Институт AIRI

Yandex ML Prize 2026 в наших руках!
А точнее, в руках наших исследователей🙂

▶️Иван Оселедец, доктор физико-математических наук, профессор РАН, генеральный директор AIRI и декан факультета ИИ МГУ
▶️Антон Конушин, кандидат физико-математических наук, руководитель группы «Пространственный интеллект»

— получили премию за вклад в развитие области ML в категории «Зал славы».

В зал славы включают уникальных учёных и наставников, благодаря которым выросло сообщество исследователей и инженеров мирового уровня. Они изменили подход к обучению, науке и технологиям и продолжают вдохновлять новые поколения. Лауреаты этой категории не подают заявки самостоятельно — их выбирают по итогу опроса лауреатов премии предыдущих лет.

Научную премию Яндекса в номинации «Начинающие преподаватели» получили⤵️

▶️Альбина Бурлова, младший научный сотрудник группы «Прикладное NLP»
▶️Константин Пчелин, младший научный сотрудник группы «Мультимодальные архитектуры ИИ»

Поздравляем их сердечками ❤️

Об искусственном интеллекте в образовании и науке⤵️

Нейросети всё сильнее проникают в нашу повседневную жизнь и становятся её привычной частью. Это касается и научно-образовательной сферы.

Иван Оселедец, доктор физико-математических наук, профессор РАН, генеральный директор Института AIRI и декан факультета ИИ МГУ, вместе с директором по стратегическому маркетингу Яндекса и профессором ИТМО Андреем Себрантом, а также ведущими подкаста «2ТОК» обсудили:

⚫️как учить искусственному интеллекту в школе и что делать преподавателям
⚫️как нейросети влияют на учёбу и выполнение домашки
⚫️что стало с научными статьями и в чём сейчас заключается роль учёного
⚫️где мы на международной ИИ-арене

— и другие интересные и важные вопросы о нейросетях, учёбе и науке.

Смотрите выпуск в VK Видео и на YouTube⏯

Разработан инструмент, оценивающий способность ИИ-моделей определять мишень для антитела

Его создала команда исследователей из группы «Базовые модели» лаборатории «Сильный ИИ в медицине» Института AIRI и Центра практического ИИ Сбера. Бенчмарк помогает сравнивать модели на ранних этапах создания антител и отсеивать ненадёжные вычислительные подходы.

Модели сравниваются на способность определять специфичность, то есть способность антитела связываться с необходимым антигеном и при этом не цепляться за посторонние белки. Это важно для точности диагностики, эффективности терапии и снижения риска побочных эффектов.

Работу представляли на KDD 2026.

Научная статья | ТАСС

#AIRI_Seminars в эфире! Подключайтесь к трансляции в VK Видео или на YouTube

О секретах эффективного промпта и главных ошибках при работе с ИИ⤵️

Андрей Галичин, руководитель группы «Передовой агентный интеллект» Института AIRI, рассказывает в «Инк.»:

⚫️зачем нужно уметь правильно составлять задания для моделей
⚫️почему это не всегда помогает
⚫️какие есть приёмы для снижения вероятности ошибки
⚫️как наладить работу с промптами в компании и о чём важно не забывать

📎Читайте в колонке по ссылке.

AIRI на ECML PKDD 2026📍

В Неаполе, Италия, с 7 по 11 сентября проходит Европейская конференция по машинному обучению, принципам и практике обнаружения знаний в базах данных.

Наши исследователи Алексей Шмелев из группы геномики и Сергей Плетенев из группы «Вычислительная семантика» представляют на ней три работы Института⤵️

Трек «Прикладная наука о данных»

📎GENATATORs: ab initio Gene Annotation With DNA Language Models
Нейросетевая модель GENATATOR, которая получает на вход последовательность ДНК и размечает в ней гены — находит их границы, определяет тип транскрипта и восстанавливает внутреннюю структуру.

