@airi_research_institute
Институт AIRI
Telegram channel @airi_research_institute: 13.7K subscribers, 3.1K views per post, score 61
61CAhead of 6 in 10 channels in its category
Category midrange 46–63This channel 61
- 13.7K
- Subscribers
- 3.1K
- Median views over 30 days
- 22.8%
- Views / subscribers over 30 days
- 15
- Posts over 30 days
Data as of October 1, 2026
Research at Russia's AIRI Institute and the work of its scientists get covered here, alongside breakdowns of papers, seminar announcements, and staff appearances in media and podcasts. As of 15 September: subscribers stand at 13.6K, on par with the category median, while ER of 37.3% runs well above the category median of 24.6%, even as the 15 posts over 30 days come in below the category median. Over the past month the channel covered AIRI researchers presenting at the ECML PKDD conference in Naples and IJCAI in Bremen, a new way to test diagnostic medical models developed with the Almazov National Medical Research Centre, and recordings from the Summer with AIRI 2026 school in Ust-Labinsk. It also ran pieces on crafting effective prompts and the legal side of AI-generated content.
catalog description About the channel, by its author
Канал Института AIRI ⚡️ Рассказываем про технологии ИИ и о том, как исследователи развивают их в России и мире: airi.net/ru ВКонтакте: vk.com/airi_institute Регистрация в РКН:
gosuslugi.ru/…
https://gosuslugi.ru/snet/686cce31f794ae555409516cOverview
Written automatically from the channel's data, updated 11 September 2026. The numbers in this text are as of that date; the fresh ones are in the tiles above.
As of 11 September: the Институт AIRI channel has 13,549 subscribers. It is the official channel of an AI research institute, covering conferences such as ECML PKDD and IJCAI, biweekly research seminars, Habr articles, podcasts and interviews with staff for business and science media. The tone is expert-driven, naming specific researchers and topics — from diagnostic models in medicine to drug discovery and small language models.
Over 30 days the channel posted 15 times, below the category median of 21 for Artificial Intelligence — it publishes somewhat less often than its peers. Median views per post stand at 4,675, and engagement (ER) reaches 34.5% against a category median of 22.0%, meaning readers engage more actively than average for the niche. The channel's Place Score is 70.
It suits people following Russian AI research directly — scientists, students in the field, and those applying AI in business who want primary sources rather than summaries. Its subscriber count (13,549) sits close to the category median of 14,127 across 73 listings, while its engagement clearly outpaces that median.
Common questions
- What is the @airi_research_institute channel about?
- It is the channel of the AIRI research institute, covering AI conferences, research seminars and articles. Posts include staff talks, Habr publications, podcasts and media interviews.
- Can I buy advertising on the Институт AIRI channel?
- The owner has not published an ad price yet. You can reach out to them directly on Telegram.
- How many subscribers?
- Subscribers: 13.7K. Median views per post: 3.1K. Views per subscriber: 22.8%. Measured on October 1, 2026.
- How often are posts published?
- Posts in the last 30 days: 15 — that is almost every day. Measured on October 1, 2026.
- Does this channel have a Telegram tick?
- No Telegram tick.
- Who runs this channel page in the catalog?
- Nobody yet. If this is your channel, claim the page: you will be able to reply to reviews and see its stats.
Is this your channel?
Claim it — accurate metrics, replies to reviews as the channel, and an owner badge on the page.
Verify ownershipTakes a minute: a post with a code, or the bot as an admin
Your page on tg.place
Know the owner?
Forward them this message — they can verify their rights and collect what has piled up: page statistics and replies to reviews.
13,70213,288
Oct 113,700−2 in a day
Hover the chart or swipe it — we show the day.
| What it is made of | |
|---|---|
| Engagement | 13.5 of 30 |
| Growth quality | 16.4 of 20 |
| Reactions and forwards | 8.7 of 15 |
| Consistency | 9 of 12 |
| Trust | 3.9 of 8 |
| Reviews | not enough datano reviews yet |
Score 61 — from 5 of 6 signals: the rest are not measured yet. Methodology
Latest posts
Posts are in Russian — that is what the channel publishes.
