ML Underhood
Рассказываем, чем живёт ML в Яндексе, и обсуждаем важные новости индустрии. Вопросы и предложения > @yandex_ml_brand
- 24 часа
- 0
- 7 дней
- –
- 30 дней
- –
- Реакции
- 38
- Репосты
- –
- Комментарии
- –
Динамика подписчиков
Подписчиков у канала «ML Underhood»: 5 069.
По дням, последние 30 дней
| Дата | Подписчики | Изменение | Посты | Ср. просмотры поста |
|---|---|---|---|---|
| 14 ноя | 5 069 | 0 | 0 | – |
| 13 ноя | 5 069 | – | 0 | – |
Когда публикует
Время по UTC. 10 постов за 90 дней.
Последние посты
-
Как развивался рефразер промптов в Alice AI ART В Алисе есть модель для генерации и редактирования изображений Alice AI ART. Она может заменить лицо на фотографии или сгенерировать поздравительную открытку. Под капотом это — сложная многостадийная система. Самые важные стадии — рефразер и диффузия. Диффузия непосредственно генерирует изображение. А рефразер переписывает запрос пользователя так, чтобы диффузия хорошо его поняла. Алексей Кириллов из команды Alice AI ART рассказал на Data Fest в Новосибирске, как рефразер эволюционировал за два года, а мы пересказываем главное. Переводчик История началась в 2023 году. Тогда весь обучающий корпус для диффузии состоял исключительно из англи...
-
EMNLP 2026: ещё две статьи Продолжаем рассказывать о работах, принятых на EMNLP в Венгрии. О статьях основного трека написали здесь. Ещё две работы от авторов из Яндекса будут представлены на воркшопах. Yandex at WMT26: Translation Adaptation at 235B and Hard-Label Distillation to 8B Над статьёй работали инженеры Яндекса: Дмитрий Попов, Елизавета Козлова, Екатерина Тарачева, Елизавета Махотина, Артём Мехралиев, Мирон Барателиа, Екатерина Еникеева и Николай Карпачёв. WMT — ежегодная конференция по машинному переводу, которая в последние годы проходит совместно с EMNLP. В рамках WMT проводится соревнование General Machine Translation. В нём сравнивают разные системы машинного перевода. Я...
-
Наши статьи на EMNLP 2026 EMNLP (Conference on Empirical Methods in Natural Language Processing) — одна из главных конференций по NLP. В этом году на неё приняли четыре наши статьи. Рассказываем о первых двух. MTGBench: A Multi-Turn Game Benchmark for Diverse LLM Capability MTG Bench Над статьёй работали Владислав Негодин из службы аналитики качества генеративных моделей Яндекса, Алиса Аленичева, Тимур Зыков и Артём Солодухо из Школы анализа данных. Многие бенчмарки оценивают рассуждения LLM в формате «один запрос — один ответ», где условия известны заранее. Многоходовые встречаются реже и смещаются в агентские сценарии. В оценке LLM доминирует английский, хотя бенчмарки, созданные для...
-
Мы на Interspeech — и не с пустыми руками ¡ɹǝpun uʍop ɯoɹɟ ʎɐp,ƃ Ой.. То есть, привет из Австралии, где в эти дни, вплоть до 1 октября, проходит конференция Interspeech — о речевых технологиях и обо всём, что рядом. Мы, разумеется, на месте и будем рассказывать о самом интересном, что увидим (подписывайтесь на канал Speech Info, чтобы точно ничего не пропустить). А первыми впечатлениями поделился разработчик из службы технологий голосового ввода Яндекса Николай Коновальчук. Если говорить о конференции в целом, то у участников тут есть две основных модели поведения. Есть условные Eleven Labs и Google, которые пытаются нанимать людей — мне буквально всучили мерч в обмен на контакты. С дру...
-
Как сделать интерактивного агента с помощью KV‑кеш‑манипуляций AI-ассистенты, роботы и другие агенты должны уметь получать новые данные прямо во время вычислений и корректировать свои действия на ходу без полного перезапуска. Исследователь Yandex Research Георгий Якушев в статье на Хабре рассказывает, как реализовать такую интерактивность во время инференса с помощью KV-кеша. Ниже коротко о главном. В статье предлагают рассматривать KV‑кеш как активное состояние выполнения модели. Оно определяет, какие результаты предыдущих вычислений увидит новый запрос, в каком причинном порядке они расположены и какие промежуточные состояния могут повлиять на следующий токен. Если изменить структуру и...
-
Выложили собственную претрейн-модель AliceAI‑Foundation-80B‑A3B‑Base — от обучения с нуля до опенсорса под лицензией Apache 2.0. Это MoE-модель с 80 млрд параметров, из которых при генерации активны около 3 млрд. При обучении не использовались веса сторонних опенсорсных моделей. Весь путь до релиза занял около полугода: за это время команда пересобрала корпус, проверила архитектурные решения и гиперпараметры, а также добавила отдельные данные для рассуждений и взаимодействия с инструментами. По внутренним претрейн-замерам модель обходит более крупные DeepSeek‑V4‑Flash‑Base и Nemotron‑3‑Super‑Base на ряде задач — от фактологических вопросов до математики и кода. На IMO AnswerBench и LiveCod...
-
Выпустили агента «Исследовать» в Алисе AI. Рассказываем, почему сделали ставку на обвязку и как это теперь поддерживать Агент «Исследовать» — это режим Deep Research’а в чате с Алисой AI. Он умеет строить оптимальный план для решения сложной пользовательской задачи. Для этого делает сотни поисков по запросу, пишет Python‑код, ходит на сайты, анализирует скачанные файлы и многое другое. Работа над агентом началась примерно год назад. Как раз тогда — после релиза DeepSeek‑R1 — случился бум ризонинг‑моделей. Команда агента «Исследовать» и её лид Прохор Гладких, стартовали с того, что научили режим «Рассуждать» работать со свежими данными из сети. Сделали простой RAG-пайплайн с мультизап...
