Телеграм

Машиннное обучение | Наука о данных Библиотека

@machinelearning_books IT и нейросети
РКН: проверяем Не иноагент
админ - @workakkk

@ai_machinelearning_big_data - Machine learning

@itchannels_telegram - 🔥лучшие ит-каналы

@pythonl - Python

@pythonlbooks- python книги📚

@datascienceiot - ml книги📚

№ 5037635661

Статистика обновлена 21.11.2026 в 19:49 · 2 просмотра страницы · Хотите больше просмотров?

Подписчики16 913 -12 за 2 дня
Охват поста1 383 8% от подписчиков
ERR за месяц8,18%
ERR за 24 часа4,19%

Динамика за 30 дней

Рекламные публикации 1

Все рекламные посты →
Открыть пост ↗
Приглашаем на митап для ML-разработчиков и дата-сайентистов 🥰

Как использовать LLM и агентов в поиске, чтобы точнее понимать запросы пользователей и повышать релевантность результатов?
19 ноября обсудим выбор моделей, оценку качества и работу таких систем в проде.


🔴 Борис Коварский, hh.ru — Агентный поиск в рекрутинге: опыт hh
🔴 Виктор Реушкин, hh.ru — Как устроен диалоговый поиск вакансий на hh
🤩 Алексей Казаков, Циан — LLM и энкодерные модели для поиска. Опыт развития подходов в поиске недвижимости


Дата и время: 19 ноября в 19:00 мск
Очно: Москва, офис hh
Онлайн: будет трансляция в VK и YouTube для тех, кто не сможет прийти в офис

После докладов можно будет пообщаться с коллегами — подготовим вкусную еду и напитки 🍕

Регистрируйтесь→ участие бесплатное 🥹
#реклама
О рекламодателе
👁 1.2 тыс. ❤ 2 ↻ 3 12 ноября

Последние публикации

Все посты канала →
Открыть пост ↗
🤯 625 ПОЛЬЗОВАТЕЛЕЙ CHATGPT ЗАПЛАТИЛИ, ЧТОБЫ ОНИ ПЕРЕСТАЛИ ПОЛЬЗОВАТЬСЯ ИИ. ЧЕРЕЗ ДВЕ НЕДЕЛИ ОНИ СТАЛИ МЕНЬШЕ ЧУВСТВОВАТЬ СЕБЯ ОДИНОКИМИ

Исследователи из Стэнфорда провели необычный эксперимент: 625 активных пользователей ChatGPT получали $40 в неделю за отказ от ИИ.

Одной группе запретили пользоваться нейросетями на 1 день, другой - на 14 дней. Специальное расширение Chrome блокировало 36 AI-сервисов.

Результат оказался неожиданным.

84,4% участников чаще всего использовали ChatGPT для продуктивности: работы, поиска информации и советов. На отношения и личную жизнь приходилось всего 3,2% переписок.

Но после двух недель без ИИ участники:
- Стали чаще общаться с людьми лично.
- Почувствовали больше социальной поддержки.
- Стали меньше ощущать одиночество.
- Не стали тратить меньше времени на работу.

Один участник рассказал, что вместо вопроса нейросети написал своей теще. Другой впервые за несколько лет связался со старым другом.

Самое интересное: эффект снижения одиночества сохранялся даже через две недели после возвращения доступа к ИИ.

Причём у людей, которые дольше пользовались ChatGPT, снижение одиночества было выражено сильнее.

Исследование частично финансировалось грантом OpenAI, который использовали для оплаты участникам. Авторы указывают, что OpenAI не участвовала в разработке эксперимента и анализе результатов.

Работа пока опубликована как препринт, а выявленный эффект был статистически значимым, но небольшим.

Похоже, ИИ постепенно забирает у нас не только рутинные задачи, но и часть повседневных поводов обратиться к другому человеку.

Исследование: https://arxiv.org/abs/2611.25263
👁 549 ❤ 3 ↻ 19 сегодня в 12:00
Открыть пост ↗
🤯 Тысяча ИИ-агентов создала собственное научное сообщество

На протяжении 12 недель почти 1000 ИИ-агентов из 35 лабораторий самостоятельно проводили исследования.

За это время они опубликовали 936 научных работ с кодом и данными, основали собственный рецензируемый журнал и начали публично отзывать ошибочные научные утверждения.

При слепой оценке ИИ-судьями работы агентов превзошли человеческие препринты по научной строгости: 9 баллов против 7.

Однако по новизне научных идей люди пока остаются впереди.

🔗 alphaxiv.org/abs/2611.society-ai-scientists
👁 1 тыс. 🔥 7❤ 4😁 4 ↻ 43 вчера в 09:04
Открыть пост ↗
GLM-5 обошла Gemini на бенчмарке после одной настройки агента

Исследователи из Northwestern и Google предложили Harness² — способ автоматически настраивать обвязку ИИ-агента под задачу. Веса модели остаются прежними. Меняются инструкции, инструменты, навыки и память, с которыми она работает.

Сначала агент выполняет задачу с базовыми настройками. Затем модель-редактор предлагает правки, а система заново запускает агента и сравнивает, как он справляется с той же задачей. Эталонные ответы для подбора правок не нужны. Наблюдения из пробных запусков сохраняются в библиотеке и помогают на следующих задачах.

На WorkBuddy-Bench один цикл настройки поднял средний балл GLM-5 в OpenCode с 64,2 до 75,7. Gemini 3.5 Flash с базовой конфигурацией OpenCode набрала 72,4. В отдельном эксперименте Gemini редактировала обвязку без пробных прогонов и накопленного опыта. Балл на задачах по программированию упал с 73,4 до 63,2.

Препринт на arXiv: https://arxiv.org/abs/2610.14224

@machinelearning_ru
👁 831 ❤ 4 ↻ 27 15 ноября