Yandex for ML

🔗 Подружили LLM и VLM, выложили Alice AI Search Pretrain в опенсорс и собрали прикладной туториал из статей ICML 2026. Всё это и многое другое — в новом ML-дайджесте

🚕 Куда сходить

⚪️ 19 сентября — Practical ML Conf 2026. Подключайтесь к трансляции на сайте: конференция вот-вот начнётся. В программе собрали доклады про экономически эффективный инференс LLM, Agentic Vision и многое другое. Подписывайтесь на канал конференции, чтобы быть в курсе новостей.

⚪️ 24 сентября — Yandex Scale 2026. Конференция для разработчиков, тимлидов и создателей продуктов, на которой мы расскажем о новых технологиях и анонсах Yandex Cloud. В программе — более 30 выступлений в пяти треках, 15 воркшопов и более 60 экспертов.

⚪️ 1 ноября — Yandex Cup 2026. Международный чемпионат Яндекса по программированию с призовым фондом 9 млн рублей. Принять участие смогут разработчики любого уровня, от юниоров до опытных специалистов.

🌎 Что случилось

⚪️ Яндекс выложил Alice AI Search Pretrain в открытый доступ. Это компактная языковая модель, которую мы обучили с нуля и используем в основе быстрых AI-ответов в Поиске. Под капотом — гибридная архитектура с Encoder-Decoder и MoE.

⚪️ Алиса AI теперь сама выбирает LLM под нужную задачу. Рассказали, как она это делает, и объяснили, почему модель — это ещё не весь продукт, что такое харнесс и как мы с помощью бенчмарков проверяем его влияние на качество ответов.

📖 Что почитать

⚪️ Как из базовой LLM получить работающий продукт. Собрали туториал из статей с ICML 2026: что делать, если у вас уже есть сильная модель от фронтирной лабы и теперь хочется получить из неё агента под свои задачи.

⚪️ «Всю область не объять, всех статей не прочитать». Владимир Платонов, руководитель службы ML-разработки Алисы, рассказал, какие особенности есть у машинного обучения в разных сервисах Яндекса, и поделился советами для молодых ML-специалистов.

⚪️ Ассистент предлагает, менеджер подтверждает. Рассказали, как AI-агент помогает собирать предложения для промо в Лавке, какую рутину он забирает на себя и чем упрощает жизнь категорийным менеджерам.

⚪️ Собираем AI-агентов для Лавки на платформе с готовыми инструментами. Разобрали, как она устроена, за что отвечает каждый слой, как проходит запрос и какими фичами можно воспользоваться из коробки.

⚪️ Омнимодель для Алисы AI. Рассказали, как нам удалось подружить VLM и LLM, что изменила MoE‑архитектура, почему омнипретрейн пришлось собирать с конца и почему один вид RL переезжает на большую модель легко, а другой рассыпается прямо на глазах.

📺 Что посмотреть

⚪️ Нерешённые задачи. 30-минутная история о разработчиках Яндекса, которые каждый день берутся за задачи без готовых решений. Герои из команд Автономного транспорта, Алисы, Yandex Infrastructure и Yandex Cloud расскажут об экспериментах, ошибках и моментах, когда неудача становилась шагом к большому открытию.

Подписывайтесь:
💬 @Yandex4ML
📹 @YandexML

🧿 Омнимодель для Алисы AI: как мы подружили VLM и LLM

Всем привет, меня зовут Алексей Григорьев, я представляю большую команду разработки омнимодели Яндекса. Ещё недавно ответы Алисы на текстовые запросы и вопросы по изображениям заметно различались по стилю. Под капотом и правда жили две отдельные генеративные модели: текстовая LLM и визуальная VLM, а между ними — стена из непрозрачного роутинга, отличающихся форматов ответов и вёрстки.

🧠 Почти год мы сводили их в одно целое — омнимодель, которая бесшовно воспринимает и текст, и изображения. Мотивация была простой: омни позволяет упростить продуктовую логику до одного чата вместо зоопарка сервисов, масштабироваться по данным, компьюту и размеру модели, а также добиться синергии качества за счёт раннего провязывания модальностей. Кроме того, у совместно обученной модели появляются эмерджентные свойства — навыки, которых не было ни у текстовой, ни у визуальной модели по отдельности.

