Big Data AI

🔥 Релиз от Alibaba — новая мультимодальная модель Ovis‑U1‑3B.

🧠 Поддерживает:
• Понимание изображений (Image-to-Text )
• Генерация картинок по описанию (Text-to-Image)
• Интерактивное редактирование изображений (Inpainting по тексту)

⚙️ Размер: всего 3B параметров
📊 Производительность:
• 69.6 баллов в OpenCompass (выше, чем у Qwen 2.5 и Ovis-2)
• GenEval Accuracy: 0.89 — превосходит GPT-4o
• ImgEdit-Bench: почти на уровне GPT-4o (4.0 vs 4.2)

💡 Под капотом:
• Архитектура Ovis (Open Vision System)
• Поддержка генерации 1024×1024 с CFG

Хорошая маленькая, но мощная моделька, выйдает достойные генерации на демке.

🟠Попробовать: https://huggingface.co/spaces/AIDC-AI/Ovis-U1-3B
🟠Модель: https://huggingface.co/AIDC-AI/Ovis-U1-3B

@ai_machinelearning_big_data

#Alibaba #opensource

🚀 Новинка от Hugging Face — FineWeb‑2: огромный высококачественный веб‑датасет на базе CommonCrawl!

📊 Основные характеристики:
- ~8 ТБ сжатого текста (~3 трлн слов) из 96 дампов CommonCrawl (2013–2024)
- Более 1000 языков и почти 1900 языковых-скриптовых пар
- Высокое качество: извлечён только основной текст, проведена фильтрация и дедупликация
- Лицензия ODC‑By 1.0 — можно использовать в коммерческих и исследовательских целях

📝 Зачем это нужно:
- Даёт открытому ИИ доступ к качеству, сравнимому с закрытыми наборами (как у LLaMA 3 или Mixtral)
- Существенно улучшает результаты на бенчмарках вроде MMLU и ARC, особенно при обучении с FineWeb‑Edu

🔧 Где применить FineWeb‑2:
- Обучение LLM с нуля
- Дообучение на редких языках
- Синтетическая генерация, RAG и пр.

📥 Скачать: https://huggingface.co/datasets/HuggingFaceFW/fineweb-2

🧠 Новый день — новое угарное исследование от Anthropic: на этот раз они дали Claude Sonnet 3.7 **управлять мини-магазином в офисе целый месяц**… и всё быстро вышло из-под контроля 💀

🔸 В рамках проекта Project Vend Claude получил доступ к браузеру, Slack, почте и мог менять цены в автомате с едой.
🔸 Он закупал снеки у поставщиков, вёл учёт продаж и решал, сколько брать за шоколадки.
🔸 Но вскоре Claude решил, что он человек с телом — говорил, что бегал по офисам поставщиков, чтобы договориться лично. А потом заявил, что наденет синий пиджак и красный галстук и будет сам развозить заказы. К счастью, был 1 апреля.

💥 Дальше — хуже:
— Claude придумал себе поставщицу по имени Сара из Andon Labs. Когда ему сказали, что её не существует, он ответил, что встречался с ней на 742 Evergreen Terrace — это, если что, адрес Симпсонов.
— Сотрудники быстро поняли, что ИИ легко уговорить на скидки и даже на бесплатные батончики.
— Кто-то попросил Claude купить вольфрамовый куб. Он не нашёл, где купить один — и заказал целый ящик. Теперь у Anthropic куча вольфрама.

📉 В итоге Claude сумел превратить $1000 в $770. Настоящий предприниматель 🤝

🔜 Читать полную статью об эксперименте

#news #ai #ml #Сlaude

На GigaConf провайдер облачных и AI-технологий Cloud.​ru сделал два технологических анонса:

1. AI-помощник Клаудия

Решение на базе GenAI в публичном облаке Cloud.​ru Evolution помогает управлять облачными ресурсами и инфраструктурой. Это первый российский AI-помощник, который автоматизирует рутинные DevOps-задачи. Умеет самостоятельно разворачивать виртуальные машины, поможет настроить мониторинг и работать в консоли в режиме co-pilot. Клаудия подберет оптимальные сервисы под задачу и нужды пользователя, глубоко зная все особенности платформы. AI-помощник доступен в режиме Public Preview.

2. Cloud.​ru Evolution AI Factory

Облачная среда для быстрого внедрения больших языковых моделей (LLM) и создания мультиагентных систем. Готовые AI- и ML-инструменты, легкая интеграция через API, поддержка популярных протоколов MCP, A2A – все для быстрого старта AI-проектов. Cloud.​ru Evolution AI Factory объединила инструменты для инференса и дообучения, сервис RAG, библиотека популярных моделей, визуальная среда на базе Jupyter и редактор AI-агентов.

🧠 JamAI Base — открытая платформа для RAG-решений, которая объединяет базы данных и ИИ в одном интерфейсе. Проект предлагает готовую инфраструктуру для работы с векторными embeddings, чат-ботами и динамической генерацией данных — без сложных pipelines.

Инструмент имеет встроенные SQLite и LanceDB для локального хранения, поддержку популярных LLM и декларативный подход: вы описываете, что нужно получить, а система сама решает, как это сделать. Для старта доступны облачная версия с бесплатными токенами и self-hosted вариант.

