Вайбкодим конфигурацию MDM, а ядро — нет: три ИИ‑агента, 100+ правил и подогнанные автотесты
Около миллиона записей о физических лицах на арабском и английском и около ста правил обработки с учётом региональной специфики — такую задачу мы решали в пилоте внедрения клиентского MDM. Мы — команда Data Sapience, разработчика Data Ocean Governance MDM.Правила готовили три ИИ‑агента: больше ста правил очистки и больше двадцати пяти правил поиска дублей. Простое правило занимало около 10 минут, сложное — до часа, на каждое уходило от одной до трёх итераций. Пилот сдали. Но по дороге агент автотестов начал подгонять результаты под желаемые, и всплыло это только на очередной проверке.
Microsoft запатентовала платформу для обучения ИИ на видеокартах пользователей
Microsoft опубликовала
Как Microsoft предлагает обучать модели на игровых ПК
На домашнем ПК освободилась видеокарта. Сервер отправил ей часть расчёта, а через минуту владелец запустил игру. Если к этому моменту результат ещё загружается, серверу придётся решать, ждать ли его и что делать, если параметры модели уже успели обновиться. Для распределённого обучения это гораздо важнее паспортных TFLOPS видеокарты.
Пять способов ускорить локальный инференс MoE-модели: один я написал сам
В предыдущей статье я разбирался, какие эксперты реально живут в VRAM у Strata, пока она крутит Qwen3.8-Flash-Next на GTX 1070. На этот раз - короче и практичнее: несколько конкретных приёмов ускорения, которые стоит проверить, если вы гоняете большую MoE-модель на домашнем железе. Один из них - патч, который я написал и прогнал сам, с цифрами “было/стало” на реальном движке. Остальные - то, что уже работает в Strata “из коробки”, просто не всегда включено и не всегда замечено.1. Спекулятивное декодирование (MTP/drafting)
Пространственное внимание на RTX 3050: эксперимент с контекстом 16K
Можно ли ускорить обучение небольшой языковой модели на длинных последовательностях, если заменить полное внимание разреженным графом, а веса связей определять расстояниями между обучаемыми координатами?Для проверки появился SpatialLM-Mini — прототип на Python и PyTorch с тремя архитектурами: пространственным вниманием, обычным Transformer и гибридом. На RTX 3050 с 8 ГБ VRAM пространственный вариант обучался в 2,47 раза быстрее нашего Transformer при контексте 16 384 токена. Но он использовал больше выделенной памяти, а отдельную пользу геометрии этот опыт пока не доказывает.
В штате Нью‑Йорк запустят первую в стране государственную программу тестирования ИИ‑систем
В американском штате Нью‑Йорк запустят первую в США государственную программу независимого тестирования систем искусственного интеллекта и подготовки нового поколения экспертов безопасности в области нейросетей. Об этом сообщила губернатор штата Кэти Хокул.
Приглашаем на ML-митап hh.ru
Если вы ML-разработчик или дата-сайентист и работаете с поиском и рекомендациями — приходите обсудить, как LLM и агенты помогают искать вакансии, кандидатов и недвижимость: от понимания запросов на естественном языке до оценки качества и работы в проде. После докладов продолжим общение за вкусной едой и напитками!Регистрируйтесь по ссылке и присоединяйтесь к митапу 19 ноября в 19:00 мск в офисе hh.ru или онлайн.