Индустриальный трек

📎Efficient Adaptive Retrieval-Augmented Generation\\via Temporal Question Classification
В статье представлена EverGreen-RAG — адаптивная RAG система, которая сочетает в себе многоязычную классификацию изменяемых от времени вопросов с дополнительными проверками достоверности.

Воркшоп SynDAiTE

📎MechFaithBench: A Counterfactual Benchmark for Visual Grounding Diagnostics in Vision-Language Models
Бенчмарк для оценки визуальной достоверности, который объединяет проверку правильности ответов мультимодальных моделей с анализом их визуального граундинга.

Делимся фотографиями с конференции📷

#AIRIнаКонфе

Вечером 8 сентября OpenAI объявила, что их неназванная ИИ-модель, предназначенная для внутреннего использования, справилась с одной из семи Задач тысячелетия — проблемой существования и гладкости решений Навье — Стокса. За этим громким заявлением, впрочем, тут же последовало еще одно: компанию обвинили в том, что она попросту воспользовалась плодами труда двух ученых.

По просьбе N + 1 математики из AIRI Валентин Хрульков и Владимир Фанасков рассказывают, чего именно добилась OpenAI и почему ее теперь обвиняют в заимствовании идей.

Накидайте Коняева в реакциях, если ждали эксплейнер🍺

#Математика | #IT | *4.9

🙄 Подпишитесь на N + 1

Как искусственный интеллект меняет большой бизнес

Максим Кузнецов, директор управления стратегического развития и партнёрств Института AIRI, вместе с Сергеем Черномырдиным, руководителем команды по развитию инструментов платформы данных Magnit OMNI, и ведущим подкаста СберПро «Цифра в деле» Аркадием Глушенковым рассуждают:

⚫️в каких бизнес-процессах ИИ уже эффективно используется
⚫️как компании внедряют его и с какими ограничениями сталкиваются
⚫️как реализуется контроль задач, выполняемых ИИ
⚫️в чём реальная выгода компаний от его применения

Смотрите выпуск по ссылке⏯

Осень наступила, и мы возвращаемся к регулярным научным семинарам #AIRI_Seminars — встречаемся раз в две недели по средам! Первый в этом сезоне семинар пройдёт 16 сентября в 17:00 ⤵️

Тема: «Малые языковые модели — будущее агентного ИИ?»

Докладчик: Андрей Галичин, руководитель группы «Передовой агентный интеллект» Института AIRI

Оппонент: Ульяна Исаева, руководитель направления оценки LLM в SberAI

Подробное описание и регистрация на офлайн-формат на сайте.

Трансляция на YouTube | VK Видео

До чего дошёл прогресс — в подкасте «Давай попроще»⤵️

Пока технологии ещё не доросли до того, чтобы воплощённый ИИ ходил вместо нас на линейку 1 сентября, а вот разного рода модели и агентов школьники, студенты и преподаватели уже активно используют в учёбе.

На старте нового учебного года Иван Оселедец, доктор физико-математических наук, профессор РАН, генеральный директор Института AIRI, декан факультета искусственного интеллекта МГУ, вместе со старшим руководителем DS-направления Авито Егором Самосватом и другими участниками подкаста порассуждали:

⚫️что нового в требованиях к преподавателям в эпоху ИИ
⚫️какие появились возможности для самообразования
⚫️как меняются привычные образовательные инструменты

Смотрите подкаст по ссылке⏯

Новый способ проверки диагностических медицинских моделей

В традиционных методах проверки модель выбирает диагноз из заданного списка. Исследователи Института AIRI и НМИЦ им. В. А. Алмазова предложили проверять, как нейросети формулируют диагнозы в свободной форме. При этом авторы нового подхода сравнивают ответ нейросети с мнением группы специалистов.

Метод проверили на 360 медицинских диалогах врачей с пациентами и восьми языковых моделях. Для корректности сопоставления диагнозов исследователи собрали набор данных из 1500 пар диагнозов с разметкой от врачей — алгоритм работает с точностью 98%. Лучшие результаты среди протестированных моделей показали GigaChat, DeepSeek и GPT-4o — они оказались на 13-16% ближе к ответам врачей, чем даже сами врачи друг к другу.