- 1.4KOpen in TelegramДелимся хабрами, вышедшими в нашем блоге за последний месяц⤵️ ◾️Правда ли, что медицинский ИИ точнее врачей? Наш фреймворк помогает это выяснить Илья Копаничук, старший научный сотрудник группы «Мультимодальные архитектуры ИИ» лаборатории «Сильный ИИ в медицине», поделился тем, как он с коллегами из ФГБУ «НМИЦ им. В. А. Алмазова» Минздрава России разрабатывал фреймворк для проверки диагностических медицинских моделей. ◾️Как дифракционная оптика и нейронные сети позволяют снимать гиперспектральные изображения за одно экспонирование Научный сотрудник группы «Цветовая вычислительная фотография» Даниил Владимиров рассказал, как дифракционный адаптер и компактная нейронная сеть вместо объектива позволяют снимать гиперспектральный куб на любую RGB-камеру за одно экспонирование. Работу представили на IJCAI 2026. ◾️Конвейеры формирования изображений. Часть 3: Программная обработка изображения Продолжил рассказывать про конвейеры формирования изображений Егор Ершов, руководитель группы «Цветовая вычислительная фотография». В этот раз разбирались, как в них происходит обработка изображений на программном уровне. А ещё на Хабре опубликовали репортаж о WAIC 2026 от Алёны Аспидовой, инженера-исследователя группы геномики Центра ИИ-разработки новых лекарственных препаратов. 📎Больше интересного — на нашем Хабре.
- #AIRI_Seminars в эфире! Подключайтесь к трансляции в VK Видео или на YouTube
- 2.5KOpen in TelegramAIRI на MICCAI 2026📍 Во Франции, Страсбург, проходит международная конференция в области обработки медицинских изображений и искусственного интеллекта — MICCAI. На ней наши исследователи — Дмитрий Умеренков и Евгения Пржездзецкая из группы «Базовые модели» лаборатории «Сильный ИИ в медицине», а также Дмитрий Дылов, директор лаборатории, и Илья Семенков из группы «Нейроинтерфейсы» — представляют 3 работы: Main track 📎Image-Level Diagnostic Difficulty from Annotation Disagreement in Chest Radiographs (появится в открытом доступе позже) Авторы предложили оценивать диагностическую сложность рентгенограмм грудной клетки по разногласиям между рентгенологами или ИИ-системами. Обученная на этих разногласиях нейросеть может частично предсказывать сложность по самому снимку, что в перспективе поможет выделять неоднозначные случаи для дополнительной экспертной проверки. Medical World Model Workshop 📎Hierarchical Ensembles of Complementary Landmark Detectors for Multi-Task Ultrasound Biometry Метод для многозадачной УЗИ-биометрии, который позволяет одной системе работать сразу с девятью задачами в акушерском и кардиальном УЗИ. В основе подхода — иерархический ансамбль нескольких взаимодополняющих моделей, который помогает учитывать различия между задачами и типами данных. С этой работой Илья занял 7 место в FoundUS Challenge при MICCAI. FLARE Challenge 📎PANTHER: PAN-cancer CT Segmentation with Two-tier Healthy-scan Ensemble Rejection (появится в открытом доступе позже) Пан-раковая сегментация КТ с двухуровневым механизмом отказа от обработки здоровых сканов. Пятифолдовый ансамбль nnU-Net использует два уровня фильтрации: неявное воздержание через согласование фолдов и гейт Махаланобиса по форме предсказанной маски — модель знает, когда сказать «нет». GitHub. Делимся фотографиями с конференции📷 #AIRIнаКонфе
- Приглашаем на следующий #AIRI_Seminars, который пройдёт 30 сентября в 17:00 ⤵️ Тема: «Контент без гарантий: от больших моделей до вероятностной верификации» Докладчик: Владимир Мазин, научный сотрудник группы «Доверенные и безопасные интеллектуальные системы» Института AIRI, заведующий сектором «Технологии компьютерного зрения» ЦИИиПП МТУСИ Оппонент: Павел Сауков, исполнительный директор Лаборатории кибербезопасности Сбера Подробное описание и регистрация на офлайн-формат на сайте. Трансляция на YouTube | VK Видео
- Объединяем исследователей для обучения ИИ долгосрочному планированию Владислав Куренков, руководитель научной группы «Адаптивные агенты» Института AIRI, запустил открытое сообщество людей, работающих над системами планирования ИИ, чтобы вместе решить одну из самых неподатливых для искусственного интеллекта игр — NetHack. У каждого участника будет свой способ получить программу, свои инструменты и своя стратегия, а общая инфраструктура позволит видеть результаты друг друга, сравнивать их между собой и продолжать разрабатывать решения друг друга. Владислав рассказал, почему NetHack весьма полезна для обучения ИИ: «Одна партия в NetHack — это десятки тысяч ходов. Жизнь у героя одна, сохранений нет, подземелье каждый раз новое, а игра по дороге ничего не подсказывает. Если вы сыграли плохо, то выясняется это тогда, когда ничего исправить уже нельзя. Когда мы запускаем наших ботов играть, то вторая по частоте причина их "смерти" — голод, потому что они не позаботились о еде за несколько тысяч ходов до финального момента. На таких же ошибках спотыкаются ИИ-агенты, когда пишут код: отдельный шаг они выполняют прекрасно, а на длинную дистанцию держать планку не могут. И NetHack в этом плане становится весьма полезной для обучения ИИ». 📎Подробнее про сообщество, игру и «интеллект» агента — в интервью «Ъ-Науке».
