@airi_research_institute
Институт AIRI
Telegram-канал @airi_research_institute: 14 тыс. подписчиков, 3,3 тыс. просмотров на пост, оценка 68
- 14 тыс.
- Подписчики
- 3,3 тыс.
- Медиана просмотров за 30 дней
- 23,8%
- Просмотры / подписчики за 30 дней
- 20
- Постов за 30 дней
Данные на 19 ноября 2026 г.
описание каталога О канале от автора
gosuslugi.ru/…
https://gosuslugi.ru/snet/686cce31f794ae555409516cОбзор
Составлен автоматически по данным канала, обновлён 11 сентября 2026. Числа в тексте — на эту дату; свежие стоят плитками выше.
На 11 сентября: у канала Института AIRI 13 549 подписчиков. Это официальный научно-популярный канал исследовательского института — публикации о конференциях (ECML PKDD, IJCAI), научных семинарах, статьях на Хабре, подкастах и интервью сотрудников для деловых и научных медиа. Тон — экспертный, с именами исследователей и конкретными темами: от диагностических моделей в медицине до поиска лекарств и малых языковых моделей.
За 30 дней вышло 15 постов при медиане по категории «Искусственный интеллект» в 21 пост — канал публикует немного реже соседей. При этом медиана просмотров поста — 4 675, а ER держится на 34,5 % против медианных 22,0 % по категории: аудитория читает активнее, чем в среднем по нише. Place Score канала — 70.
Подойдёт тем, кто следит за российскими ИИ-исследованиями изнутри — учёным, студентам профильных направлений и тем, кто работает с прикладным ИИ в бизнесе и хочет видеть первоисточник, а не пересказы. По подписчикам канал близок к медиане категории (14 127) из 73 записей, но заметно опережает её по вовлечённости.
Частые вопросы
- О чём канал @airi_research_institute?
- Это канал исследовательского Института AIRI о научных конференциях, семинарах и статьях в области искусственного интеллекта. В постах — доклады сотрудников, публикации на Хабре, подкасты и интервью для деловых и научных медиа.
- Можно ли купить рекламу в канале Института AIRI?
- Владелец пока не открыл прайс на размещение. Связаться с ним можно напрямую в Telegram.
- Сколько подписчиков?
- Подписчиков — 14 тыс. Медиана просмотров поста — 3,3 тыс. Просмотров на подписчика — 23,8%. Данные на 19 ноября 2026 г.
- Как часто выходят посты?
- За 30 дней вышло постов: 20 — это почти каждый день. Данные на 19 ноября 2026 г.
- Есть ли у канала галочка Telegram?
- Галочки Telegram нет.
- Кто ведёт страницу канала в каталоге?
- Пока никто. Если это ваш канал — заберите страницу: сможете отвечать на отзывы и видеть её статистику.
Это ваш канал?
Подтвердите владение — точные метрики и что улучшить, ответы на отзывы от лица канала и бейдж владельца на странице.
Подтвердить владениеЗаймёт минуту: пост с кодом или бот в администраторах
Ваша страница в tg.place
Знаете владельца?
Перешлите ему это сообщение — он подтвердит права и заберёт накопленное: статистику страницы и ответы на отзывы.
Наведите на график или проведите пальцем — покажем день.
