Можете присылать задачи на IOAI. А если вашу задачу отберут, потом сможете развлекаться тем, что смотреть, как я пытаюсь готовить сборную, придумывая разные задачи и гадая, что будет на олимпиаде А вы-то уже будете что-то знать! :)
Открыть в Telegram
DLStories
Что-то про AI Research и AI образование от Танечки Сотрудничество/предложения: @atmyre
Подписчики, 30 дней
8 нояб. – 15 нояб.+9 (+0,1%)
Показать таблицей
| Дата | Подписчики |
|---|---|
| 8 нояб. 2026 г. | 15 543 |
| 9 нояб. 2026 г. | 15 549 |
| 10 нояб. 2026 г. | 15 545 |
| 11 нояб. 2026 г. | 15 543 |
| 12 нояб. 2026 г. | 15 546 |
| 13 нояб. 2026 г. | 15 550 |
| 14 нояб. 2026 г. | 15 552 |
| 15 нояб. 2026 г. | 15 552 |
Средние просмотры поста по дням
По дню публикации
Показать таблицей
| Дата | Просмотров на пост |
|---|---|
| 24 окт. 2026 г. | 4 663 |
| 5 нояб. 2026 г. | 2 201 |
Самые просматриваемые за месяц
- 01Просмотры4,74 тыс.Пересылки25Реакции133Комментарии2
- 02Просмотры4,58 тыс.Пересылки65Реакции53Комментарии2
- 03Просмотры2,21 тыс.Пересылки30Реакции9Комментарии11
- 04Просмотры2,19 тыс.Пересылки4Реакции26Комментарии14
Новые посты
Переслано из tsymba❤️
🚀 IOAI 2027: Call for Tasks! 🇸🇬 Международная олимпиада по искусственному интеллекту (IOAI) ищет авторов задач для олимпиады 2027 года, которая пройдёт в Сингапуре! Приглашаем исследователей, ML-инженеров и всех, кому интересно придумывать нестандартные задачи по машинному обучению. 🧠 Что можно предложить? 🔹 Практические задачи — полноценные ML-задачи с датасетами, бейзлайнами и системой оценки. 🔹 Теоретические задачи и идеи — задачи на понимание фундаментальных принципов ML, в том числе без программирования. Авторы отобранных полноценных задач получат приглашение поучаствовать в IOAI 2027 в качестве членов жюри. 📅 Дедлайн подачи: 31 декабря 2026 года Обязательно посмотрите полезные материалы о том, как сделать крутую задачу: 📖 Гайд для авторов задач 📋 Силлабус IOAI 2027 Если у вас есть интересная идея задачи или вы знаете кого-то, кому это могло бы быть интересно — присоединяйтесь и делитесь❤️
Открыть в TelegramА в DLS, тем временем, скоро начнется Diffusion week — недельный интенсив по диффузионным моделям. Интенсив пройдет 29.10-6.11. Как обычно в DLS, полностью бесплатно. Вас ждет серия онлайн-лекций вокруг разных аспектов диффузионок — основы, актуальные направления исследований, диффузии для видео, world models, ускорение и interpretability. Лекции читают люди, которые сами работают в этих областях. А ещё будет контест! Задача — научить модель достаточно точно генерировать несколько различных объектов на одном изображении. Идея провести такой интенсив возникла у Нины, когда она делала для DLS занятие по диффузионкам. Материала, который хотелось рассказать, было слишком много, в одно занятие не помещалось. И Нина в итоге сделала целый интенсив: собрала для него спикеров, с коллегами придумала задачу для контеста. Если формат окажется классным, потом будем повторять и на другие темы Регистрация и подробная информация тут. Приходите! 😶
Открыть в TelegramЯ сижу в самолёте, чтобы лететь на EMNLP :) И уже завтра в постерную сессию в 10 утра презентую статью SV-Detect: AI-generated Text Detection with Steering Vectors. Она про детекцию AI-generated текстов с помощью стиринг векторов — направлений в пространстве активаций LLM, отвечающих за переход от реальных текстов к сгенерированным. Если вы на EMNLP, приходите завтра посмотреть на меня статью! Первый и главный автор этой статьи — выпускник DLS Михаил Вишняков. К сожалению, он поехать на конфу не смог, поэтому статью презентую я. Но что хочу сказать: если помните, я когда-то я писала, что в качестве проектов DLS давала несколько своих идей для рисерча вокруг стиринга и что после окончания проектов некоторые студенты DLS продолжали над ними работать. Так вот, статья SV-Detect — результат одного из таких проектов. Это первый раз, когда из проекта DLS получилась полноценная статья, которая прошла на конференцию, чему мы очень рады! 🥺 Ну и ещё раз поздравляю Михаила с принятой статей! На мой взгляд, результаты и сама статья получились очень хорошие
