Чат | 8БИТ

Что сейчас происходит в мировом ML 🤓 Рассказывает Пётр Ермаков, ML-бренд-директор Яндекса, который уже не первый год посещает ICML, ICLR и NeurIPS. ⠀ ⏺️Какие тренды заметнее всего на конференциях? Помимо гонки за более крупными моделями, на конференциях заметен интерес к системам, которые должны рассуждать, действовать и адаптироваться — надёжно и в заданном бюджете вычислений. Ещё — post-training и методы, работающие во время решения задачи. Развиваются альтернативы последовательной авторегрессионной генерации, включая diffusion language models. Надёжность, эффективность и мультимодальность остаются общими вопросами для разных направлений. ⠀ ⏺️Что из этого важнее для инженеров сегодня? ⠀ Для инженеров важнее всего направления в проверке систем в работе. И тут не одна итоговая метрика: нужны скрытые тесты, журналы действий, проверка конечного состояния, учёт задержек и стоимости, стресс-тесты на сбои и неоднозначные инструкции. Что почитать: ❄️LLMs Get Lost in Multi-Turn Conversation — почему хороший результат при полностью заданной инструкции в одном сообщении может переоценивать надёжность модели в диалоге, где требования раскрываются постепенно. ❄️τ²-Bench и его открытое продолжение τ³-Bench — как оценивать связку «пользователь — агент — инструменты». ❄️AgentHijack — как GUI-агенты теряют устойчивость из-за обычных помех интерфейса. И я бы отдельно следил за diffusion language models. В 2026 году это заметное исследовательское направление. ⠀ ⏺️За чем стоит следить ML-специалистам? ⠀ За тем, проходят ли разные направления проверку практикой: ❄️Агенты — переходят ли результаты от демонстрации к устойчивому завершению длинных задач ❄️RL с проверяемыми наградами — переносится ли выигрыш на задачи, где ответ нельзя проверить автоматически ❄️Diffusion language models и, отдельно, архитектуры beyond Transformer — показывают ли они воспроизводимое преимущество на реальных задачах. Правило простое: смотреть не на лучший результат в бенчмарке, а на разрыв между де

В сущности оно правильно угадало