Data Science ODS

⚡️ GPT-5 на Sudoku-Bench Команда Sudoku-Bench обновила результаты тестов. Напомню, когда бенчмарк вышел в мае 2025, ни одна LLM вообще не могла решить обычную судоку 9×9. Теперь ситуация изменилась: GPT-5 стал новым лидером и решает 33% задач - в два раза умнее ближайшего конкурента. Это первая модель, которой удалось пройти и вариант классической 9×9. Но главная часть бенчмарка остаётся нерешённой: 67% более сложных головоломок по-прежнему оказываются слишком сложными. Причина в том, что современные модели плохо справляются с тем, что нужно для настоящей судоку: понимать новые правила, держать в голове глобальную структуру, строить длинные логические цепочки и находить "точку входа", которую опытные люди сразу замечают. Дополнительные эксперименты - GRPO-тюнинг Qwen2.5-7B и Thought Cloning на примерах из Cracking the Cryptic - дали небольшой прогресс, но не решили ключевые проблемы: пространственное мышление и творческий подход всё ещё оказываются для моделей сложными. Итог: прогресс заметный, но до уровня человеческого логического и пространственного мышления моделям ещё далеко. Подробнее: https://pub.sakana.ai/sudoku-gpt5/ @data_analysis_ml

я летом то ли пропустил, то ли не придал значения новости про инноваторов из Builder.ai; они сделали стартап по автоматическому написанию кода, но за ИИ код писали 700 инженеров из Индии; кстати, эти люди шли проторенной самим Amazon дорогой, там 1000 асессоров из Индии распознавали продукты в супермаркете кстати, после случая с Amazon появился неполиткорректный мем "AI = Artificial Indian" (осуждаем, конечно) @valuableai

👀Злоумышленники научили LLM-модели генерировать код прямо во время атаки Злоумышленники начали встраивать модели искусственного интеллекта прямо в вредоносное ПО. Об этом сообщает команда Google Threat Intelligence Group — GTIG. По их данным, малварь нового поколения не просто ускоряет работу через нейросети, а использует их «на лету» — для генерации кода, обфускации и обхода антивирусов. GTIG зафиксировала два ключевых образца: PROMPTFLUX — дроппер, обращающийся к Gemini за новыми приёмами обхода защит, и PROMPTSTEAL — инструмент на Python, использующий модель Qwen2.5 для кражи данных. Второй уже применялся в атаках APT28 (FROZENLAKE) и расследуется CERT-UA. Google предупреждает: ИИ делает малварь адаптивной, а рынок — массовым. GTIG усилила фильтры, блокирует инфраструктуру злоумышленников и публикует рекомендации: мониторить обращения к LLM-API, проверять целостность исполняемых файлов и не доверять автоматически сгенерированным командам. #ИИ #киберугрозы #GTIG @SecLabNews

всем привет, мы открыли подачу заявок на Премию имени Владимира Иосифовича Левенштейна за 2026 год; премия вручается за вклад в развитие русскоязычного NLP-сообщества, как научный, так и в виде open source; если знаете, кому это релевантно, - перешлите или заполните форму за него ссылка на подачу заявок, заявки принимаются до 31 декабря на фотографии - Наталья Валентиновна Лукашевич, первый лауреат премии, и я @valuableai

Всем привет! Представляем вашему вниманию девятнадцатый выпуск подкаста "Капитанский мостик". Ведущие выпуска Валентин Малых и Дмитрий Колодезев обсуждают новости из мира технологий, в частности, события на конференции EMNLP в Китае. Смотрите видео на каналах ⤵️ ODS VK Video ODS YouTube 📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).