Открыть в TelegramС днём училки меня! Провожу его как полагается: доделываю семинар и домашку по ViT для DLS. Перед этим на прошлой неделе я, наконец, записала лекцию по ViT (хотелось бы сказать, что не прошло и года, но он прошел)), и мы, наконец-то, почти запустили третью часть курса (вот сейчас доделаю семинар и дз, и прям официально запустим) А я в честь праздника напоминаю, что все лекции и семинары DLS всегда лежат в открытом доступе на YouTube — можно смотреть и учиться в любой момент. Вот две части новой лекции по ViT: - Часть 1: устройство ViT, ViT vs CNN - Часть 2: архитектуры ViT, ViT+CNN, виды паттернов внимания А если хочется ещё делать домашки — приходите на наш курс на Степике (тоже открытый и бесплатный). Ссылка на курс — на нашем сайте. Ну и всех, кто что-то или кого-то учит, тоже поздравляю с днём училки)
Открыть в TelegramА ещё я только что получила письмо от одного из своих научников, которое начиналось вот так =D Со мной до этого подробного не происходило, я только мемы про это читала
Открыть в TelegramICLR submissions be like (Из твиттера) Одна из этих мусорок будет моей)) Сейчас причешу ещё чуть получше и повешу ленточку (читай: сделаю красивую картинку с методом), и гордо отправлю вниз по течению. Вообще, если честно, уже мало понимаю, есть ли смысл в AI конференциях, и можно ли всё ещё считать публикацию на А/А* знаком качества. Сабмитов — тонна, сделать хорошо выглядящую статью с AI агентами уже довольно просто, и при этом половину анализов и выводов в статье автор может просто не понимать (мне кажется, в одной из статей, которую я ревьюила на NeurIPS, так и было). Ревью процесс тоже оочень такой себе, и очень часто тоже делается агентами, что, мне кажется, делает его ещё более рандомным, чем это было раньше Немного обидно даже: только начало получаться делать рисерч и писать статьи, и теперь вот =/ При этом делать хороший качественный рисерч всё ещё можно, конечно. Но не уверена, что связка "принято на ICLR/ICML/... -> достаточно хорошее" всё ещё верна
Открыть в TelegramЯ начала использовать кодинговых агентов (вроде Codex/Claude Code) в марте 2026 года. Первые 3–4 месяца я применяла их в основном для запуска новых экспериментов на базе уже имевшегося у меня кода рисерч проектов, который я полностью написала сама или с соавторами. Это получалось довольно хорошо: агенты отлично справляются с масштабированием экспериментов, а проверять их работу в таких случаях довольно просто, и это в итоге сэкономило мне массу усилий. Но недавно я начала пробовать использовать Claude Code для новых проектов, попросив его написать много нового кода, используя внешние GitHub репо только как ориентиры, добавив сверху новой логики и датасетов. Агент весьма уверенно заявлял, что написал код и запустил эксперименты. Но когда я решила проверить этот код, то там обнаружились ряд проблем с методологией и выбором гиперпараметров, причем некоторые из них выявились только через некоторое время. Дальше я попросила Claude внимательно перепроверить код. Он действительно нашел несколько ошибок и согласился, что некоторые гиперпараметры были выбраны случайно — он не сумел/не захотел нормально проанализировать внешний GitHub репо и понять, какие гиперпараметры верные. Но один цикл такой проверки и исправления не решил всех проблем. Ради интереса я попросила Claude повторить проверку и исправление еще несколько раз, и