NSS Lab News

ТОЧНОФинал_ВКР_после правок научника_v17.1.docx

Знакомо? Админу тоже 😞

В идеальном мире код и его описание в работе совпадают. Но на защите может выясниться, что одна функция переехала в другой модуль, другая осталась только в черновиках, а третья работает, но о ней не написано в тексте.

С проблемой сталкиваются не только студенты, но и разработчики по всему миру. В ИТМО для ее решения создали новый инструмент для проверки дипломных работ по ИТ-направлениям OSA.Edu. Он сравнивает, что написано в пояснительной записке, с тем, что на самом деле делает программа.

🥸 Система работает как редактор: помогает студенту исправить работу до того, как ее увидит комиссия.

Разработку уже апробировали на 80 выпускных работах магистрантов факультета технологий искусственного интеллекта ИТМО. В ближайших планах — тестирование на кандидатских диссертациях.

Подробнее об OSA.Edu и о том, как инструмент для ученых помог решить проблемы студентов, — в статье 👈

#разработки

😵 Парковка ИТМО

В канале ИТМО пишут про нашу разработку - спин-офф Осы: https://github.com/ITMO-NSS-team/osa.edu

Основные авторы от лаборатории - Андрей Гетманов, Илья Соколов, Даниил Ежов и Егор Фёдоров (студент ФТИИ и участник учебно-научной лаборатории AIST).

Выступил на днях с приглашенным докладом на летней школе по ИИ в SMBU (университете, организованном МГУ и Пекинским Политехом в городе Шэньчжэне).

Рассказал про современное состояние ИИ-мультиагентов и наши свежие результаты (например, про принятые недавно на EMNLP Industrial и Demo три статьи от NSS Lab). Вопросов было много и по делу, видно что тема для всех очень актуальная.

Для желающих подробностей: детальное описание мероприятия запостил в своем канале также выступавший на школе Дмитрий Ватолин (МГУ).

Работа магистрантов ФТИИ Ивана Кирпичева и Эльдара Курманалиева (под руководством Анны Калюжной) под названием "Towards Ontology-Driven Multi-Hop Benchmark for Corporate GraphRAG Systems" успешно представлена в Бремене - на тематическом archival-воркшопе А*-конференции IJCAI.

Cтатья посвящена созданию основанного на корпоративной онтологии бенчмарку для GraphRAG-систем, проверяющему их способность отвечать на сложные многошаговые вопросы из финансовой сферы. Он включается 4000 провалидированных экспертами пар вопрос-ответ, разделенных на 4 категории, а также массив сырых данных.

Статью приняли сразу на устный и постерный формат.

Cсылка для цитирования:

@ inproceedings{kirpichev2026towards,
title={Towards Ontology-Driven Multi-Hop Benchmark for Corporate GraphRAG Systems},
author={Kirpichev, Ivan and Kurmanaliev, Eldar and Bushmelev, Fedor and Abramov, Maxim and Korepanova, Anastasiia and Kalyuzhnaya, Anna and Nikitin, Nikolay},
booktitle={Joint Workshop on Generative AI and Knowledge Graphs and Knowledge Graphs Agentic Systems Interplay},
year={2026}
}

Мини-игра "найди на фотографии аспиранта ФТИИ и м.н.с. NSS Lab Андрея Гетманова, принявшего участие в Школе AIRI 2026, прошедшей недавно в Усть-Лабинске".

В ходе школы Андрей реализовал проект "Continual learning in audio deep fake detection":

Проект посвящён разработке системы непрерывного обучения для обнаружения аудиодипфейков. Современные детекторы быстро теряют актуальность по мере появления новых моделей синтеза и преобразования голоса, а обычное дообучение на новых типах атак может ухудшать качество распознавания уже известных дипфейков. Цель проекта - создать подход, который позволит модели последовательно адаптироваться к новым генераторам и доменам без катастрофического забывания ранее изученных атак. Итогом исследования должен стать воспроизводимый бенчмарк и улучшенный метод детекции, способный сохранять качество на старых атаках и эффективно осваивать новые.

По результатам готовится А*-статья.

🎓 Работы выпускников. Как научить ИИ генерировать README для проектов с открытым кодом

У открытого репозитория без README не разобраться — это его описание и точка входа. Но писать и поддерживать его руками долго, поэтому README часто устаревает или его нет вовсе.

Захар Попов, выпускник магистратуры ФТИИ по программе «Искусственный интеллект в промышленности», в дипломной работе собрал конвейер, который генерирует README автоматически — для репозиториев на GitHub, GitLab, GitVerse и SourceCraft. Научный руководитель — Николай Никитин.

Это не отдельный скрипт, а модуль проекта OSA — открытой разработки лаборатории АИСТ. Внутри — мультиагентная система с циклом самооценки: она не просто генерирует README, а сама проверяет и улучшает результат.

Чем работа сильна:
🔹 README собирается в один клик — не нужно вручную писать и обновлять документацию;
🔹 Захар в команде OSA с самого зарождения проекта: за два года видел, как тот растёт — новые возможности, конференции, статьи;
🔹 больше всего в работе ему было ценно проектировать архитектуру вместе с командой и доводить первые прототипы до рабочего результата.

Работу Захара отдельно отметила государственная экзаменационная комиссия.

Где это пригодится: всюду, где у проекта с открытым кодом должен быть понятный README, но писать его руками некогда.

Что дальше — Захар продолжит развивать OSA в составе команды.

Репозиторий с кодом: https://github.com/aimclub/OSA

#работы_выпускников

На обратном пути с ICML нанёс визит в Harbin Institute of Technology (это в Китае) - в ходе него поучаствовал в нескольких семинарах, на которых рассказал о наших свежих результатах и текущих проектах, в которых можно поучаствовать.