- 5.1KOpen in TelegramAIRI на ECCV 2026📌 Недавно побывали в Швеции, в городе Мальмё, на Европейской конференции по компьютерному зрению. Институт представлял Михаил Жирнов, инженер-исследователь группы «Генеративный ИИ для видео» лаборатории FusionBrain. От AIRI было две работы: 📎LayerVerse: Finding the Sweet Spot for KV-Injection in Training-Free Image Editing Оптимизационный фреймворк, который находит баланс между сохранением неизменяемого фона и качественным редактированием объекта за счёт оптимального распределения глобальных и маскированных KV-инъекций по слоям модели, не требуя её дообучения. 📎LUA: Latent Upscaling Adapter for Diffusion-Based Image Synthesis LUA — лёгкий модуль, который выполняет сверхразрешение непосредственно в латентном пространстве диффузионных моделей до финального шага декодирования VAE. Интегрируется в существующие модели без дообучения и дружит с разными VAE. Делимся фотографиями с ECCV📷 #AIRIнаКонфе
- Yandex ML Prize 2026 в наших руках! А точнее, в руках наших исследователей🙂 ▶️Иван Оселедец, доктор физико-математических наук, профессор РАН, генеральный директор AIRI и декан факультета ИИ МГУ ▶️Антон Конушин, кандидат физико-математических наук, руководитель группы «Пространственный интеллект» — получили премию за вклад в развитие области ML в категории «Зал славы». В зал славы включают уникальных учёных и наставников, благодаря которым выросло сообщество исследователей и инженеров мирового уровня. Они изменили подход к обучению, науке и технологиям и продолжают вдохновлять новые поколения. Лауреаты этой категории не подают заявки самостоятельно — их выбирают по итогу опроса лауреатов премии предыдущих лет. Научную премию Яндекса в номинации «Начинающие преподаватели» получили⤵️ ▶️Альбина Бурлова, младший научный сотрудник группы «Прикладное NLP» ▶️Константин Пчелин, младший научный сотрудник группы «Мультимодальные архитектуры ИИ» Поздравляем их сердечками ❤️
- Об искусственном интеллекте в образовании и науке⤵️ Нейросети всё сильнее проникают в нашу повседневную жизнь и становятся её привычной частью. Это касается и научно-образовательной сферы. Иван Оселедец, доктор физико-математических наук, профессор РАН, генеральный директор Института AIRI и декан факультета ИИ МГУ, вместе с директором по стратегическому маркетингу Яндекса и профессором ИТМО Андреем Себрантом, а также ведущими подкаста «2ТОК» обсудили: ⚫️как учить искусственному интеллекту в школе и что делать преподавателям ⚫️как нейросети влияют на учёбу и выполнение домашки ⚫️что стало с научными статьями и в чём сейчас заключается роль учёного ⚫️где мы на международной ИИ-арене — и другие интересные и важные вопросы о нейросетях, учёбе и науке. Смотрите выпуск в VK Видео и на YouTube⏯
- Разработан инструмент, оценивающий способность ИИ-моделей определять мишень для антитела Его создала команда исследователей из группы «Базовые модели» лаборатории «Сильный ИИ в медицине» Института AIRI и Центра практического ИИ Сбера. Бенчмарк помогает сравнивать модели на ранних этапах создания антител и отсеивать ненадёжные вычислительные подходы. Модели сравниваются на способность определять специфичность, то есть способность антитела связываться с необходимым антигеном и при этом не цепляться за посторонние белки. Это важно для точности диагностики, эффективности терапии и снижения риска побочных эффектов. Работу представляли на KDD 2026. Научная статья | ТАСС
- #AIRI_Seminars в эфире! Подключайтесь к трансляции в VK Видео или на YouTube
The channel in numbers
- Created
- November 12, 2021
- Photos
- 1.2K
- Videos
- 17
- Files
- 2
- Links
- 797
Telegram data as of October 1, 2026
Rankings and collections
- AI: what to readcollection
Reviews
Leave a review
No reviews yet. Yours would be the first.
