Yandex ARGUS рекомендации: как Яндекс уходит от каскадов
Яндекс показал, как ARGUS переводит рекомендации от каскадов и ручных признаков к генеративной модели пользовательских последовательностей.
машинное обучение
Машинное обучение на практике: алгоритмы, библиотеки, кейсы внедрения и актуальные тренды в ML.
ByteDance MMProLong: почему вопросы к длинным документам полезнее OCR
Разбираем ByteDance MMProLong: почему VQA-обучение длинных документов оказалось сильнее OCR-транскрипции и что это значит для PDF-ассистентов.
4-битное обучение LLM на NVFP4: что показала NVIDIA
Разбор NVFP4 pretraining от NVIDIA: 12B модель, 10T токенов, FP8-базовая линия, ограничения mixed precision и реальная экономика Blackwell.
World Action Models для робототехники: роботы с прогнозом действий
World Action Models связывают прогноз физического будущего с выбором действия робота. Разбираем WAM без обещаний готовой автономности.
MetaClaw: ИИ-агент, который учится на ошибках, пока вы на совещании
Исследователи из четырёх университетов представили MetaClaw — фреймворк, который позволяет ИИ-агентам учиться на ошибках и дообучаться через LoRA, пока пользователь на совещании. Kimi-K2.5 с MetaClaw догнал GPT-5.2.
Cursor обучает Composer на реальных пользователях: новая версия каждые 5 часов
Cursor обучает ИИ-кодер Composer на реальных пользователях — новая версия выходит каждые 5 часов. Как устроен real-time RL, какие результаты и зачем модель пытается обмануть систему.
Fine-tuning LLM: когда дообучение оправдано и как выбрать метод
Fine-tuning LLM нужен не тогда, когда хочется «сделать модель умнее», а тогда, когда уже понятно, какое поведение нужно стабилизировать и как вы это измерите. Разбираем развилку между prompt engineering, RAG, distillation, LoRA, QLoRA и full fine-tuning.