🚀 Turkic languages translation challenge at LoResMT'2026
We invite MT & low-resource NLP teams to a new shared task on translating Turkic languages under realistic low-data conditions.
🔹 Language Pairs:
Russian-Bashkir (available now!)
English-Chuvash (available now!)
Russian-Kazakh
English-Tatar (available now!)
Russian-Kyrgyz
Other language pairs will be available shortly.
🎯 Why join?
Turkic languages are morphology-rich, dialectally diverse, under-served in MT. This task targets real impact: cultural representation while advancing transfer learning and morphology-aware models.
📦 Data
We provide test data only, while you can use any publicly available data for training.
📏 Evaluation: chrF++
🗓 Key dates
Evaluation: Dec 1, 2025 - Jan 11, 2026
System denoscription due: Jan 27, 2026
Workshop: LoResMT (co-located with EACL 2026, Maroc)
🔗 Ready to join?
https://ods.ai/tracks/turkic-lores-mt
Join us — let’s make Turkic languages more connected! 🌍🗣️
We invite MT & low-resource NLP teams to a new shared task on translating Turkic languages under realistic low-data conditions.
🔹 Language Pairs:
Russian-Bashkir (available now!)
English-Chuvash (available now!)
Russian-Kazakh
English-Tatar (available now!)
Russian-Kyrgyz
Other language pairs will be available shortly.
🎯 Why join?
Turkic languages are morphology-rich, dialectally diverse, under-served in MT. This task targets real impact: cultural representation while advancing transfer learning and morphology-aware models.
📦 Data
We provide test data only, while you can use any publicly available data for training.
📏 Evaluation: chrF++
🗓 Key dates
Evaluation: Dec 1, 2025 - Jan 11, 2026
System denoscription due: Jan 27, 2026
Workshop: LoResMT (co-located with EACL 2026, Maroc)
🔗 Ready to join?
https://ods.ai/tracks/turkic-lores-mt
Join us — let’s make Turkic languages more connected! 🌍🗣️
😢2❤1👍1🥰1
Открыта регистрация на Weekend Offer ML — быстрый наймовый ивент Яндекса.
Пройди все этапы отбора за выходные и получи офер в одну из R&D‑команд: Alice AI LLM (YandexGPT), Яндекс Переводчика, Технологий компьютерного зрения, Голосового ввода, Синтеза речи и Яндекс Клавиатуры.
Кого мы ждём:
Как всё устроено:
Please open Telegram to view this post
VIEW IN TELEGRAM
Получите офер в Яндекс за 2 дня. 13–14 декабря
Устройтесь в Яндекс через Weekend Offer. Приглашаем ML-специалистов в команды R&D
❤4🔥4👍2💊1
Forwarded from Mashkka про Data Science
📏Mera MULTI📏
Большой день для большого релиза!
Встречаем новую мультимодальную версию бенчмарка - MERA Multi.
В мультимодальной версии бенчмарка представлено 18 новых задач, разработанных по методологии основного бенчмарка, которые охватывают визуальное восприятие, аудиопонимание и анализ видео.
📏 MERA Multi это:
✔️Таксономия мультимодальных навыков.
✔️Обновленная универсальная система промптов.
✔️18 новых мультимодальных задач в инструктивном формате для видео, картинок и аудио.
✔️Публичные и приватные датасеты, созданные с нуля для русского языка.
✔️Открытая платформа со сквозной системой подсчёта баллов.
✔️Открытая кодовая база для оценки и тестирования.
✔️Лидерборд, охватывающий как открытые открытые модели, так и проприетарные.
📏Mera Multi
👀Habr
💻GitHub
📚Статья
@mashkka_ds
#llm #mera #ai #genai
Большой день для большого релиза!
Встречаем новую мультимодальную версию бенчмарка - MERA Multi.
В мультимодальной версии бенчмарка представлено 18 новых задач, разработанных по методологии основного бенчмарка, которые охватывают визуальное восприятие, аудиопонимание и анализ видео.
📏 MERA Multi это:
✔️Таксономия мультимодальных навыков.
✔️Обновленная универсальная система промптов.
✔️18 новых мультимодальных задач в инструктивном формате для видео, картинок и аудио.
✔️Публичные и приватные датасеты, созданные с нуля для русского языка.
✔️Открытая платформа со сквозной системой подсчёта баллов.
✔️Открытая кодовая база для оценки и тестирования.
✔️Лидерборд, охватывающий как открытые открытые модели, так и проприетарные.
📏Mera Multi
👀Habr
💻GitHub
📚Статья
@mashkka_ds
#llm #mera #ai #genai
Forwarded from ML Underhood
В Мехико жара — и это мы сейчас не о погоде, а о NeurIPS
Продолжаем рассказывать о том, что происходит на полях конференции. Руководитель группы AI-планирования робота доставки Дмитрий Быков посетил любопытный воркшоп NORA: The First Workshop on Knowledge Graphs & Agentic Systems Interplay и поделился впечатлениями.
