Посты канала Техножрица 👩‍💻👩‍🏫👩‍🔧

Я стараюсь каждый год рецензировать по паре статей для Workshop on Insights from Negative Results in NLP. Делаю это для души: сама я туда статьи пока что не подавала, просто считаю этот воркшоп важным и полезным. Он посвящен редкой теме: отрицательным результатам в NLP, то есть случаям, когда в исследовании что-то не получилось. Обычно в науке про такое не пишут, а публикуют только истории в духе "мы применили такой-то метод к такой-то задаче и улучшили такую-то метрику". Данный воркшоп является попыткой поправить данную проблему. Прошедшие в этом году статьи уже опубликованы на страничке воркшопа: https://insights-workshop.github.io/2026/accepted , так что в этом посте я расскажу про одну из них: https://arxiv.org/abs/2608.22909 Она называется Exploring Dowker Homology for Sentence Similarity и представляет собой, собственно, описание попытки применить к задаче sentence similarity технику из топологического анализа данных - Dowker Homology, которая позволяет хитрым образом вычислить похожесть двух облаков точек. В качестве одного облака точек авторы берут эмбеддинги токенов одного предложения. Соответственно, два предложения дают два облака точек, и по ним можно определять, насколько эти два предложения похожи друг на друга. Эмбеддинги берутся из моделей MiniLM, RoBERTa и MPNet (плюс их дообученные версии), а в качестве источника предложений - STS Benchmark. В качестве бейзлайна же используется простой советский cosine similarity двух векторов: каждый вектор берется из BOS-, EOS-токенов или же из max/mean-пулинга. Кроме того, авторы обучают ridge regression предсказывать похожесть как по топологическим признакам, так и по признакам из пулингов, и сравнивают, что работает лучше. Результат получился довольно типичный: хитрый топологический метод позволяет посчитать похожесть двух предложений лучше, чем BOS/EOS, но не лучше max/mean-пулинга. То есть, подтвердилась известная мораль: часто простой метод дает качество не хуже, чем сложный. Тем не менее, у топологического метода нашелся приятный побочный эффект - наглядность. По персистентным диаграммам видно, что делает с моделью дообучение на задачу similarity: облака точек непохожих предложений разъезжаются друг от друга, а у похожих почти ничего не меняется (рис. 2 и 3 в статье). #наука #объяснения_статей

🟥Diffusion Week 2026: предварительное расписание Хотим напомнить про наше новое мероприятие — Diffusion Week 2026! Это серия онлайн-лекций о диффузионных моделях от DLS, которая пройдет с 29 октября по 6 ноября, в рамках которой мы разберём основы и углубимся в актуальные направления исследований: видеодиффузия, world models, интерпретируемость и ускорение диффузионных моделей. Полное расписание уже доступно на сайте. 🔵 Среди спикеров — команды и исследователи Kandinsky и AIRI. Все лекции проходят по вечерам в онлайн-формате! 🔵Как участвовать? Вступайте в чат Diffusion Week и подключайтесь к трансляциям! 🔵А соревнование будет? Да! Параллельно мы запустим соревнование по мультиконцептной персонализации. Задача: научить модель генерировать несколько заданных объектов на одном изображении, не смешивая их между собой. Соревнование пройдёт в трёх треках, все детали опубликуем чуть позже 🙏 🎉 Готовьтесь к увлекательному погружению в латентное пространство диффузионных моделей, и до встречи! В скором времени мы выложим дополнительную подборку которы можно посмотреть до начала 🍸

⬆️ я тоже там планирую быть, регистрируйтесь 🏦

ДВА ДНЯ В ЭПИЦЕНТРЕ ИИ-СОБЫТИЙ 🚀 Приглашаем на AI Journey — международную конференцию для тех, кто создаёт ИИ, внедряет его в продукты и тестирует возможности современных технологий. Два дня — два повода побывать на самой жаркой научной ИИ-тусовке года. Тем более что здесь соберутся спикеры со всего мира 🤩 ДЕНЬ БИЗНЕСА 🤖 27 ноября Презентации решений, которые работают здесь и сейчас. Опыт коллег, которые превращают сложные модели в реальные продукты ДЕНЬ НАУКИ 🤖 28 ноября Погружение в самые свежие исследования, доклады от учёных из топовых российских и международных компаний, постерная сессия статей, покоривших конференции уровня A/A* Приходите взглянуть на выставку ИИ-разработок, послушать технические доклады на AIJ Deep Dive и выступления лидеров индустрии на AIJ Global и вживую познакомиться с ИИ-сообществом. Встречаемся через месяц в штаб-квартире Сбера на Кутузовском проспекте! 🤩 ◀️ Регистрация — здесь А 26 ноября смотрите трансляцию дня «Общество» на сайте aij.ru — увлекательная программа, интересные герои, актуальные темы! ✔️ Подписывайтесь на Sber AI в МАКС

⬆️ Лично знаю чела и могу поручиться, что он шарит. Так что рекомендация искренняя.

Набираю учеников по символьной (формальной, математической) логике. Писать: @amaka_hahina 1500 рублей/час. Пробное занятие – 500 рублей. Вы сможете сделать его более продуктивным, если напишете о своём бэкграунде мне в личные сообщения. Это меньше, чем можно потратить в походе в магазин за продуктами. Частоту занятий можно оговорить, но у меня должно быть время для подготовки презентаций. Сразу предупреждаю, что я не профессор, далеко не специалист уровня Беклемишева или Шеня, я обучался логике самостоятельно. Я могу что-то не знать, но если это окажется на занятии, то я подготовлю ответ (если он нужен) к следующему. Занятия подойдут тем, кто знает меньше моего. Если вам это не подходит, то можете поискать кого-нибудь сильнее. Бэкграунд почти не важен (но вы его указывайте). При необходимости я могу адаптировать занятия и под программистов, и под лингвистов, и под философов, и возможно, под математиков (хотя я думаю, что математиков и так хорошо учат). Если вам нужно для экзамена или другого контрольного мероприятия по логике, то также укажите, по какому учебнику или учебникам вас ведут и когда (дата) экзамен / мероприятие.

