Институт AIRI

@airi_research_institute · ai · Russian · active

Канал Института AIRI ⚡️ Рассказываем про технологии ИИ и о том, как исследователи развивают их в России и мире: https://airi.net/ru/ ВКонтакте: https://vk.com/airi_institute Регистрация в РКН: https://gosuslugi.ru/snet/686cce31f794ae555409516c

Subscribers 14K Subscribers, last 30 days: 14K → 14K +0 24h · +0 7d
Reach per post (ERR) 30.2%4.2K avg views
Posting 4.4/week last 1 day ago
Reactions per 1K views 10.1 ❤
  1. 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

  2. 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⏯

  3. 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

  4. «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)

  5. edited

    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.

  6. 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.

  7. О юридических аспектах использования ИИ-генераций⤵️ Вита Власова, руководитель направления партнёрского сопровождения и интеллектуальной собственности Института AIRI, в материале для TechInsider рассказала: ⚫️какие судебные практики, посвящённые сгенерированному контенту, есть в мире ⚫️за кем остаётся право на ИИ-творчество и что стоит учитывать ИИ-креаторам ⚫️обязательно ли сообщать аудитории и пользователям о том, что контент сгенерирован ⚫️как авторам грамотно подойти к работе с ИИ-сервисами 📎Читайте материал по ссылке.

  8. +6

    AIRI на IJCAI 2026📷 Сегодня в Бремене, Германия, завершается Международная объединённая конференция по искусственному интеллекту IJCAI 2026. Институт представили учёные из группы «Автономное зрение» — Дмитрий Сенюшкин, Николай Патакин и Арсений Широков, — Иннокентий Хумонен из группы «ИИ в промышленности» и Дарья Пугачёва, группа «Обобщаемые системы ИИ». Команда AIRI представила 9 работ, 2 из которых — на воркшопах⤵️ 📎Unified Sensor Simulation for Autonomous Driving Работа об XSIM — фреймворке для симуляции сенсоров автономного транспорта, позволяющем фотореалистично воссоздавать сцены по записям реальных проездов и моделировать новые дорожные сценарии. 📎Visual Implicit Geometry Transformer for Autonomous Driving ViGT — геометрическая модель для автономного вождения, которая по изображениям с камер оценивает занятость в любой точке сцены. 📎Diffract and Conquer: Hyperspectral Imaging from Any RGB Camera via Optical Encoding and Learning Про то, как дифракционный адаптер и компактная нейронная сеть вместо объектива позволяют снимать гиперспектральный куб на любую RGB-камеру за одно экспонирование. 📎ElderMTL: Multi-Task Affect Monitoring for Elderly Care О многозадачной системе мониторинга аффективных состояний, которую разработали для применения в сфере ухода за пожилыми людьми. 📎Optimizing Spectrogram Resolution and Training Strategies for Real-Time Killer Whale Call Type Classification Про фреймворк, который совершенствует систему автоматического распознавания типов вокализаций косаток и оптимизирует обработку спектрограмм и обучение CNN с учётом дисбаланса классов. 📎Interactive System for Reducing Error Propagation in Multi-Stage Ancient Egyptian Text Analysis В работе представлен веб-инструмент для распознавания и перевода древнеегипетских иероглифов, который объединяет весь процесс преобразования изображения в текст и позволяет исправлять промежуточные результаты. 📎CrossRefine: A Microservice for Cross-Domain Spatial Super-Resolution Демонстрационный стенд модели понижения масштаба приземных погодных полей на основе SRGAN. Решает проблему получения более качественной структуры погодных полей на произвольном регионе от модельных данных. 📎From Monolithic to Modular: Segment-level Automatic Prompt Optimization (RobustifAI Workshop) SAPO — метод автоматической оптимизации промптов, который улучшает их по отдельным компонентам: роль, контекст, задача, формат ввода. Выполнена с исследователями из совместной лаборатории с ИТМО. 📎Document-Grounded DCF Valuation with LLM Assumption Governance (FinLLM Workshop) Статья представляет документно-ориентированную систему DCF-оценки, в которой LLM формирует предположения, а расчёты детерминированы. Показано, что дебаты агентов улучшают предположения, но основной прирост обеспечивает структурированная архитектура. #AIRIнаКонфе

  9. О том, как искусственный интеллект помогает в поиске лекарств и изучении влияния препаратов на организм⤵️ Артур Кадурин, директор Центра ИИ-разработки новых лекарственных препаратов AIDD Института AIRI, в интервью «Ъ-Науке» рассказал: ⚫️как учёным удалось научить модель работать с самыми изменчивыми участками антител ⚫️какие ограничения остаются на сегодняшний день при создании антител с помощью ИИ ⚫️с чем модели уже сильно помогают в процессе разработки лекарств ⚫️каковы перспективы использования ИИ в фармацевтике и насколько мы уже близко к лекарству, полностью спроектированному моделями 📎Читайте материал по ссылке.

  10. Работы исследователей AIRI на RLC 2026 В Канаде, Монреаль, завершилась третья международная конференция по обучению с подкреплением. Денис Тарасов представил на ней работу "Yes, Q-learning Helps Offline In-Context RL". Среди авторов от института — Владислав Куренков, Александр Никулин, Альбина Клепач, Андрей Полубаров, Никита Любайкин и Александр Деревягин из группы «Адаптивные агенты». Статья получила Outstanding Paper Award в категории Emerging Topics in RL 🚀 В ней исследователи показали, что Q-learning может заметно улучшить offline in-context RL — обучение модели решать новые задачи по контексту, используя только заранее собранные данные и без дополнительного взаимодействия со средой. Также на конференции представлена статья Александра Панова, директора лаборатории когнитивных систем искусственного интеллекта, Алексея Ковалёва и Егора Черепанова из группы «Воплощённые агенты» — "Memory Retention Is Not Enough to Master Memory Tasks in Reinforcement Learning". Работа показывает, что для RL с памятью недостаточно просто долго хранить информацию: агент должен уметь селективно обновлять и забывать устаревшие сведения. Авторы вводят диагностические POMDP-бенчмарки для continual memory rewriting и показывают, что классические рекуррентные модели часто устойчивее трансформеров и сложных RL архитектур с памятью. #AIRIнаКонфе

  11. От умного дома до виртуальных миров Вместе с Компьютеррой выпустили третью часть серии текстов об искусственном интеллекте и науке в нашей повседневной жизни, которая приурочена к пятилетию AIRI. Александр Коваленко, научный сотрудник группы «ИИ в промышленности» Института AIRI, рассказал, с чего начиналась эволюция умных устройств для дома, какую роль в их работе сыграло появление интернета и различных датчиков и как именно машинное обучение упрощает нашу жизнь. 📎Читайте в материале