| Из чего складывается | |
|---|---|
| Вовлечённость | 15,4 из 30 |
| Качество роста | 20 из 20 |
| Реакции и пересылки | 6,9 из 15 |
| Регулярность | 11,4 из 12 |
| Доверие | 4,5 из 8 |
| Отзывы | недостаточно данныхотзывов пока нет |
Оценка 68 — по 5 показателям из 6: остальные пока не измерены. Методология
Последние посты
- 1,6 тыс.Открыть в TelegramAIRI на IEEE ICDM 2026📌 На той неделе наши исследователи были в Шэньяне, Китай, на международной конференции по интеллектуальному анализу данных. AIRI представляли Александр Коваленко и Илья Болкисев из группы «ИИ в промышленности», Михаил Паутов из группы «Доверенные и безопасные интеллектуальные системы» и Виталий Дравгелис из группы геномики. От нас на ICDM было 5 работ⤵️ 📎RandMark: On Random Watermarking of Visual Foundation Models RandMark — метод защиты прав на визуальные фундаментальные модели. В модель встраивается скрытый цифровой водяной знак, по которому её можно опознать даже после применения постпроцессинга сети. 📎Learning When to Personalize: Query-Type-Aware Playlist Generation Deployed at Scale GigaMix — система, которая собирает плейлисты по текстовому запросу и сама решает, насколько сильно учитывать вкусы слушателя. 📎Reconstructing Boundary Layer Wind Profiles with Machine Learning: A Comparative Study on IGRA Radiosonde Data В работе сравниваются различные методы машинного обучения для восстановления профилей ветра в атмосферном пограничном слое. Авторы показывают, что ML-методы превосходят классические аналитические модели, а в рассмотренных экспериментах расширение набора входных признаков сильнее влияет на точность восстановления, чем выбор ML-алгоритма. 📎Are Foundation Models Ready for Rock Fragmentation? A Multi-Domain Benchmark Across the Mining Lifecycle StoneBench — открытый бенчмарк для оценки гранулометрического состава горной породы на разных этапах добычи. С его помощью авторы проверяют, способны ли фундаментальные модели компьютерного зрения решать эту задачу без дообучения. 📎HiCT Patterns: Foundation-Model-Enhanced Breakpoint Detection from Hi-C HiCT Patterns — трёхэтапный метод для определения координат межвидовых геномных перестроек путём поиска специфических паттернов на Hi-C картах. Основан на комбинации фундаментальной модели и легковесного ансамбля сверхточных сетей для повышения точности и снижения потребляемых ресурсов относительно аналогов. Публикации появятся в открытом доступе позднее📆 #AIRIнаКонфе
- ИИ-фотосессии будут ещё реалистичнее Создавая изображение, нейросеть решает две задачи сразу: придумывает позу, свет, композицию и при этом старается точно повторить каждую черту лица и букву. Когда эти задачи конфликтуют, детали размываются. Исследователи лаборатории FusionBrain Института AIRI разработали метод KandiShop, который разделяет эти задачи, благодаря чему улучшается качество генерации лиц и надписей на товарах. Он не требует дообучения нейросетей и работает поверх уже сгенерированных картинок. KandiShop проверили на сотне лиц и четырёх популярных открытых нейросетях. Благодаря ему сходство с оригиналом у FLUX.2 klein возрастает с 52 до 75 процентов, а у Nano Banana — с 57 до 76. Общее качество и красота картинки при этом остаются. Сайт | GitHub | Газета.ру | Хабр
- Реклама
- 3,6 тыс.Открыть в TelegramAIRI на CIKM 2026✔️ Завершилась международная конференция по управлению информацией и знаниями, которая проходила в Риме, Италия. На ней Данил Гусак и Никита Сухоруков из группы «Технологии персонализации» представили 4 работы⤵️ 📎Preference-Aligned Semantic IDs for Generative Recommendation PA-SID — метод построения семантических идентификаторов, который учитывает не только информацию об объектах, но и предпочтения пользователей. Это позволяет повысить качество генеративных рекомендаций без изменения алгоритма создания кодов и самой рекомендательной модели. 📎Group-Relative RL Post-Training for Sequential Recommendation GRFT — метод дообучения последовательных рекомендательных моделей с подкреплением, при котором модель сравнивает разные списки рекомендаций и учится лучше подбирать и упорядочивать объекты. 