12:40-13:15
Доклад
World models для физического AI
В докладе расскажу о подходе world models к физическому AI
и о его сравнении с доминирующим подходом — VLA/LLM, обучаемым методом клонирования поведения (обучение
с подражанием).
Разберём, почему моделирование среды лучше, чем обучение традиционных реактивных политик управления,
и как ковариантный сдвиг ломает реактивную политику во время работы, тогда как world model позволяет перепланировать действия под новые цели и ограничения без сбора новых демонстраций и перетренировки. Также пройдёмся по основным семействам world models: пиксельным и латентным,
JEPA и Dreamer/RSSM.
Я покажу демо робототехнического управления на основе world models и в конце расскажу о моём проекте на базе Dreamer/RSSM на GitHub, с помощью которого можно обучить собственную world model и использовать её по MPC — модели прогнозирующего управления — на ноутбуке.
От исследования к продукту и обратно: как связаны наука и разработка?
Обсудим, как связаны исследования, научные публикации и продуктовая разработка: когда статья становится основой новой технологии, когда продукт появляется раньше публикации и почему некоторые ценные результаты остаются внутри компании.
От демо к пользе: где AI-агенты действительно работают?
Разберём, в каких сценариях AI-агенты уже приносят измеримую пользу, а где пока остаются эффектными демонстрациями.
Они лежат в основе всех наших продуктов: Поиска с Алисой, Браузера, Карт, Рекламных технологий, Алисы AI и умных устройств, Погоды, Шедеврума, Переводчика и других.
Мы обучаем LLM и мультимодальные модели на всех этапах — от претрейна до RL и SFT. Для повышения эффективности используем собственные библиотеки YaFSDP и YCCL. Работаем с кластерами на тысячи GPU и модифицируем инференс инфраструктуры, чтобы проверять гипотезы и свободно работать с моделями размером до 0,7 трлн параметров.
Внедрили семейство генеративных моделей Alice AI в более чем 25 продуктов Яндекса. Создали и развиваем Yambda — один из крупнейших в мире открытый рекомендательный датасет. Разработали библиотеку машинного обучения CatBoost — единственную из России, ставшую мировым научным стандартом.
Отвечаем за роботакси, роботов-доставщиков, роботраки и складских роботов. Наши продукты работают на ИИ-платформе собственной разработки.
Роботакси уже возит пассажиров в Москве, Иннополисе и Сириусе. Роботы доставляют заказы в десяти городах России и уже совершили больше миллиона доставок. Роботраки работают на М-4, М-11 и ЦКАД. Общий пробег флота — более 37 млн километров.
В нашу экосистему входят Кинопоиск, Яндекс Музыка, Яндекс Книги, Яндекс Плюс, Яндекс Пэй, Афиша, Едадил, Свои Плюсы и другие сервисы. Лояльная аудитория — более 48 млн человек, из которых 11,6 млн пользуются сервисами сразу из нескольких направлений: развлечений, финансов и программы лояльности.
Мы решаем сложную техническую задачу: с помощью данных и ML учимся точнее понимать вкусы, настроение и потребности каждого пользователя. Обучаем рекомендательные системы на архитектурах Argus и target-aware, разрабатываем LLM-агентов и инструменты персонализации. В Музыке запустили query2vibe и ИИ-компаньона Люмена, в Книгах — Recap и ИИ-помощника. В финансовых продуктах с полным циклом на собственной MLOps-платформе работаем над кредитным скорингом, управлением рисками и маркетинговыми моделями.
Наши технологии ежедневно влияют на опыт миллионов людей, делая каждое взаимодействие с сервисами точнее, персональнее и удобнее.
Мы отвечаем за Яндекс Go, Еду, Лавку, Доставку и Техплатформу. Разрабатываем все сервисы с упором на продуктовый подход, чтобы пользователям было удобно, а бизнесу — эффективно.
В месяц у наших продуктов более 60 млн уникальных пользователей в более чем 1000 городах.
Отвечаем за Яндекс Недвижимость, Аренду и Путешествия. Помогаем найти новый дом, арендовать квартиру, забронировать отель и купить билеты в путешествие.
Чтобы Вертикали показывали лучшие реальные предложения, обучаем новые модели для ранжирования, изобретаем кандидатогенераторы для рекомендаций, улучшаем Multi-View-Stereo-алгоритмы, занимаемся антифродом и модерацией контента.
Уже помогли организовать комфортное путешествие 28 млн пользователей. Создали классифайд, где ежедневно представлено более 2 млн объектов недвижимости. Организовали Аренду так, чтобы пользователи могли выбрать объект и оформить документы полностью онлайн — так 95% квартир в столичных регионах сдавались дистанционно после просмотра 3D-тура.
Платформа объединяет более 75 сервисов, которые включают решения для кибербезопасности, управления данными, разработки и внедрения ИИ.
Наши решения напрямую влияют на качество Алисы AI, точность Поиска, удобство Карт и Яндекс Путешествий для миллионов людей.
С нуля развиваем собственные краудсорсинговые платформы — сложнейшие системы управления распределённой командой, в которой работают свыше 100 тыс. исполнителей разных специальностей.
Yandex Infrastructure — это собственные дата-центры, сеть, распределённые хранилища на эксабайты данных, платформы разработки и деплоя, инфраструктура для ML.
Мы развиваем единую ML-платформу Яндекса, которая включает в себя комплекс решений и процессов для всех этапов жизненного цикла машинного обучения: подготовка данных, создание, обучение и применение моделей. Цель платформы – позволить ML-инженерам быстро и удобно решать свои задачи.