⚡️ OpenAI выпустила GPT-5-Codex-Mini. GPT-5-Codex-Mini - более доступная версия флагманского Codex, она в 4 раза эффективней по затратам по сравнению с полной версией GPT-5-Codex при небольшом компромиссе в производительности. Разница в возможностях минимальна: на SWE-bench Verified версия Mini набрала 71.3%, в то время как старшая GPT-5-Codex - 74.5%. OpenAI рекомендует переключаться на Mini для решения более простых задач или для экономии ресурсов при приближении к лимитам. Старший Codex будет автоматически предлагать переход на Mini, когда пользователь достигнет 90% своего лимита. Модель уже доступна в CLI и расширении для IDE, а в скором времени появится и поддержка через API. @ai_machinelearning_big_data #news #ai #ml

ИИ против крипторынка: Китайские модели одержали сокрушительную победу Опубликованы результаты первого в мире конкурса AI-трейдеров, где шесть ведущих языковых моделей соревновались в торговле криптовалютой. Суть события: Шесть ведущих AI-моделей получили по $10,000 для торговли на реальном рынке без вмешательства человека. Победителем стал тот, кто показал максимальную доходность при контролируемом риске. «Это своего рода тест Тьюринга для криптотрейдинга» — так организаторы из Nof1.ai охарактеризовали свое мероприятие, проходившее с 17 октября по 3 ноября 2025 года. 📊 Ключевые результаты: • 1 место: Alibaba Qwen — доходность свыше 20% 🥇 • 2 место: DeepSeek — стабильная прибыль 🥈 • Остальные модели: ушли в минус, особенно GPT-5 (потерял более 60%) 🔍 Как проходил конкурс? • Каждая модель самостоятельно анализировала рынок • Использовались идентичные исходные данные и условия • Торговля велась на платформе Hyperliquid • Запрещена любая внешняя помощь или коррекция стратегии • Полная автономность — без человеческого вмешательства • Все транзакции и решения публиковались в реальном времени 🧠 Технические детали: Модели должны были: - Выявлять альфа-возможности (шансы на сверхдоходность) - Определять размер позиции - Выбирать точки входа и выхода - Управлять риском в реальном времени 🤖 Характеристики моделей: • Qwen3 Max — агрессивный стиль, высокая доходность при умеренной частоте сделок • DeepSeek — консервативный подход, лучший показатель Шарпа (0.359) • GPT-5 — наименьшая эффективность (-62.66%) при высокой активности 💡 Что это значит для индустрии? Победа Qwen демонстрирует не просто "знание", а способность применять сложные навыки в условиях реального финансового рынка — анализировать, принимать решения и управлять рисками автономно. Подробнее о методике и результатах #КитайскийИИ #КитайAI #Трейдинг #Alibaba #GPT5 #DeepSeek

Всем привет! Встречайте восемнадцатый выпуск подкаста "Капитанский мостик", в котором обсуждаем новости из мира ИИ за прошедшую неделю и не только. Ведущий подкаста - Дмитрий Колодезев. Приглашенный участник сегодняшнего выпуска - Пётр Ермаков. Смотрите видео на каналах ⤵️ ODS VK Video ODS YouTube 📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).

Первое в мире iVedro По словам автора, он хотел сделать незаметное мусорное ведро для офиса и, похоже, у него это получилось. Мой Компьютер

🔥 Hugging Face снова выкатили полезные материалы. Вышел бесплатный плейбук о том, как изнутри строят SOTA-модели. Без общих слов - только реальные решения и нюансы, которые обычно скрыты внутри исследовательских команд. Это полноценный мастеркласс на 214 страниц для тех, кто хочет понимать, как устроены современные LLM. Что внутри: • Логика построения модели: зачем → что → как • Как разработчики берут модель и по частям включают/выключают компоненты (или меняют их) • Архитектура: ключевые выборы и trade-offs • Искусство подбора и очистки данных • Как проходит обучение моделей • Пост-тренинг и RLHF в 2025 • Инфраструктура больших моделей По первым страницам - уровень деталей как в Ultra-scale playbook. Ссылка: https://huggingface.co/spaces/HuggingFaceTB/smol-training-playbook#designing-the-model-architecture Видео: https://www.youtube.com/watch?v=LGzO-Mn0DJQ #AI #LLM #MachineLearning #HuggingFace @sql_lib - библиотека МЛ и ИИ книг