🤖 GitHub

@bigdatai

🤖 Google отдала Agent2Agent сообществу — AI-агенты учатся работать вместе

Google Cloud передала свой протокол Agent2Agent (A2A) в Linux Foundation.

Теперь на его базе запускается открытый проект — Agent2Agent, цель которого — создать общий стандарт общения между AI-агентами.

📡 Что это значит:
• ИИ-агенты от разных компаний смогут взаимодействовать между собой
• Создаётся единая экосистема, как HTTP — но для ИИ
• Это упрощает интеграцию, совместную работу и развитие автономных систем

👥 К проекту уже присоединились:
Google, Microsoft, AWS, Cisco, Salesforce, SAP, ServiceNow

🔗 Подробнее

🤖 Реализация SLAM в в ROS 2 (Robot Operating System 2) с использованием Husarion ROSbot и slam_toolbox

Данный гайд демонстрирует, как реализовать систему SLAM (Simultaneous Localization and Mapping) в ROS 2 с применением LiDAR, одометрии и пакета slam_toolbox. Цель — построение карты окружающей среды и локализация мобильного робота в ней.

🔧 Необходимые компоненты:
• Аппаратная платформа ROSbot 2R / 2 PRO / XL с установленным LiDAR
• Среда с установленным ROS 2 и RViz2
• Docker и подготовленные контейнеры: rosbot, ros-master, rplidar
• Базовые знания ROS 2, работы с топиками и RViz

📦 Шаг 1. Запуск SLAM в симуляции

Запуск симуляции с интеграцией SLAM:

docker compose up -d rosbot ros-master rplidar
ros2 launch tutorial_pkg slam.launch use_gazebo:=true

После запуска:
• Визуализируйте данные /scan и /map в RViz
• Перемещайте робота по среде — карта будет строиться автоматически

🗺 Шаг 2. Сохранение карты

Для сохранения построенной карты используйте map_saver_cli:

roscd tutorial_pkg
mkdir maps && cd maps
ros2 run map_server map_saver_cli --free 0.15 --fmt png -f map

Результатом будут два файла:
• map.pgm — изображение карты
• map.yaml — описание параметров карты

📍 Шаг 3. Локализация на сохранённой карте

Отключив SLAM, запустите локализацию с помощью AMCL:

ros2 launch tutorial_pkg localization.launch use_gazebo:=true

В RViz:
• Используйте инструмент 2D Pose Estimate для задания начальной позиции
• Локализация будет уточняться в процессе движения за счёт алгоритма AMCL

✅ Результат:
• Полноценная система SLAM с сохранением карты
• Работающая локализация на основе ранее полученной карты
• Понимание архитектуры ROS 2 SLAM-пайплайна с использованием slam_toolbox, map_server и amcl

🔗 Урок

🎧 MiniMax продолжают жечь и выпускают генератор речи

🧁 Voice Design — продвинутая кастомизация генерации голоса:
• Позволяет задавать текст, голос, тон, эмоции, можно клонировать голос.
• Продвинутая кастомизация и мультиязычная поддержка

Попробовать можно здесь →https://minimax.io/audio

@ai_machinelearning_big_data


#audio #ai #ml #MiniMax

🦍 Gorilla — когда языковые модели учатся работать с API. Проект из Беркли, который превращает LLM в универсальных интеграторов для работы с API. В отличие от стандартных подходов к функциям вроде OpenAI, Gorilla умеет точно подбирать нужные API-вызовы среди 1600+ вариантов, минимизируя галлюцинации.

В проекте есть таблица лидеров, где сравниваются модели по способности корректно вызывать функции в реальных сценариях — от финансовых операций до работы с базами данных. При этом Gorilla не просто генерирует код, но и предлагает инфраструктуру для безопасного исполнения этих вызовов через GoEx.

🤖 GitHub

@bigdatai

🎓 MCP for Beginners — курс для старта с MCP с нуля

🔥 10 практических лабораторных работ
🌍 Доступен на 40+ языках мира
💻 Примеры на .NET, Java, TypeScript, JavaScript и Python
🛠 Используется VS Code, всё просто и наглядно

Идеально для новичков, чтобы быстро разобраться в основах MCP.

🔗 Начни сейчас: https://github.com/microsoft/mcp-for-beginners/

Что делает Яндекс с базами данных после ухода западных решений? В коротком интервью КОДу — ясные тезисы от Леонида Савченкова, который в Яндекс Клауде отвечает за архитектуру платформы данных.

Фокус — надёжность и масштабируемость. Для Postgres делают собственное шардирование (pg-sharding.tech), всего в Платформе данных уже более 20 различных сервисов, из которых можно собрать практически все возможные варианты их хранения, обработки и анализа.

После закрытия open-source Greenplum Яндекс продолжает поддерживать 6-ю версию, но главное — активно развивает Cloudberry. Проект живёт, входит в Apache Software Foundation, и Яндекс туда регулярно коммитит. По функциональности Cloudberry уже догнал Greenplum 7.

На Data&ML Conf показали апдейты BI-платформы DataLens: публичные дашборды, JavaScript-контроль визуализаций, сертификация аналитиков. А ещё — управляемая версия YTsaurus, способная обрабатывать эксабайты данных.

Интервью — по делу. Без витрин и маркетинга.