-
Вчера на ECCV послушали кейноут Яна Лекуна — делимся основными тезисами. Лекун начал с контраста между успехами AI в программировании и математике и его способностью действовать в физическом мире. Среди проблем — работа с высокоразмерными непрерывными данными (сырым видео, аудио и сигналами с датчиков), зависимость агентов от большого числа демонстраций и слабая адаптация к новым задачам. 🔴Интеллект — это способность решать новые задачи с минимальным обучением. Лекун отделяет её от накопления знаний и освоения фиксированного набора навыков. Термин AGI он критикует: человеческий интеллект тоже специализирован, а ключевое свойство — быстрая адаптация к незнакомым ситуациям. 🔴Моделировать...
-
Сегодня мы опенсорсим модель, результатом работы которой пользуются 49,5 млн пользователей ежемесячно Наша компактная языковая модель, обученная с нуля, формирует быстрые ответы Алисы AI под поисковой строкой. Артур Петросян, Назар Погосский, Никита Семёнов, Антон Викторов и Дима Калашников разобрали на Хабре, как она устроена и как её обучали. Ниже коротко о главном. AliceAI-T5-35B-A0.6B — Encoder–Decoder с 34,35B параметров и разреженными MoE-слоями: в каждом для токена выбираются восемь экспертов из 512. Архитектуру подбирали под поисковый сценарий — обработать найденные документы и быстро сформировать ответ. Претрейн шёл на 15 триллионах токенов на задаче UL2-денойзинга. Затем контекст...
-
Немного цифр и Best Paper Awards на ECCV 2026 Сегодня на конференции раздавали награды — их получили пять выдающихся работ. 💫 Best Paper Award досталась статье Heat Kernel Textures — the Geodesic Gaussians that Do Not Splat. Авторы предложили новый способ накладывать текстуры на 3D-объекты без UV-развёртки. 💫 Best Paper Honorable Mention дали работам Poppy: Polarization-Based Plug-and-Play Guidance for Enhancing Surface Normal Estimation и LSRM: High-Fidelity Object-Centric Reconstruction via Scaled Context Windows. 💫 Test of Time Awards вручили проверенным временем статьям Learning Without Forgetting и Perceptual Losses for Real-Time Style Transfer and Super-Resolution. Первые верс...
-
Как развивался рефразер промптов в Alice AI ART В Алисе есть модель для генерации и редактирования изображений Alice AI ART. Она может заменить лицо на фотографии или сгенерировать поздравительную открытку. Под капотом это — сложная многостадийная система. Самые важные стадии — рефразер и диффузия. Диффузия непосредственно генерирует изображение. А рефразер переписывает запрос пользователя так, чтобы диффузия хорошо его поняла. Алексей Кириллов из команды Alice AI ART рассказал на Data Fest в Новосибирске, как рефразер эволюционировал за два года, а мы пересказываем главное. Переводчик История началась в 2023 году. Тогда весь обучающий корпус для диффузии состоял исключительно из англи...
-
EMNLP 2026: ещё две статьи Продолжаем рассказывать о работах, принятых на EMNLP в Венгрии. О статьях основного трека написали здесь. Ещё две работы от авторов из Яндекса будут представлены на воркшопах. Yandex at WMT26: Translation Adaptation at 235B and Hard-Label Distillation to 8B Над статьёй работали инженеры Яндекса: Дмитрий Попов, Елизавета Козлова, Екатерина Тарачева, Елизавета Махотина, Артём Мехралиев, Мирон Барателиа, Екатерина Еникеева и Николай Карпачёв. WMT — ежегодная конференция по машинному переводу, которая в последние годы проходит совместно с EMNLP. В рамках WMT проводится соревнование General Machine Translation. В нём сравнивают разные системы машинного перевода. Я...
-
Наши статьи на EMNLP 2026 EMNLP (Conference on Empirical Methods in Natural Language Processing) — одна из главных конференций по NLP. В этом году на неё приняли четыре наши статьи. Рассказываем о первых двух. MTGBench: A Multi-Turn Game Benchmark for Diverse LLM Capability MTG Bench Над статьёй работали Владислав Негодин из службы аналитики качества генеративных моделей Яндекса, Алиса Аленичева, Тимур Зыков и Артём Солодухо из Школы анализа данных. Многие бенчмарки оценивают рассуждения LLM в формате «один запрос — один ответ», где условия известны заранее. Многоходовые встречаются реже и смещаются в агентские сценарии. В оценке LLM доминирует английский, хотя бенчмарки, созданные для...
Вопросы о канале «ML Underhood»
Сколько подписчиков у канала «ML Underhood»?
У канала «ML Underhood» (@mlunderhood) 5 069 подписчиков на 14 ноября 2026 г.
О чём канал «ML Underhood»?
Канал в категории «Технологии», язык постов: русский. Описание канала: «Рассказываем, чем живёт ML в Яндексе, и обсуждаем важные новости индустрии. Вопросы и предложения > @yandex_ml_brand»
Какое место занимает канал «ML Underhood»?
По числу подписчиков: №203 в категории «Технологии», №357: 🇷🇺 Россия, №420 среди каналов на языке «русский», №5 180 в мире.
Когда публикует канал «ML Underhood»?
Пик публикаций: среда, около 11:00 по UTC. Выходит около 3 постов в месяц.
Статистика обновлена 5 часов назад.