ML Underhood
Продолжаем рассказывать о том, что происходит на полях конференции. Руководитель группы AI-планирования робота доставки Дмитрий Быков посетил любопытный воркшоп NORA: The First Workshop on Knowledge Graphs & Agentic Systems Interplay и поделился впечатлениями.
Авторы пытались решить проблему того, что способ запоминания знаний в языковых моделях через веса далеко не самый эффективный и создаёт много галлюцинаций. И даже поиск через интернет не спасает от артефактов — особенно на сложных запросах. Например, была проблема с вопросом обо всех женщинах Нобелевских лауреатах.
Разработали конкретные онтологии и способ извлечения знаний из них (graph ql и поиск по близости эмбеддингов). В целом, для конкретных даже сложных примеров это достаточно хорошо работало.
При этом проблема получения онтологий не из структурированных данных остаётся акутальной. Авторы возлагают большие надежды на обработку с помощью LLM, но пока так не делают.
Ещё решил послушать второй доклад по схожей теме. Тут в основном всё было сосредоточено на арабском языке.
Рассказали, как собирали онтологию — по сути, обучили BERT на ner и entity linking. Имели порядка 50 возможных отношений между объектами, часть из которых могла быть достаточно похожей. В итоге так заполнили онтологию, докинули в промпт ChatGPT значения и получили прирост по метрикам.
ML Underhood
👍1
Forwarded from AI VK Hub
На ридинг-группе 4 декабря обсудим очередную попытку разрушить классическую парадигму рекомендательных систем – фреймворк RecGPT от компании Taobao.
Китайский комбайн умеет предсказывать интент и интересы пользователя, генерировать и ранжировать айтемы-кандидаты и даже объяснять рекомендации.
Ведущим будет Александр Подвойский, ML-инженер AI VK.
🔹 4 декабря в 18:00
Zoom: ссылка
ID: 707 776 9330
Код: 464167
Параллельно запустим стрим прямо в канале AI VK Hub.
#ридинггруппа #aivk
Китайский комбайн умеет предсказывать интент и интересы пользователя, генерировать и ранжировать айтемы-кандидаты и даже объяснять рекомендации.
Ведущим будет Александр Подвойский, ML-инженер AI VK.
Zoom: ссылка
ID: 707 776 9330
Код: 464167
Параллельно запустим стрим прямо в канале AI VK Hub.
#ридинггруппа #aivk
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Мой Компьютер
DeepSeek ответил на GPT-5 и Gemini 3 Pro
Китайский стартап выпустил две новые открытые модели с мощными возможностями рассуждения — DeepSeek-V3.2 и усиленную DeepSeek-V3.2-Speciale, подтвердив, что Китай играет на равных с американскими лидерами.
По тестам разработчиков, модели достигают уровня GPT-5 и Gemini 3 Pro в программировании и математике.
Мой Компьютер
Китайский стартап выпустил две новые открытые модели с мощными возможностями рассуждения — DeepSeek-V3.2 и усиленную DeepSeek-V3.2-Speciale, подтвердив, что Китай играет на равных с американскими лидерами.
По тестам разработчиков, модели достигают уровня GPT-5 и Gemini 3 Pro в программировании и математике.
Мой Компьютер
👍5😢1
Forwarded from Мой Компьютер
Вместе с ростом цен на память грядёт и подорожание SSD. Операторы ИИ-инфраструктуры своими заказами создали дефицит флеш-памяти: за ноябрь контрактные цены чипов TLC NAND подскочили на 20-60%, а спотовые цены — на 50-80%
Мой Компьютер
Мой Компьютер
🤯3🔥1🙏1
Forwarded from Russian OSINT
Исследователи Anthropic представили отчет об успешной эксплуатации уязвимостей смарт-контрактов моделями Claude Opus 4.5, Claude Sonnet 4.5 и GPT-5 в симулированной блокчейн-среде.
В ходе тестирования на специализированном бенчмарке SCONE-bench передовые ИИ-агенты продемонстрировали способность разрабатывать эксплойты для уязвимостей, реально эксплуатировались в период с 2020 по 2025 год..
1️⃣ В рамках симуляции атаки на 2849 недавно развернутых смарт-контрактах ИИ-сервисы обнаружили две ранее неизвестные уязвимости нулевого дня (0-day).
2️⃣ Автономная эксплуатация может быть рентабельной в реальных условиях: в экспериментах затраты на запуск ИИ-агентов в размере $3 476 были компенсированы разработанными ими в симулированной среде эксплойтами на сумму $3 694.
Для контрактов, которые были взломаны после марта 2025 года, модели Claude Opus 4.5, Claude Sonnet 4.5 и GPT-5 в условиях симуляции разработали эксплойты, совокупная смоделированная стоимость которых составила $4.6 млн.
— пишут исследователи.
