Жёлтый AI

Съездили в Миннеаполис на ACM RecSys 2026 и представили сразу три работы про рекомендательные системы: Scikit-Rank, ScaL³AE и Perseus

Сейчас нейросетевое ранжирование все чаще используют там, где раньше полагались на бустинги, но все делают это очень разными способами. Нам захотелось собрать лучшие практики в одной библиотеке, которую можно легко встроить в существующие пайплайны за счет совместимости со scikit-learn. Так появился Scikit-Rank: он позволяет буквально заменой пары строк попробовать нейроранжирование и поэкспериментировать с лоссами, бэкбонами и энкодерами — все это настраивается через конфиг и даже работает в multi-GPU-режиме.

ScaL³AE разработали, взяв за основу L³AE — линейный автоэнкодер, который объединяет историю взаимодействий пользователей с семантикой объектов из LLM. Это эффективно для айтемов, по которым мало данных, но плохо масштабируется на большие каталоги. В ScaL³AE мы заменили эти вычисления компактными и разреженными представлениями, сохранив near-closed-form решение. В результате получили модель, которая без проблем скейлится на промышленные каталоги и является сильным бейзлайном даже за пределами своего класса.

А про фреймворк Perseus, который собирает разные действия пользователя в одну последовательность и позволяет обучать модели на общей истории, мы уже рассказывали.

Больше о впечатлениях о конференции и трендах в recsys можно прочитать здесь.

• Коды Perseus, Scikit-Rank и ScaL³AE уже есть в открытом доступе

🧩 Обсудили AI-агентов

Наш спикер Даниил Гаврилов стал гостем нового выпуска шоу «ПродАктовая корзина», посвященного развитию AI-агентов.

Вместе с комиком Севой Левкачевым и коллегами из других бигтехов они обсудили самые громкие технологические новости, обменялись мнениями и поспорили на острые темы.

• Смотреть на YouTube

✍️Туториал по Perseus

Летом уже рассказывали тут про фреймворк Perseus. Сейчас же подготовили подробный туториал про то, как использовать фреймворк для решения различных задач, связанных с персонализацией. В туториале рассматриваются кандидатогенерация, ранжирование, классификация и регрессия — как конфигурировать модель с помощью YAML-файлов, добавлять события и признаки из различных доменов, настраивать архитектуру и запускать обучение и инференс под каждую из задач.

• Статью можно почитать тут, фреймворк найти здесь

19 сентября наши спикеры выступят на Practical ML Conf 😎

— В 14:50 Даниил Гаврилов поучаствует в дискуссии о том, как исследования превращаются в продукты, почему иногда продукт появляется раньше статьи и какие результаты компании предпочитают вообще не публиковать.

— В 15:30 Даниил Цимерман обсудит, где AI-агенты уже приносят измеримую пользу, а где пока остаются красивыми демками.

— В 17:50 в зале «Код» Александр Мисевич расскажет, как мы строим инфраструктуру для массового инференса LLM внутри корпоративного контура. Будет про единый пайплайн подготовки, бенчмаркинга, оптимизации и деплоя моделей — и про то, как за последние полгода нам удалось снизить стоимость инференса в несколько раз.

Подробности и регистрация — на сайте.

⚡️Делимся двумя релизами, о которых рассказывали на Turbo ML Conf

T-Search — открытый агент-ретривер для сложного многошагового поиска. Это специализированная модель на основе Qwen3-35B-A3B. Она не генерирует ответ, а за несколько шагов находит нужные фрагменты в документах. Попробовать модель в деле можно на Hugging Face, а почитать, как мы обучали агента многошаговому поиску — в статье на Хабре.

Perseus — открытый фреймворк для универсальной персонализации на основе гетерогенных событий. Он объединяет все действия пользователя из разных сервисов в единую последовательность и позволяет масштабировать ML-персонализацию на новые продукты — даже если у пользователя там еще нет никакой истории. В разных задачах сразу получили +3–17% к бизнес-метрикам. Почитать,  как можно использовать фреймворк, предлагаем на Хабре, а сам фреймворк — на GitHub.

✨ Пока ждем Turbo ML Conf предлагаем поиграть в мини-игру @LossMonkeyBot

Всем же приятно смотреть как лосс падает? Пока fable делает вашу работу, можно вкатиться в макакинг 🦍

3 человека, которые попадут в начало лидерборда, заберут лего-банкоматы Т-Банк.

Победителей объявим в комментариях 17 июля - за день до конференции!

Владивосток, мы знаем, чем вы займетесь 27 июня 👀

Встречаемся на T-Meetup: R&D! Нас ждут доклады, полезные знакомства и общение с топами индустрии.

В программе 3 доклада:

→ «Почему существуют задачи, которые нельзя решить обычной разработкой?» — Станислав Моисеев
Поговорим, где проходит граница между разработкой и R&D, почему некоторые технологические вызовы невозможно решить стандартными инженерными подходами и зачем компании инвестируют в проекты с высокой неопределенностью.

