30.04.2026 13:16
ВОТ ЧТО БЫЛО НА ICLR 2026 🤩 Делимся итогами одной из ключевых ИИ-конференций мира, проходившей 23–27 апреля в Рио-де-Жа
ВОТ ЧТО БЫЛО НА ICLR 2026 🤩
Делимся итогами одной из ключевых ИИ-конференций мира, проходившей 23–27 апреля в Рио-де-Жанейро.
В рамках постерной сессии наши коллеги из Управления экспериментальных систем машинного обучения, Управления базовых моделей Kandinsky и Центра практического искусственного интеллекта представили четыре научные работы 👇🏻
⭐️ Роман Соломатин, главный инженер по разработке, Департамент развития искусственного интеллекта и машинного обучения, Управление экспериментальных систем машинного обучения
HUME: Measuring the Human-Model Performance Gap in Text Embedding Tasks
Авторы создали специальный тест — HUME, чтобы оценить, насколько хорошо люди и модели справляются с анализом текста. Результат: в среднем модели опережают людей (80,1% против 77,6%), но в сложных языках и тонких смысловых нюансах человек всё ещё сильнее
⭐️ Вячеслав Васильев, Senior Data Scientist; Мария Ковалёва, Middle Data Scientist, Управление базовых моделей Kandinsky
Time-Correlated Video Bridge Matching
Авторы предложили подход к обработке видео, где модель учитывает связь между кадрами во времени, а не анализирует их по отдельности. Проще говоря, система учитывает прошлые кадры и предсказывает следующие — за счёт этого движения объектов в кадре становятся более плавными и естественными
⭐️ Дмитрий Бабаев, Lead AI Rsearcher; Павел Задорожный, Middle AI Researcher; Родион Левичев, Middle AI Researcher, Управление экспериментальных систем машинного обучения
Multi-LCB: Extending LiveCodeBench to Multiple Programming Languages
Был представлен новый бенчмарк, который проверяет способность ИИ решать свежие соревновательные задачи по программированию. Его также расширили на 12 языков, чтобы понять реальную эффективность модели на конкретном стеке
⭐️ Савелий Чежегов, Middle AI Researcher, Центр практического искусственного интеллекта
High-Probability Bounds For the Last Iterate of Clipped SGD
Учёные предложили решение одной из ключевых проблем обучения ИИ: необходимость многократных запусков из-за случайных факторов. Они впервые провели строгий анализ сходимости Clip-SGD для последней итерации. Метод оказался эффективным. Он позволяет обучать модель один раз и получать надёжный результат
Мы также провели мощный нетворкинг-митап, который собрал более 150 участников из разных стран и стал одной из точек притяжения на площадке.
На нём спецы из GigaChat, Kandinsky 5.0, Kandinsky 3D и AI4Football рассказали о технологиях и продуктах Сбера 😍
Это был насыщенный опыт. Рио-де-Жанейро, спасибо за гостеприимство!
❤️ — было реально жарко
🔥 — бегом читать статьи
Делимся итогами одной из ключевых ИИ-конференций мира, проходившей 23–27 апреля в Рио-де-Жанейро.
В рамках постерной сессии наши коллеги из Управления экспериментальных систем машинного обучения, Управления базовых моделей Kandinsky и Центра практического искусственного интеллекта представили четыре научные работы 👇🏻
⭐️ Роман Соломатин, главный инженер по разработке, Департамент развития искусственного интеллекта и машинного обучения, Управление экспериментальных систем машинного обучения
HUME: Measuring the Human-Model Performance Gap in Text Embedding Tasks
Авторы создали специальный тест — HUME, чтобы оценить, насколько хорошо люди и модели справляются с анализом текста. Результат: в среднем модели опережают людей (80,1% против 77,6%), но в сложных языках и тонких смысловых нюансах человек всё ещё сильнее
⭐️ Вячеслав Васильев, Senior Data Scientist; Мария Ковалёва, Middle Data Scientist, Управление базовых моделей Kandinsky
Time-Correlated Video Bridge Matching
Авторы предложили подход к обработке видео, где модель учитывает связь между кадрами во времени, а не анализирует их по отдельности. Проще говоря, система учитывает прошлые кадры и предсказывает следующие — за счёт этого движения объектов в кадре становятся более плавными и естественными
⭐️ Дмитрий Бабаев, Lead AI Rsearcher; Павел Задорожный, Middle AI Researcher; Родион Левичев, Middle AI Researcher, Управление экспериментальных систем машинного обучения
Multi-LCB: Extending LiveCodeBench to Multiple Programming Languages
Был представлен новый бенчмарк, который проверяет способность ИИ решать свежие соревновательные задачи по программированию. Его также расширили на 12 языков, чтобы понять реальную эффективность модели на конкретном стеке
⭐️ Савелий Чежегов, Middle AI Researcher, Центр практического искусственного интеллекта
High-Probability Bounds For the Last Iterate of Clipped SGD
Учёные предложили решение одной из ключевых проблем обучения ИИ: необходимость многократных запусков из-за случайных факторов. Они впервые провели строгий анализ сходимости Clip-SGD для последней итерации. Метод оказался эффективным. Он позволяет обучать модель один раз и получать надёжный результат
Мы также провели мощный нетворкинг-митап, который собрал более 150 участников из разных стран и стал одной из точек притяжения на площадке.
На нём спецы из GigaChat, Kandinsky 5.0, Kandinsky 3D и AI4Football рассказали о технологиях и продуктах Сбера 😍
Это был насыщенный опыт. Рио-де-Жанейро, спасибо за гостеприимство!
❤️ — было реально жарко
🔥 — бегом читать статьи