📎OffTrail: A Benchmark for Natural-Language Context in Recommendation beyond Interaction Histories OffTrail — бенчмарк для сравнения разных семейств рекомендательных моделей, учитывающих контекст. Он также позволяет оценить вклад контекста, сравнив рекомендации одной и той же модели с текстовым описанием ситуации пользователя и без него. 📎Cross-Domain Sequential Recommendation with Representation-Level User Transfer Метод, который учитывает активность пользователя в другом сервисе: вместо исходной истории действий передаётся его векторное представление. В экспериментах качество рекомендаций выросло как для пользователей обоих сервисов, так и для тех, кто пользовался только одним. #AIRIнаКонфе
- 3,2 тыс.Открыть в TelegramЧерез две недели стартует AI Journey 2026 🚀 Мы принимаем активное участие в программе AIJ: будем выступать с докладами, участвовать в дискуссиях, показывать демо и представлять работы на постерной сессии. Программа и трансляции📎 Регистрация открыта до конца завтрашнего дня (13 ноября) по ссылке. Будем рады встретиться с вами на мероприятии🙂 #AIRIзация
- Куда движется наука? Подскажет инспектор Исследователи AIRI из групп «Вычислительная семантика» и «Безопасный интеллект» вместе с коллегами из Сколтеха разработали открытую систему для анализа научных трендов Drift Inspector. Он извлекает из аннотации только утверждения о научном вкладе, не собирая лишней информации. Затем система объединяет утверждения со схожим смыслом в темы и показывает, как доля каждой меняется по годам. Такой подход позволяет группировать разные формулировки одной идеи и разделять случаи, когда одно и то же слово используется в разных значениях. Темы система находит и называет самостоятельно. С её помощью команда уже обработала почти 118 тысяч статей с ведущих конференций по машинному обучению, компьютерному зрению и обработке языка за 2018–2026 годы. Работу представляли на EMNLP 2026. Потестить систему можно по ссылке. Научная статья | GitHub | N + 1
- #AIRI_Seminars в эфире! Подключайтесь к трансляции в VK Видео или на YouTube
- 3,4 тыс.Открыть в TelegramAIRI на AACL-IJCNLP 2026📌 С 6 по 10 ноября в городе Хэнцинь, Китай, проходят Азиатско-Тихоокеанская конференция Ассоциации вычислительной лингвистики и Международная объединённая конференция по обработке естественного языка. AIRI на них представляют Анна Борисюк, младший научный сотрудник группы «Прикладное NLP», и Глеб Кузьмин, научный сотрудник группы «Мультимодальный ИИ» лаборатории FusionBrain. На конференциях 4 работы наших исследователей⤵️ 📎K-FORGE: Fisher-Guided Initialization for Preference-Based LLM Unlearning Методы разобучения языковых моделей, такие как NPO и SimNPO, удаляют нежелательные знания за много шагов обучения. Авторы предложили способ ускорения этого процесса. Метод использует Кронекер-фишеровские статистики forget- и retain-данных, чтобы без дополнительного обучения рассчитать низкоранговую поправку к весам. Она даёт NPO и SimNPO более удачную стартовую точку. 📎Thesis Proposal: Localisation, Redundancy, and Safety Cost in LLM Unlearning (работа появится в открытом доступе позднее) После забывания языковая модель успешно проходит бенчмарки и не воспроизводит удалённый факт, но при другой формулировке вопроса или небольшом дообучении он часто возвращается. В этом тезис-пропозале предлагается способ проверить, блокирует ли разобучение факт или действительно его удаляет, в каких компонентах модели это происходит и можно ли сделать забывание устойчивым без ущерба для безопасности модели. 📎Fairness in Prompting: How Demographic Variations Affect Language Model Outputs Работа посвящена исследованию влияния демографических характеристик пользователей на качество ответов больших языковых моделей. Исследователи представили PromptDial — набор данных из 2 289 промптов с демографической разметкой и показали, что различия в формулировках запросов между группами пользователей могут сопровождаться существенными различиями в качестве работы LLM — до 7,7%. 📎What Does Uncertainty Lens Tell Us About Emergent Misalignment? Оценка неопределённости часто используется для детекции галлюцинаций языковых моделей. В работе проверяется, можно ли по неопределённости предсказать проявления нежелательного поведения модели. Делимся фотографиями из Китая📷 #AIRIнаКонфе
