Исследователи из Т-Технологий выступили на конференции ACM KDD 2026i (9–13 августа, Южная Корея) с техрепортом о T-ECDi — одном из крупнейших в мире открытых обезличенных датасетов пользовательских взаимодействий для рекомендательных систем. Сам датасет был выложен в открытый доступ ещё осенью прошлого года на Huggingface, а техрепорт впервые представили именно сейчас в основной программе конференции.

Прямо с конференции команда разослала датасет и гайд по работе с ним руководителям академических программ и профессорам крупнейших ИТ-вузов России. Это должно дать студентам возможность тренировать модели не на синтетических данных или устаревшем MovieLens, а на данных, приближенных к реальному бизнесу — область рекомендательных систем (рексисi) считается закрытой и труднодоступной для новичков.

Полный разбор →

«Т-Технологии» (материнская структура Т-Банка) опубликовали финансовые результаты за второй квартал и первое полугодие 2026 года. Выручка компании выросла на 27% — до 216,8 млрд рублей, операционная чистая прибыль — на 25%, до 52,1 млрд рублей. По оценке аналитиков Market Power, результаты оказались сильными и превысили ожидания: банк продолжает быстро наращивать кредитный портфель, при этом снижение расходов на резервы и рост операционной эффективности дополнительно поддержали прибыль.

Общее число клиентов экосистемы достигло 55,7 млн (+8% год к году), из них активных клиентов — 34,3 млн против 33,5 млн годом ранее. Совет директоров рекомендовал дивиденды за первое полугодие в размере 4,7 рубля на акцию, ГОСА назначено на 1 октября, дивотсечка — на 12 октября.

Полный разбор →

Т-Технологии (Т-Банк) опубликовали на GitHub фреймворк Perseus — систему персонализации, которая объединяет действия пользователя во всех сервисах банковской экосистемы в единую хронологическую последовательность вместо отдельных рекомендательных систем для каждого продукта. Из этой последовательности строится единый эмбеддинг пользователя, который переиспользуется для разных задач — от рекомендаций товаров до оценки дохода по транзакциям.

Главная практическая проблема, которую решает Perseus — холодный стартi: когда пользователь впервые заходит в новый сервис экосистемы (например, магазин), модель может использовать его историю из других продуктов и сразу предлагать релевантные товары, не имея данных внутри самого сервиса.

Полный разбор →

Исследователи лаборатории научных исследований «Т-Технологий» показали на ICML 2026, что многие заявленные преимущества алгоритмов дообучения языковых моделей на парах ответов на самом деле не подтверждаются при корректном сравнении. Ключевым фактором качества оказался не сам алгоритм, а тип ранжирования ответов — попарный (pairwisei) или поточечный (pointwisei).

Для честного сравнения авторы привели разные методы дообучения к единому протоколу оценки и ввели дополнительный параметр βi, регулирующий силу обучения на человеческих предпочтениях. Это позволило устранить влияние настроек эксперимента, объёма данных и этапов обучения на результаты сравнения.

ВыводРабота представлена на конференции ICML 2026, статья доступна по ссылке arxiv.org/pdf/2502.01237

Полный разбор →