Туристы едут в Сеул за k-pop, а настоящие ценители — за постерами. ICML 2026 официально... — 9 июля 2026 г. в 13:12:24.032
Туристы едут в Сеул за k-pop, а настоящие ценители — за постерами. ICML 2026 официально стартовала. На площадке оказался внештатный спецкор @anti_agi, и вот его впечатления от первого полноценного дня В кулуарах главная жалоба одна и та же: за неделю физически невозможно посмотреть все интересные постеры. В одно время идут воркшопы, индустриальные доклады, встречи, стенды компаний. Огромные доски с вакансиями для исследователей тоже на месте, как и пасхалка с инвайтом Practical ML Conf — на въезде в конгресс-центр, зовут зарегаться. Но самое лучшее, естественно, в промежутках: 💻 Apple представила свою концепцию нового метода ускорения диффузионных языковых моделей — Learning Unmasking Policies for Diffusion Language Models. Идея dLLM отличается от привычных LLM: модель не генерирует ответ строго токен за токеном слева направо, а начинает с полностью замаскированной последовательности ответа и постепенно «раскрывает» часть позиций — как при генерации картинок. За счет этого потенциально можно получать несколько токенов за один forward pass модели. Проблема в том, что слишком агрессивное размаскирование ухудшает качество. До сих пор это часто решали эвристиками: например, раскрывать N самых уверенных токенов или все токены выше заданного порога confidence. Apple предлагает отказаться от ручной настройки и обучить небольшую RL-политику, которая сама решает, какие токены раскрывать на каждом шаге. Если диффузионные языковые модели действительно станут популярнее, decoding policy вполне может превратиться в отдельный оптимизируемый компонент инференса — примерно как speculative decoding или оптимизации KV-cache сегодня. Код авторы уже выложили в open source. ☣️ Google Cloud рассказали про ИИ-учёного полного цикла. В The End-to-End AI Scientist: Automating Discovery and the Research Pipeline авторы поставили довольно взрослую задачу: понять, может ли ИИ не только провести исследование, но и проследить за собственной логикой. Центральная работа здесь — ScientistOne, end-to-end research system с Chain-of-Evidence: авторы стараются сделать так, чтобы утверждения в тексте можно было свести к коду, логам, литературе и evaluator outputs, а не только к «убедительно выглядящему» нарративу. Рядом со ScientistOne у Google уже вырисовывается целый стек специализированных research-инструментов: ▪️ ScholarPeer делает рецензирование с опорой на литературу и проверяет новизну через отдельного historian agent ▪️ PaperBanana автоматизирует подготовку методологических схем, диаграмм и графиков для статьи ▪️ MARS отвечает за поиск исследовательских решений с учетом вычислительного бюджета и за модульную сборку research-кода ▪️ PaperOrchestra превращает сырые материалы — идеи, заметки, логи экспериментов, результаты и черновики — в статью, близкую к submission-ready На экспо тоже есть на что посмотреть. Amazon построил один из самых больших стендов конференции. Огромная картонная коробка — прямо в центре зала. Доставили по полной, и даже без премиум-подписки за вход. @anti_agi