На конференции ICMLi 2026 в Сеуле — одной из крупнейших мировых конференций по машинному обучению — были представлены несколько работ исследователей Yandex Research. Делегация компании присутствовала на постерных сессиях и воркшопах, а в центре Сеула по этому случаю появилась наружная реклама на русском языке от Яндекса.

Главным результатом стала победа статьи GraphPFNi: A Prior-Data Fitted Graph Foundation Model — она получила Best Paper Award на воркшопе Graph Foundation Models: A New Era for Graph Machine Learning. Работы Yandex Research в целом были посвящены ключевым проблемам индустрии ИИ: эффективному использованию вычислительных мощностей, ускорению обучения больших моделей, работе со сложными наборами данных и снижению зависимости от ручной разметки.

• GraphPFN представляет графовую foundation model на основе подхода Prior-Data Fitted Networks (PFN)i: модель предобучается на миллионах синтетических графов, а затем применяется к реальным данным через in-context learning или дообучение; в экспериментах показала лучшие результаты среди протестированных подходов.
• Авторы GraphPFN — команда Yandex Research: Дмитрий Еремеев, Олег Платонов, Глеб Баженов, Артём Бабенко и Людмила Прохоренкова; доклад по статье Еремеев представил на воркшопе (10:00–10:40 KST, Room 308), постер — 12:10–14:00 KST там же.
• На воркшопе Mechanistic Interpretability была представлена работа Weight-Space Geometry of Offline Reasoning Training (Карина Романова, Владимир Платонов с коллегами из Keenable.ai); по словам Романовой, к статье был интерес исследователей из Oxford, Harvard, Berkeley, Princeton, Hong Kong University.
• Другие работы: Analyzing Stream Collapse in Hyper-Connections (Екатерина Алимаскина, Yandex Research, с коллегами из BRAInLab); ReCache: Learning Budget-Aware Caching Schedules for Diffusion Models via REINFORCE (Кирилл Струминский, Yandex Research, с коллегами из НИУ ВШЭ); Registers Matter for Pixel-Space Diffusion Transformers (Никита Стародубцев, Илья Судаков, Илья Дробышевский, Артём Бабенко, Дмитрий Баранчук).
• Дмитрий Еремеев отметил, что это его первая конференция, и что область движется в сторону foundation models для графов — по его словам, об этом свидетельствуют другие представленные статьи, такие как PluRel и RDB-PFN.
• Карина Романова рассказала о примечательных работах воркшопа: MultiSTEVE-1s (о случаях, когда VLA-агент начинает «сходить с ума») и Reasoning Models Know What's Important, and Encode It in Their Activations (о том, что активации модели содержат больше информации о важных шагах рассуждения, чем токены).