Договорились c профессорами и студентами из School of Computer Science and Technology о научном сотрудничестве по нескольких направлениям (AutoML, LLM-агенты, AI4Science) - надеюсь всё получится.

Бонусом фото из их кампуса - почти как в Академгородке.

RAGU - на HuggingFace!

Сегодня мы выложили на HuggingFace препринт про открытый GraphRAG-фреймворк RAGU.

RAGU - это модульный GraphRAG-движок, который превращает сырой текст в граф знаний: извлекает сущности и связи, строит и чистит граф, а затем ищет ответы через локальные, глобальные или гибридные стратегии.

Этот проект сейчас разрабатывается совместно Лабораторией прикладных цифровых технологий НГУ (Иван Бондаренко) и Лабораторией автоматизированного мульти-агентного ИИ ИТМО (Николай Никитин). В разработке активно участвуют студенты обоих университетов.

В комплект фреймворка входит также новая компактная модель Meno-Lite-0.1 на 7B параметров (первое место на SemEval-2026 Task 8 MTRAG). В препринте, (сейчас он на рецензии на одной из A*-конференций), мы показали, что для построения качественного графа знаний не обязательно задействовать большие модели: наш 7B-экстрактор показывает результат лучше, чем Qwen2.5-32B на построении графов. Также, фреймворк недавно ставил одним из победителей конкурса Yandex Open Source.

Если говорить о конкретных цифрах:
RAGU достает до 84% релевантного контекста в медицинских бенчмарках (у конкурентов ≤76%). Мы обходим HippoRAG 2 на креативных задачах (59.0 против 56.9). При этом стоимость обработки — $0.001 за документ в сравнии с $0.10 у API-решений.

Как пользоваться RAGU:
Ставится одной командой pip install graph_ragu, работает на обычной потребительской видеокарте. Код открыт (MIT), веса — Apache 2.0.

Как поддержать:

Если разработка заинтересовала, то ее можно поддержать в Daily Papers на Huggingface, поставив upvote тут: https://huggingface.co/papers/2607.11683

Также, будет рады звездочкам на репозиторий: https://github.com/RaguTeam/RAGU

Если есть вопросы - пишите в комментариях или в Issues на GitHub.

P.S. Если хотите посмотреть, как всё работает:
- 2 минуты: базовая настройка и первый запуск
- 11 минут: глубокое погружение в конфигурации пайплайна

А теперь новости с другого конца света: c 13 по 17 июля в Коста-Рике проходит GECCO — крупнейшая международная конференция по эволюционным вычислениям (организатор - ACM SIGEVO, ранг CORE - A).

Факультет технологий ИИ ИТМО и NSS Lab на конференции представляет недавний выпускник программы "ИИ в промышленности" Вадим Ахмеров, с исследованием «Evolving Multi-Agent Systems with Large Language Models: Surrogate Fitness Limitations and Empirical Insights», на archival-воркшопе Large Language Models for and with Evolutionary Computation. Эта статья стала основой успешно защищенной ВКР.

Cреди со-авторов - студенты и аспиранты ФТИИ, коллеги из Sber AI Lab и Satbayev University. Также, от учебно-лаборатории АИСТ в исследовании участвовал студент бакалавриата ФТИИ Егор Рождественский.

О чем статья: мы используем LLM, чтобы оптимизировать мультиагентные системы эволюционным методом: модели сами предлагают улучшения и сами же оценивают результат. Оказалось, что успех критически зависит от того, насколько хорош LLM-оценщик, в статье анализируем применимость и ограничения этого подхода.

Текст статью опубликуют чуть позже - а пока поздравляем Вадима с первым очным докладом на топовой международной конференции!

Upd: а вот и статья - https://dl.acm.org/doi/10.1145/3795101.3814705

Сбер пишет про наши совместные работы (выше про них уже упоминали):

🎓 Работы выпускников. Как алгоритм сам выводит законы природы из данных

Физический процесс обычно описывают дифференциальным уравнением — но чтобы его составить, нужен учёный. А что если уравнение по данным наблюдений выведет сам алгоритм?

Тимур Бавшин, выпускник магистратуры ФТИИ по программе «Большие данные и машинное обучение», в дипломной работе занимался автоматическим поиском таких уравнений. Научный руководитель — Александр Хватов.

Ключевая идея — оценивать модель не только по ошибке, но и по устойчивости: хорошее уравнение не должно менять структуру на разных участках одних и тех же данных. Этот критерий Тимур формализовал и встроил прямо в процесс поиска, а не как проверку постфактум. Так отсеиваются переусложнённые и случайно подошедшие решения — остаются те, что отражают реальную структуру процесса. Работа сделана в лаборатории NSS ИТМО, а метод встроен в открытый фреймворк EPDE.

Где это пригодится:
🔹 там, где важна интерпретируемость — например, в робототехнике: понятное уравнение показывает, что происходит с системой, в отличие от «чёрного ящика»;
🔹 как инструмент открывать новые закономерности прямо из данных.

Что дальше — продолжить тему в аспирантуре и довести наработки до практики.

Репозиторий с кодом: github.com/ITMO-NSS-team/EPDE

#работы_выпускников

Пока фоново происходит ICML (постеры повешены, вопросы по ним отвечены, фоточки будут позже), в лаборатории появилось 2 новых молодежных гранта РНФ:

1) Александр Хватов, групповой грант - "Подходы к обучению фундаментальных суррогатных моделей сложных физических устройств и процессов"
2) Юлия Борисова, индивидуальный грант - "Методы регуляризации многообразием с извлечением внутренней структуры данных в виде графа расстояний "

Поздравляем руководителей-победителей!