Учёные продолжат развивать эту методику — например, постараются решить вопрос весов диагнозов, предлагаемых моделью. Уже сейчас её можно использовать как бенчмарк для новых медицинских ИИ-систем.

Nature. Scientific reports | HuggingFace | Российская газета

«Лето с AIRI 2026» не заканчивается! Делимся лекциями и семинарами ⏯

Мы записали всё, о чём на протяжении двух недель говорили исследователи и эксперты на летней школе. Собрали целый багаж знаний — 76 видео! — из разных областей ИИ и делимся им с вами, чтобы все могли послушать и узнать для себя что-то новое и интересное.

📎Сохраняйте ссылки на плейлисты: VK Видео, YouTube — и пересылайте их тем, кому тоже может быть полезно)

Ещё один пост на Хабре — про «Лето с AIRI» 2026 в Усть-Лабинске⤵️

Семён Заруцкий, аспирант физического факультета МГУ, и Анастасия Золотарёва, сотрудник Института ИИ МФТИ, поделились впечатлениями об участии в летней школе по искусственному интеллекту, которая прошла на территории Первого университетского лицея им. Н. И. Лобачевского при МГУ.

В хабре ребята рассказали об атмосфере на Школе, лекциях и семинарах, интенсивной работе над проектами, а также о том, что запомнилось больше всего и что им дало «Лето с AIRI».

📎Читайте по ссылке.

Делимся хабрами, вышедшими в нашем блоге за последнее время⤵️

◼️SINN: как превзойти спектральные методы при решении многомерных уравнений в частных производных
Тянчи Ю, младший научный сотрудник группы «Вычислительный интеллект», объяснил, как они с коллегами усовершенствовали спектрально‑информированную нейронную сеть. Работа получила статус Spotlight на ICML 2026.

◼️В один эмбеддинг можно впихнуть больше тысячи токенов, но что с этим не так?
Вместе с научным сотрудником группы «Мультимодальный ИИ» лаборатории FusionBrain Дмитрием Тарасовым разобрались, что теряется при упаковке более тысячи токенов в один‑единственный входной эмбеддинг замороженной LLM.

◼️Uni-Bond: как двухнедельный проект на летней школе AIRI дошёл до статьи на воркшопе ICML 2026
Участник прошлой летней школы Степан Павленко рассказал о том, как они с командой и нашими исследователями из группы органической химии разработали модель для предсказания графов химических связей, а потом поехали выступать с этой работой на конференции в Южной Корее.

◼️Мой агент Ouroboros побил Codex с Claude Code на Terminal-Bench, OSWorld и CL-Bench. Он написал себя сам
Разбор архитектуры «Уробороса» с цифрами, воспроизводимостью и несколькими неловкими историями из аудита трейсов — в хабре Антона Разжигаева, руководителя группы «Интерпретируемый ИИ» лаборатории FusionBrain.

◼️Диффузионные языковые модели: как устроены, что в них работает, а что вызывает вопросы
Исследовали групп «Интерпретируемый ИИ» лаборатории FusionBrain и «Основы генеративного ИИ» вместе с коллегами из SberAI рассказали о dLLM, их преимуществах и недостатках, а также об опыте адаптации и обучения с нуля.

◼️Кронекером по Фишеру: как при сжатии LLM учесть кривизну второго порядка и не умереть
Виктория Чекалина, старший научный сотрудник группы «Мультимодальный ИИ», объяснила работу метода сжатия больших языковых моделей с минимальной потерей в качестве.

◼️XSIM: как мы переизобрели сплаттинг для симуляции сенсоров беспилотных авто
О новой технологии симуляции дорожных сцен с возможностью рендеринга реалистичных сенсоров рассказал Дмитрий Сенюшкин, руководитель группы «Автономное зрение». Работу представили на IJCAI 2026. Код тут.

А также репортаж об ICML 2026 от Арсения Иванова из группы «Вычислительный интеллект».

📎Больше интересного — на нашем Хабре.