AI — волна или частица? Наши и не наши на ICLR 2026. Часть 1 — 26 апреля 2026 г. в 15:42:38.139
AI — волна или частица? Наши и не наши на ICLR 2026. Часть 1 В Рио-де-Жанейро на стендах ICLR в зоне индустрии исследователей хантят с помощью мерча и кофе, но в фаворе те, кто раздает холодную воду и солнцезащитные очки. Экстремистская Мета дает потестировать умные RayBan, Apple и Google поставили довольно пресные, но большие и дорогие стенды, особо не заморачиваясь наполнением. Nebius рассказывает про недавно купленного разработчика ИИ-софта Tavily и раздает наклейки с логотипом оного. Одним из пленарных спикеров конференции был Макс Веллинг, который в очередной раз пожурил исследователей за поверхностную гонку за SOTA в бенчмарках вместо вдумчивой работы над новыми прорывными идеями. Макс предлагает свой вариант идеи использовать структуру, симметрии и эквивариантность в обучении. Один из примеров — волновые нейросети, где информация кодируется в фазе и распространяется как волна, обеспечивая устойчивую долгосрочную память без необходимости в гигантских моделях. Отдельно стоит отметить, как он связал нейросетевые модели с термодинамикой, когда обучение рассматривается как физический процесс с затратами энергии и ограничениями скорости. Если кратко, то рост моделей упрётся не только в деньги, но и в фундаментальные пределы. Возможно, следующий скачок дадут не гигантские модели, а более физически обоснованные и энергоэффективные подходы. Где-то мы уже это слышали. В этом году на конференцию приняли 5356 работ, из них 224 (4,2%) удостоились устных докладов на основном треке, среди которых три работы из России: ▪️Q-RAG от авторов из AIRI, Сколтеха и Иннополиса — более умный способ искать информацию поэтапно, без больших затрат. Полезно для более точных ответов в поиске, чат-ботах и аналитике сложных данных. ▪️В основе многих генеративных систем, включая генерацию изображений и видео по текстовому описанию, лежат диффузионные модели. Как сделать их достаточно быстрыми для практического использования? RealUID от AIRI, Сколтеха и НИУ ВШЭ — универсальный метод ускорения диффузионных моделей, применимый к любым типам и позволяющий ускорить генерацию в десятки раз без потери качества. Дополнительно за счёт использования источника данных совместно с предобученной диффузионной моделью, он позволяет не только ускорить генерацию, но и превзойти исходную модель по качеству. ▪️Доехала до Рио и принятая на конференцию, но за три дня до начала отправленная в desk reject (осуждаем!) модель для реверс-инжиниринга CADrille от AIRI и МГУ. Она была представлена вместе с авторами в кулуарах конференции и, как передают с места событий, собрала из-за этого ещё больше внимания. 130+ звездочек на GitHub — по заветам Барбары Стрейзанд. Модель получает на вход облака точек, изображения и текстовые описания деталей, а на выходе дает Python-код для создания CAD-файла. Внештатный спецкор @anti_agi на ICLR 2026