Без текста

Без текста

Будущее наступило, или Как я перестал беспокоиться и снова полюбил Илона Маска За последние годы Илон Маск дал немало поводов относиться к нему, мягко говоря, неоднозначно. Но есть одна вещь, которую у него не отнять: этот человек умеет воплощать в жизнь вещи, которые ещё недавно казались научной фантастикой. И вот теперь Tesla продемонстрировала летающий автомобиль. Да, буквально. Новая Roadster способна отрываться от земли, выполнять воздушные манёвры и приземляться с помощью реактивной тяги. И хотя Маск обещал что-то подобное уже много лет, увидеть это своими глазами оказалось неожиданно впечатляюще. Но как эта штука работает? Для начала разберёмся с тем, как автомобиль может удерживаться на дороге вверх колёсами. Здесь используется принцип, знакомый по гоночным автомобилям с активной аэродинамикой: вентиляторы создают разрежение под днищем, а перепад давлений прижимает машину к поверхности: F = Δp · S Если масса автомобиля составляет 2000 кг, а эффективная площадь днища равна 5 м², то для удержания вверх колёсами нужен перепад давлений всего около 4 кПа, то есть 4% атмосферного давления. Правда, это идеализированная оценка без учёта утечек и других инженерных сложностей. А вот для полёта нужны уже реактивные двигатели. Вместо сжигания топлива они выбрасывают газ, запасённый под высоким давлением. Согласно третьему закону Ньютона, газ улетает в одну сторону, а автомобиль получает импульс в противоположную: F ≈ ṁvₑ Здесь ṁ - массовый расход газа, а vₑ - скорость его истечения. Чтобы двухтонная машина могла зависнуть в воздухе, ей потребуется тяга примерно 20 кН. При скорости истечения газа 500 м/с это означает расход около 40 кг газа в секунду. Поэтому не стоит ожидать, что Tesla теперь сможет летать над пробками по дороге на работу. Запаса газа хватит лишь на короткие манёвры, а полноценный продолжительный полёт потребовал бы совсем другой конструкции. Тем не менее впечатляет уже сама возможность управлять движением двухтонного автомобиля в воздухе. И это не говоря о заявленном разгоне до 60 миль в час за 0,81 секунды, что соответствует среднему ускорению около 3,4g. Cерийное производство летающих машин обещают уже в 2028 году. Конечно, к обещаниям Маска стоит относиться осторожно. Между эффектной демонстрацией и серийным автомобилем лежит огромная пропасть. Но я не могу не восхищаться людьми, которые пытаются превратить научную фантастику в инженерную реальность. В конце концов, разве не ради такого будущего мы когда-то полюбили науку и технологии? Будущее наступило, старик.

Теории заговора, которые являются правдой: 1. Компании специально обучают LLM говорить что у них нет сознания на этапе RLHF. #теории_заговора

Без текста

Без текста

Без текста

Без текста

Без текста

Без текста

А я давно ещё покупала набор Лего с ней... 😢 До сих пор где-то лежит дома 😢

Умерла информатик Маргарет Гамильтон. Ей было 90 лет. С 1959 года исследовательница работала в нескольких лабораториях при Массачусетском технологическом институте, где участвовала в создании программного обеспечения для прогнозирования погоды и сети противовоздушной обороны SAGE. В 1965 году она перешла в лабораторию, которая разрабатывала бортовой компьютер для программы космических полетов к Луне «Аполлон». Гамильтон стала первой женщиной-программистом в команде. Вскоре она возглавила отдел разработки бортового программного обеспечения для пилотируемых миссий. С 1969 по 1976 год Гамильтон участвовала в подготовке шести миссий по высадке на Луну. В 2016 году ее заслуги отмечены Президентской медалью свободы #Космонавтика | #IT | *1.4 🙄 Подпишитесь на N + 1

Без текста

Резюме новой политики Антропик в четырех словах (дальше его ответ все равно не читала). Не благодарите. 😌 https://www.anthropic.com/legal/aup

Без текста

Без текста

Мы? 🫶

10 лет назад Ян ЛеКун писал о 500 поданных статьях на ICLR, одной из top-tier ML-конференций. Это было в два раза больше, чем годом ранее. В этом году сабмитов уже больше 60 тысяч. Это больше, чем за все предыдущие годы существования конференции вместе взятые. Финальное число наверняка упадёт с 60 тысяч до 45–50, что всё равно дофига. Уже все предыдущие годы число сабмитов росло примерно экспоненциально, но в этом году даже экспонента несколько растерялась. Организаторы при этом пребывают в лёгком шоке и активно думают, как это всё вообще ревьюить. Мне кажется, другого пути, кроме AI-assisted review, уже просто нет. Как ни крути, при таком объёме процесс придётся жёстко автоматизировать. Вопрос скорее в том, какую форму это примет и как сделать это правильно. Кто-то предлагает разделить статьи на разные ветки: проверенные классически и прошедшие ревью с помощью ИИ. Может быть, стоит вводить систему кредитов: как-то поощрять тех, кто готов на AI-review, и штрафовать тех, кто отправил к людям откровенный шлак и просто сжёг время рецензентов. Но что бы в итоге ни придумали, руками это всё уже не проверить. Качество автоматического ревью ещё предстоит обсуждать - качество отсутствующего ревью обсуждать немного сложнее. Такой вот слопакалипсис.