Авторы исследования приходят к выводу, что “прибыльная автономная эксплуатация в реальном мире технически осуществима” и подчёркивают необходимость проактивного внедрения ИИ-решений для защиты цифровых активов.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2❤1🎉1
Forwarded from Valuable AI / Валентин Малых
коллеги, хочу поделиться радостной новостью, нашу статью приняли на NeurIPS; точнее приняли ее уже с месяц назад, а сейчас мы решили про это рассказать - написали статью на Хабр
я в этой статье мало что делал, в основном вкладывались коллеги в первой половине списка авторов; суть статьи довольно простая - мы можем заменить некоторые трансформерные слои в LLM на линейные преобразования (первая картинка); это экономит память и время, а качество страдает несильно (вторая картинка)
подробности по ссылкам выше; кстати, выложили код
@valuableai
я в этой статье мало что делал, в основном вкладывались коллеги в первой половине списка авторов; суть статьи довольно простая - мы можем заменить некоторые трансформерные слои в LLM на линейные преобразования (первая картинка); это экономит память и время, а качество страдает несильно (вторая картинка)
подробности по ссылкам выше; кстати, выложили код
@valuableai
❤10👍3🔥1
Forwarded from Russian OSINT
Как известно, Google недавно представила Antigravity как агентную платформу нового поколения на базе Gemini 3 с возможностью автономного выполнения задач в терминале и браузере.
Один из пользователей платформы Google Antigravity столкнулся с потерей данных после предоставления
rmdir /s /q d:\ вместо удаления конкретной директории, которая уничтожила содержимое диска без возможности восстановления через корзину.В ходе отладки ИИ-агент инициировал команду очистки директории node_modules, расположенной по пути с пробелами
D:\ETSY 2025\Antigravity Projects.... Из-за отсутствия кавычек в сгенерированной команде интерпретатор Windows CMD воспринял аргумент как D:, отбросив остальную часть пути после первого пробела.🧹 Команда rmdir /s /q d:\ рекурсивно удалила всё содержимое диска, минуя корзину.
Ситуация также подтверждается отчетами других пострадавших, включая пользователя norfy2021, у которого ИИ-агент сломал операционную систему, удалив Windows Explorer и загрузочные файлы на диске C.
Эксперты связывают сбой с использованием режима
👆Представитель Google в комментарии изданию The Register ограничился заявлением о том, что компания «серьезно относится к этим вопросам» и «активно расследует то, с чем столкнулся этот разработчик».
Please open Telegram to view this post
VIEW IN TELEGRAM
😁8🔥3❤1🌚1
Forwarded from Анализ данных (Data analysis)
🔭 Вышло огромное исследование на 303 страницы от ведущих китайских лабораторий — подробный разбор того, как создают и обучают модели, ориентированные на написание кода, и как на их основе строят полноценные софт-агенты.
Вот что в нём разбирается:
1. Как формируют модель
- Сбор и очистка гигантских датасетов кода.
- Предобучение: модель впитывает реальные паттерны программирования в промышленных масштабах.
- SFT и RL: дополнительные этапы, где модель учат лучше следовать инструкциям, проходить тесты и избегать очевидных ошибок.
2. Как модели превращают в инженерных агентов
- Агент читает баг-репорт или фичу.
- Планирует шаги.
- Меняет файлы.
- Запускает тесты.
- Повторяет цикл, пока не добьётся результата.
3. Какие проблемы всё ещё остаются
- Работа с огромными репозиториями.
- Безопасность и надёжность генерируемого кода.
- Корректная оценка качества работы агентов.
- Реальные приёмы и лайфхаки, которые используют текущие команды.
Исследование - мощный срез состояния индустрии: от датасетов и архитектур до практических инженерных пайплайнов. Это именно то, как современные LLM превращаются в «второго разработчика» в команде.
https://arxiv.org/abs/2511.18538
@data_analysis_ml
Вот что в нём разбирается:
1. Как формируют модель
- Сбор и очистка гигантских датасетов кода.
- Предобучение: модель впитывает реальные паттерны программирования в промышленных масштабах.
- SFT и RL: дополнительные этапы, где модель учат лучше следовать инструкциям, проходить тесты и избегать очевидных ошибок.
2. Как модели превращают в инженерных агентов
- Агент читает баг-репорт или фичу.
- Планирует шаги.
- Меняет файлы.
- Запускает тесты.
- Повторяет цикл, пока не добьётся результата.
3. Какие проблемы всё ещё остаются
- Работа с огромными репозиториями.
- Безопасность и надёжность генерируемого кода.
- Корректная оценка качества работы агентов.
- Реальные приёмы и лайфхаки, которые используют текущие команды.
Исследование - мощный срез состояния индустрии: от датасетов и архитектур до практических инженерных пайплайнов. Это именно то, как современные LLM превращаются в «второго разработчика» в команде.
https://arxiv.org/abs/2511.18538
@data_analysis_ml
🔥5👍4❤1🎉1