На Practical ML Conf вручили премию Yandex ML Prizei, и в номинации «Преподаватели» победителем стал автор телеграм-канала Information Retriever — преподаватель курсов в ШАДi и Высшей школе экономики (Вышка). Награда — признание вклада в преподавание машинного обучения силами Яндекса.
Церемония состоялась в прошедшую субботу; о победе рассказали и сам лауреат, и автор канала Kantor.AI, который лично выдвигал его на премию.
Гендиректор Yandex Cloud Григорий Атрепьев в интервью «Ведомостям» (22.09.2026) описал странную для рынка ситуацию: серверы, память и прочая инфраструктура для ИИ-вычислений за год подорожали в 2–5 раз, но стоимость токенов для конечного пользователя при этом падает. По данным Яндекса, выручка на тот же объём токенов упала за год в 6 раз, а цена «лёгких» Flash-моделей снизилась почти в 14 раз.
Объяснение в том, что себестоимость токена считается как стоимость часа работы GPU, делённая на число токенов, которые видеокарта обрабатывает за это время. Числитель (цена железа) вырос в 2–5 раз, но знаменатель (производительность по токенам) растёт ещё сильнее — за счёт более эффективной архитектуры моделей и особенностей обработки текста. Итог — дешевеющий инференсi запускает цикл роста спроса, а не сокращения рынка.
Samsung опубликовала Samsone — семейство из трёх компактных аудиоязыковых моделей (Samsone-99M, Samsone-134M, Samsone-356M), предназначенных для работы прямо на мобильных устройствах. Модели принимают аудиофрагменты вместе с текстовым запросом и отвечают текстом: описывают звук, отвечают на вопросы о записи, сравнивают клипы.
Проект будет представлен на конференции Interspeech 2026 (27 сентября — 1 октября, Сидней). Значимость в том, что небольшие модели (менее 400 млн параметров) на ряде тестов обгоняют модели-конкуренты в десятки раз крупнее, при этом работая офлайн на смартфоне с приемлемой скоростью генерации.
Исследователи представили статью «AI Research Preference Models» — метод, который позволяет AI-агенту заранее отбирать самые перспективные варианты эксперимента, не запуская каждый из них полностью. Проблема в том, что агент может сгенерировать множество идей за секунды, но проверка каждой требует часов обучения модели на GPU, поэтому нужен способ отсеивать бесперспективные варианты до полного запуска.
Авторы предлагают Research Preference Model (RPM)i — модель, которая попарно сравнивает предложенные решения и выбирает наиболее перспективное, опираясь не на «вкус» и интуицию (как в предыдущих подходах, которые не сработали), а на верифицируемый сигнал.
ВыводРассмотрены два варианта RPM: Inference-only RPM оценивает планы, код и результаты прошлых экспериментов только рассуждениями LLM, без запуска кода
Канал Kantor.AI опубликовал на YouTube новый выпуск подкаста с Александром Поваровым — золотым медалистом международной олимпиады по искусственному интеллекту для школьников IOAI 2026i, известной как «Межнарi». В разговоре обсуждают устройство олимпиады, подготовку к ней, поступление в вуз и старт карьеры в машинном обучении.
Поваров — выпускник школы Летово, сейчас студент первого курса; в ML он пришёл ещё в школьные годы, изначально занимаясь информатикой, а затем переключился на олимпиады по ИИ.
Команда Т-Технологий (Т-Банк) опубликовала на Хабре подробный туториал по своему опенсорсному фреймворку Perseusi, предназначенному для обучения моделей персонализации на основе истории пользовательских событий. Ранее фреймворк уже был выложен в открытый доступ, теперь к нему добавили практическое руководство и код на GitHub.
В туториале на малой версии датасета T-ECDi разобрали четыре типовых сценария рекомендательных систем — кандидатогенерацию, ранжирование, классификацию и регрессию — и показали весь путь от подготовки данных до инференса. Материал особенно полезен тем, кто работает с рекомендательными системами и мультидоменными данными: Perseus позволяет добавлять новые признаки или события из другого домена без пересборки пайплайна.