Новые алгоритмы, исследования от ведущих лабораторий. Практические применения машинного обучения в бизнесе, науке и повседневной жизни.
Cua-bench — новый фреймворк для генерации разнообразных данных интерфейса и траекторий обучения, решающий проблему хрупкости ИИ-агентов для управления компьютером.
AWS анонсировала интеграцию управляемого MLflow на Amazon SageMaker с платформой данных Snowflake. Решение позволяет централизованно отслеживать ML-эксперименты, проводимые в Snowpark, улучшая воспроизводимость и управление моделями.
Модель Qwen-Image-i2L генерирует веса адаптера LoRA из изображения за один проход, заменяя часы обучения. Пока она лучше извлекает стиль, чем конкретное содержание, открывая путь к мгновенной персонализации диффузионных моделей.
Анализ семи ключевых трендов, которые перевернут рынок корпоративного ПО в 2026 году: от краха точечных решений и взлета агентных платформ до резкого удешевления AI и смены глобальных лидеров.
Allen Institute for AI представил Molmo 2 — полностью открытую модель для анализа и отслеживания объектов в видео. Модель демонстрирует результаты, сравнимые с коммерческими системами, и завершает год крупных достижений некоммерческого института.
Исследование Oxford Economics по заказу Scale показало, что индустрия аннотации данных в США создала экономику на $5,7 млрд и почти 200 тыс. рабочих мест, привлекая высокообразованных экспертов.
Ажиотаж вокруг генеративного ИИ отвлекает внимание и ресурсы от фундаментальных прорывов в науке, медицине и промышленности, создавая риск технологического дисбаланса.
Библиотека NeuralOperator, реализующая нейронные операторы для работы с дифференциальными уравнениями, официально вошла в экосистему PyTorch. Это делает передовые методы моделирования физических процессов доступными для широкого круга разработчиков.
Исследование IDC выявило серьезный разрыв между инвестициями в ИИ и реальной отдачей. Основная проблема — устаревшая инфраструктура, из-за которой 70% вычислительных мощностей тратятся впустую, а проекты застревают на стадии экспериментов.
Исследователи MIT разработали метод, который решает фундаментальную проблему генерации ложных доверительных интервалов при анализе пространственных данных, что критически важно для достоверности выводов в экологии, экономике и эпидемиологии.