Путь к омнимодели был непростым, но поучительным: нужно было целиком переосмыслить претрейн, завести визуальную модальность во все стадии обучения, по отдельности свести каждый шаг алайнмента...

🔛 Но игра стоила свеч: визуальная половина Алисы переняла у текстовой проактивность, манеру и стиль общения, а текстовая перестала отнекиваться, что «не умеет работать с картинками». Теперь на руках мы имеем сильно упрощённую инфраструктуру, выровненный характер модели и следующий уверенный шаг к мультимодальности.

🔳 А на Хабре вместе с моим коллегой Данилой Кашиным мы рассказали про остальные технические грабли и вызовы, с которыми команда столкнулась в процессе. В статье мы разобрали:

⚪️ Почему за два года до этого та же затея разваливалась и что тут изменила MoE-архитектура

⚪️ Как научить разные команды воспроизводить одно и то же обучение

⚪️ Почему один вид RL переезжает на большую модель легко, а другой рассыпается прямо на глазах

Подписывайтесь:
💬 @Yandex4ML
📹 @YandexML

🤖 Собираем AI-агентов на платформе с готовыми инструментами

Всем привет, меня зовут Софья Проскурина, я занимаюсь агентской платформой в Яндекс Лавке. Сегодня в рубрике «Обучено Яндекс Лавкой» я расскажу, как устроено решение, на котором живут десятки агентов в Городских сервисах Яндекса.

Чтобы построить даже небольшого агента, нужно наладить работу с LLM, тулами, памятью, пройти аудиты безопасности и при этом не забыть про observability и поддержку самого решения. Задача нашей команды — сделать так, чтобы ребята, которые делают агентов, не думали об этой технической рутине, а могли сосредоточиться на решении продуктовых задач в готовом инструменте.

👷 Для этого мы создаём и улучшаем нашу платформу для создания агентов. А о том, как она устроена, читайте в карточках

Подписывайтесь:
💬 @Yandex4ML
📹 @YandexML

↔️ Обновили расписание Practical ML Conf

До встречи 19 сентября осталось несколько дней! Мы внесли изменения в программу — актуальное расписание уже на сайте.

Среди обновлений — новые спикеры и изменения в сетке. А доклад «World models для физического AI», к сожалению, не состоится.

Если вы уже составили свой план на конференцию, советуем ещё раз проверить время и залы.

Увидимся в Москве и онлайн!

Подписывайтесь:
💬 @Yandex4ML
📹 @YandexML

🥤 Быть готовым к переменам, много нетворкать и хорошо отдыхать

Какие особенности есть у машинного обучения в разных сервисах Яндекса? Что делать молодым ML-специалистам в мире, где всё так стремительно меняется? Какое качество ML-инженера — самое главное?

Обо всём этом мы спросили Владимира Платонова, руководителя службы ML-разработки Алисы. Он занимался high performance computing и писал диссертацию по эффективным вычислениям в гидродинамике. А потом ушёл в Яндекс, где на протяжении семи лет работал над машинным обучением в самых разных сервисах: от Поиска и Почты до Скоринга и Синтеза речи.

👷 Сейчас Владимир отвечает за ML в Alice AI. В карточках собрали его мысли про науку, машинное обучение и хобби, которые помогают отвлечься от работы.

Кстати, в подкасте «Нестандартная модель» вместе с Андреем Коняевым Владимир обсудил, как сделать агентов автономнее, как придумать интересный продукт в ML-разработке и с какими вызовами сталкивается ML-индустрия сегодня. Смотрите на ютубе и в VK Видео.

📆 А 19 сентября на Practical ML Conf Владимир проведёт офлайн-дискуссию: на ней эксперты разберут, где AI-агенты действительно работают, а в каких сценариях им есть куда расти. Регистрация закроется через сутки — успейте оставить заявку!

Подписывайтесь:
💬 @Yandex4ML
📹 @YandexML