- Приглашаем на следующий #AIRI_Seminars, который пройдёт 11 ноября в 17:00 ⤵️ Тема: «Q-RAG: как не изводить тысячи тонн токенной руды на LLM ради единого факта» Докладчик: Назар Бузун, старший научный сотрудник лаборатории «Сильный ИИ в медицине» Института AIRI Оппонент: Ильсеяр Алимова, старший научный сотрудник лаборатории «Обработки естественного языка», Сколтех Подробное описание и регистрация на офлайн-формат на сайте. Трансляция на YouTube | VK Видео
- Какой он — ИИ нового поколения?🧠 На III Международном симпозиуме «Создавая будущее», который пройдёт 12–13 ноября в Национальном центре «Россия», мы выступаем соорганизаторами сессии «Между творцом и творением: чего ждать от ИИ нового поколения». На ней обсудим, каким должен быть ИИ, чтобы расширять возможности человека и оставаться эффективным инструментом для решения задач, а также этические принципы взаимодействия с ним. Поговорим о том, какие технологические подходы и архитектуры определяют развитие ИИ следующего поколения и что станет главным критерием прогресса искусственного интеллекта в ближайшие годы. Спикеры ➡️ Иван Оселедец, доктор физико-математических наук, профессор РАН, генеральный директор AIRI, декан факультета ИИ МГУ ➡️ Андрей Лаврентьев, руководитель отдела развития технологий Kaspersky ➡️ Андрей Себрант, кандидат физико-математических наук, директор по стратегическому маркетингу «Яндекса», профессор ИТМО ➡️ Чэнь Цюфань, писатель-фантаст, президент Китайской ассоциации писателей-фантастов и соавтор бестселлера «ИИ-2041» Модератор ➡️ Александра Бройтман, директор по маркетингу и коммуникациям Института AIRI 🕓 13 ноября, 17:00–18:30 📌 Москва, Краснопресненская наб., 14, Национальный центр «Россия» Приходите послушать, регистрация на Симпозиум на сайте😁 #AIRIзация
- Делимся хабрами, вышедшими в нашем блоге за последний месяц⤵️ ◾️NetHackers — открытое сообщество для создания программы, которая сможет стабильно проходить NetHack Что из себя представляет NetHack, зачем создали сообщество и что участники имеют на старте — поделился Владислав Куренков, руководитель научной группы «Адаптивные агенты». ◾️GENATATOR: учим языковые модели для ДНК восстанавливать структуру генов Научный сотрудник группы геномики Алексей Шмелев рассказал, как создавался GENATATOR — нейросетевая модель для автоматической аннотации генома с помощью языковых моделей для ДНК, — какие модели и архитектуры тестировались и каковы результаты. Работу представили на ICLR 2026 и ECML PKDD 2026. ◾️Как мы учили нейросеть распознавать дипфейки и объяснять свой вердикт О том, как устроен новый подход к обнаружению речевых дипфейков HIR-SDD, каким был процесс разработки метода и что дали эксперименты, рассказал Дмитрий Корж, научный сотрудник группы «Доверенные и безопасные интеллектуальные системы». Работа была представлена на Interspeech 2026. ◾️Бенчмарк для робототехнических симуляторов на GPU Дмитрий Юдин, ведущий научный сотрудник лаборатории когнитивных систем искусственного интеллекта, рассказал про бенчмарк GPUSimBench, который оценивает производительность, точность и детерминизм семи современных общедоступных робототехнических симуляторов при работе на графических процессорах. Работу представили на IROS 2026. Также рассказали о модели PANTHER, которая выросла из проекта участников Лето с AIRI 2026 и стала самым быстрым решением на FLARE Challenge при MICCAI 2026. 📎Больше интересного — на нашем Хабре.
О канале в цифрах
- Создан
- 12 ноября 2021 г.
- Фото
- 1,3 тыс.
- Видео
- 18
- Файлы
- 2
- Ссылки
- 824
По данным Telegram на 19 ноября 2026 г.
Рейтинги и подборки
Отзывы
Оставить отзыв
Отзывов пока нет. Ваш будет первым.