообучения на аудиовопросах модели теряют общие языковые навыки, так что это точечный инструмент, а не полноценный собеседник. 🟡Архитектура Аудиоэнкодер Whisper-Tiny на 9 млн параметров, нелинейный проектор в пространство текстовых эмбеддингов и языковая модель SmolLM2 от Hugging Face на 135 или 360 млн параметров. Каждый клип усредняется до 50 аудиотокенов, а разделитель SEP отделяет клипы друг от друга и от текста, поэтому аудио можно вставлять в любое место запроса. 🟡Тесты На MMAU (10 тысяч вопросов о звуках, музыке и речи) Samsone-134M набирает 61,33% против 53,34% у прежнего лидера среди малых моделей Mellow на 167 млн параметров. Это выше Qwen2-Audio-Instruct на 8,4 млрд параметров (57,4%) и на уровне Audio Flamingo 2 на 3 млрд (61,06%). На речевой части результаты хуже. В более сложном MMAU-Pro расзница с Mellow составляет 10 пп (37,57% против 27,5%), здесь впереди Qwen2-Audio (45,41%) и GPT-4o Audio (52,5%). На Galaxy S25 Ultra без аппаратных оптимизаций Samsone-99M генерирует 125 токенов в секунду, Samsone-134M - 87, Samsone-356M - 39. Обработка аудио перед генерацией занимает от 0,7 до 1,1 секунды. Веса для PyTorch, код обучения и экспорта, а также Android-приложение под Android 12 и новее в

⚡️ inclusionAI открыла две модели для генерации и редактирования дизайна Ming-Image-0.1-Design создаёт интерфейсы, дашборды, инфографику и постеры с разрешением до 2048×2048. Модель хорошо работает с текстом и умеет сразу генерировать изображения с прозрачным RGBA-фоном. Ming-Image-0.1-Design-Layer решает обратную задачу: разбирает готовую картинку на отдельные редактируемые RGBA-слои, сохраняя исходные пропорции. Обе модели имеют 6 млрд параметров и опубликованы под лицензией MIT. Design лидирует среди моделей с открытыми весами в рейтинге UI/UX от Artificial Analysis, а Layer показала лучший результат во всех 12 тестах Crello. https://modelscope.ai/models/inclusionAI/Ming-Image-0.1-Design https://modelscope.ai/models/inclusionAI/Ming-Image-0.1-Design-Layer

🛡️ Microsoft открыла skill для автоматического поиска рисков в AI-агентах Новый run-assert-eval запускает полный цикл проверки агента из одного промпта в VS Code: - Clarity ищет потенциальные failure modes; - ASSERT превращает их в eval-тесты и измеряет нарушения; - ACS генерирует runtime-политику для блокировки опасных действий; - затем агент прогоняется на тех же тестах повторно, чтобы проверить, действительно ли защита сработала. В примере Microsoft агент поддержки раскрывал данные чужого клиента в 30% применимых тестов. После добавления runtime-контроля показатель снизился до 5,9%. найти риск → измерить → добавить защиту → доказать результат повторным eval. ASSERT и Agent Control Specification доступны в open source. Анонс Microsoft - https://commandline.microsoft.com/run-assert-eval-responsible-ai-agent-risk-discovery-at-runtime/

Пользователь смотрит видео, листает клипы, ставит лайки — каждое действие становится сигналом для рекомендательной системы. Но важен не только отдельный сигнал, а его контекст и связь с другими событиями. 🎬 В новом ролике разбираем, как трансформер обрабатывает последовательность взаимодействий пользователя с контентом, определяет значимость событий и учитывает связи между видео, клипами и постами. #AIVK #aivkhub #recsys

📋 Китай впервые обошёл США по числу ведущих ИИ-исследователей По данным нового исследования Carnegie, в 2025 году 41% ведущих ИИ-специалистов работали в Китае, а 34% — в США. Для сравнения, в 2022 году ситуация была обратной: - США — 46% - Китай — 27% Ещё заметнее разрыв по происхождению специалистов: 57% ведущих ИИ-исследователей получили базовое образование в Китае, тогда как в США — 13%. При этом 69% китайских специалистов теперь остаются работать в своей стране. В 2022 году показатель составлял 57%. США пока сохраняют преимущество в привлечении зарубежных специалистов: - США: +2145 исследователей - Китай: −1729 исследователей Лидером среди организаций по числу ИИ-талантов стал Пекинский университет. В 2022 году первое место занимал Google. Исследование основано на данных более чем 10 000 авторов работ NeurIPS 2025 — около 40% всех участников конференции. https://carnegieendowment.org/china/features/whos-ahead-in-the-global-ai-talent-race