в следующих нескольких циклах он находил новые баги, часть из которых влияла на постанову эксперимента, а часть вообще возникала из-за предыдущих исправлений. К чему это я: это явно не сюрприз, что агенты делают ошибки, а я, безусловно, не самый опытный пользователь подобных агентов, и мои конфиги и промпты далеки от идеала. Но беспокоит меня вот что: я вполне могу представить людей, которые используют агентов для запуска экспериментов и написания статей на основе полученных результатов. Но без нормального понимания методологии исследований и тщательной проверки кода такие эксперименты с высокой вероятностью будут содержать ошибки или даже окажутся некорректными. Понятно, что и до появления агентов не было гарантии, что все эксперименты, описанные в статьях, точно верны. Но теперь порог входа стал сильно ниже, и стало гораздо проще получить неверные результаты, даже не подозревая о наличии в них ошибок. Возможно, одним из способов решения этой проблемы могло бы быть обязательное требование прикладывать код проекта к сабмиту статьи. Мы могли бы сделать автоматическую проверку структуры экспериментов для тех статей, которые скорее всего будут приняты, и более внимательно ревьюить те работы, в которых эта проверка выявит что-то подозрительное.
Открыть в TelegramНа основной конференции ECCV я презентовала статью EquiSteer: Cross-Attention Steering Towards a Fairer Text-Guided Image Generation. Эта статья — в некотором смысле продолжение статьи CASteer, а точнее, практическое ее применение к задаче debiasing of diffusion models. Честно говоря, мне самой эта статья не очень нравится: она чисто эмпирическая, про практическое применение, а я уже стремлюсь делать более фундаментальный рисерч. Но делала я эту статью изначально еще в октябре 2025 года, когда не знала, примут ли две другие статьи на ICLR/ICML, а для хорошего диссера хотелось иметь несколько публикаций на A/A*. Я понимала, что идея EquiSteer с высокой вероятностью заработает и получится нормальная статья, поэтому решила таки ее сделать. Но в итоге две двугие статьи приняли, и теперь у меня аж 4 статьи на A/A* для диссера, что, в принципе, довольно приятно) Кроме этого, EquiSteer и CASteer также были на воркшопе LifeGenIIP. CASteer уже была давно принята на ICLR 2026, но этот воркшоп был non-archival и принимал любые статьи, которые куда-то приняли в течение года. CASteer еще и выбрали в качестве oral, а потом еще и выдали Best Paper Award runner-up (то есть, второе место). На фотке — я с этим сертификатом. На мой взгляд, это довольно странно — давать award и oral статье, которая уже была куда-то принята раньше, но на этом воркшопе было в принципе не очень много статей — наверное, причина в этом. Но все равно приятно, че) А еще в день моего постера EquiSteer прямо перед постерной сессией был keynote talk от ЛеКуна, но я на него не пошла. Я просто об этом забыла и вместо этого гуляла по Копенгагену) Но, судя по всему, ЛеКун рассказывал о своих стандартных темах — Le JEPA и что next-token prediction к реальному интеллекту не приведет, и если вы хотите сделать human-level AI, то вам точно не в LLM. Фотка с ЛеКуном стащена из linkedin
Открыть в TelegramСвязи
Похожие каналы
Борис опять@boris_againТехнологии18 тыс.
AbstractDL@abstractdlТехнологии18,9 тыс.
DLS — новости@deep_learning_school_newsОбразование21,6 тыс.
Тимлид Очевидность | Евгений Антонов@general_it_talksТехнологии15,5 тыс.
Битубитех от Яндекса@yab2btechТехнологии15,6 тыс.
Max: AI, Engineering and Startups@max_about_aiТехнологии15,8 тыс.
CNews.ru@cnewsdailyТехнологии15,8 тыс.
SMW@stupidmadworldТехнологии15,8 тыс.
Кого упоминает
DLS — новости@deep_learning_school_news2 упоминания
Борис опять@boris_again1 упоминание
AbstractDL@abstractdl1 упоминание