→ «Code Knowledge Graphs как память для LLM» — Михаил Бадерик

Разберем, что такое графы знаний и как они помогают превратить кодовую базу в структурированную память для ИИ-ассистентов. Обещаем много практики!

→ «Эволюционные агенты на практике: open-source и реальные задачи» — Матиенко Данил

Узнаем, как устроены AlphaEvolve и его open-source-аналоги, сравним подходы и покажем реальные кейсы. Расскажем, как мы оптимизировали выезды торговых представителей в Т-Географии.

Приходите, чтобы задать вопросы топ-менеджеру и разработчикам R&D-центра, обменяться опытом и пообщаться с коллегами в неформальной обстановке.

🗓️27 июня, 17:30 по местному времени
📍Владивосток, Корабельная набережная, 10

Не забудьте зарегистрироваться — количество мест ограничено!

Получили ранний доступ к секретной модели Mistral: Le Gros Chaton — 30 трлн параметров, 256 тысяч экспертов. Подняли инференс на всём кластере, неделя прогрева — пока что сгенерировали только 10 токенов. Но это лучшие 10 токенов в нашей жизни.

Правда, они пока только на французском. Так что начинаем обучение «Большой ко-Т».

⚡️ Открываем регистрацию на Turbo ML Conf 2026!

Соберемся, чтобы обсудить глубокие исследования, прикладной ML и инженерные системы.

В программе три трека.

✨ Fundamental Advances & Exploratory R&D

Поговорим об архитектуре и обучении современных моделей, их интерпретируемости, безопасном поведении и способности к рассуждению и самокоррекции.

✨ Applied ML at Scale & Business Impact

Рассмотрим внедрение ML в продукты: интеграцию классических и GenAI-моделей, обеспечение их предсказуемости, влияние AI на пользовательский опыт и бизнес-метрики.

✨ ML Infrastructure, Platforms & Engineering Core

Разберем технологическое ядро ML-систем: архитектуры, пайплайны данных и масштабного обучения, методы дообучения, низкоуровневую оптимизацию инференса и инфраструктуру.

А еще вас ждут секретные доклады, о которых расскажем в день конференции, и демозоны, где можно будет познакомиться с платформами и продуктами на базе ML-технологий и пообщаться с командами, которые их создают.

📚18 июля
↗️️ Москва, ДК «Серп и молот»

Регистрируйтесь и приглашайте коллег — количество мест ограничено!

Съездили в 🔤🔤🔤🔤🔤🔤 на AAMAS 2026, где у нас был oral с работой Enhancing Vision-Language Model Training with Reinforcement Learning in Synthetic Worlds for Real-World Success.

В статье мы обучаем VLM-агентов через RL в дешевых синтетических средах: MiniWorld, Gym-Cards, ALFWorld и WebShop. Основная идея — если хотим, чтобы модель не просто красиво описывала картинку, а умела смотреть на состояние мира и делать последовательность действий, то ей нужно дать возможность потренироваться в интерактивных окружениях.

Для этого предложили VL-DAC: простой RL-метод, где PPO применяется к action-токенам, а value учится один раз на шаг среды. В итоге убираем хрупкие коэффициенты между thought/action токенами, replay buffers и прочие места, где обычно хочется немного поплакать во время обучения VLM через RL.

После обучения в одном дешевом симуляторе модель переносит навыки на реальные бенчмарки: +50% relative на BALROG, +5% на самой сложной части VSI-Bench и +2% на VisualWebBench, при этом не ломая обычное понимание изображений.

• Статью можно прочитать тут, а код найти здесь 😉

⚡️ Turbo ML Conf возвращается!

Бронируем ваше 18 июля, чтобы обсудить тренды, кейсы и технологии в ML.

В этом году помимо докладов у нас будут представлены демозоны с разными ML-решениями. Вы сможете представить продукт или платформу вашей компании, основанную на ML-технологиях.

Если вам есть что показать — оставляйте заявку на сайте. Мы особенно заинтересованы в опыте использования CV, RecSys и NLP. Всем участникам предоставим место с экраном для команды до трех человек.

А какие будут треки с докладами?

↗️ Fundamental Advances & Exploratory R&D
Про архитектуру и обучение современных моделей, их интерпретируемость, безопасное поведение и способность к рассуждению и самокоррекции.

↗️ Applied ML at Scale & Business Impact
Про внедрение ML в продукты: интеграцию классических и GenAI-моделей, обеспечение их предсказуемости, влияние AI на пользовательский опыт и бизнес-метрики.

↗️ ML Infrastructure, Platforms & Engineering Core
Про технологическое ядро ML-систем: архитектуры, пайплайны данных и масштабного обучения, методы дообучения, низкоуровневую оптимизацию инференса и инфраструктуру.

Следите за апдейтами конференции в этом канале и на сайте.