Российские ученые на конференции в Рио-де-Жанейро представили разработки для повышения качества ИИ-моделей

Учёные Сбера совместно с ведущими российскими и международными исследователями представили свои научные работы на конференции ICLR 2026 в Рио-де-Жанейро — одном из главных мировых событий в сфере машинного обучения. Их разработки предлагают прорывные решения для создания полезных и надёжных ИИ-помощников и повышения качества современных нейросетей.

В этом году конференция была сфокусирована на прикладном применении ИИ: в докладах всё заметнее переход от математических выкладок к реальным возможностям. Следующий этап развития ИИ — не просто более сильные модели, а адаптивные системы, которые помогают человеку в обучении, работе, здоровье, развитии.

Исследователи Сбера вместе с зарубежными исследователями создали специальный тест HUME, который оценивает, насколько хорошо люди и современные ИИ-модели справляются с анализом текста: классификацией, кластеризацией, поиском похожих текстов, ранжированием. Результат, представленный в научной работе, оказался неожиданным: в среднем в повседневных задачах люди показывают точность 77,6%, а лучшие модели — 80,1%. В сложных языках и в тонких смысловых нюансах люди превосходят ИИ. Исследование также выявило проблемы при обучении ИИ: люди часто не могут договориться между собой о «правильном» ответе, а модели просто запоминают ошибочные шаблоны. Исследователи предлагают использовать HUME для более честной оценки ИИ и улучшения качества тестов.

Ещё одна работа, представленная на основном треке ICLR 2026, представляет собой кросс-национальное исследование от авторов из Сбера и ряда международных университетов. В нем ученые смогли подойти к решению нескольких фундаментальных задач ИИ-моделей. Зачастую из-за случайных факторов обучение приходится запускать многократно, а в стохастических задачах — усреднять результаты по многим запускам, что неудобно на практике. Ученые впервые провели строгий анализ сходимости метода Clip-SGD для последней, а не усреднённой итерации. Это позволяет обучать модель один раз и быть уверенным в качестве полученных весов без многократных перезапусков. Метод не требует заранее знать общее число итераций (horizon-free подход), что соответствует реальным задачам. Для компаний, разрабатывающих медицинские системы, автопилоты или финансовые прогнозы, это означает предсказуемость, экономию вычислительных ресурсов и доверие к результату с первой попытки. Еще одна научная статья, авторами которой выступили исследователи Сбера, Института AIRI и Сколтеха, предлагает новый способ моделирования сложных систем. Он заключается в том, что нейросеть учится предсказывать подпространства (базисы решений) по параметрам, используя специальную геометрию Грассмана для точности. Вместо медленных расчётов для каждой задачи офлайн готовят примеры базисов, а сеть быстро угадывает похожий для новых параметров — точнее и быстрее. Например, для научного сообщества польза заключается в том, что у ИИ-моделей снижается количество ошибок на 10–30% в задачах вроде симуляций дифференциальных уравнений в частных производных (PDE), оптимизации и контроля систем. Для компаний и общества польза в том, что ускоряется время инженерных расчётов в таких сферах как нефтегаз, авиация или финансы. Это позволяет командам быстрее и экономнее моделировать риски и процессы в реальном времени.

Авторы ещё одной научной статьи, которая была презентована на воркшопе конференции, учёные Сбера, Института AIRI и Сколтеха. Исследователи предлагают новый способ работы с видео: модель специально учат понимать связь между соседними кадрами во времени, а не обрабатывать каждый кадр отдельно. Проще говоря, система начинает учитывать, что было на видео ранее, и предугадывать, что будет дальше, поэтому движение людей, машин или объектов выглядит более плавным и естественным, без рывков и странных скачков. Для обычного человека ценность в том, что такие технологии могут дать более качественные видеозвонки, восстановление семейных архивных видео, плавное замедление спортивных роликов и улучшение видео с камер наблюдения. Если подобные решения войдут в массовые сервисы, мы будем чаще видеть видео без размытия, дёрганий и «ломающихся» движений — то есть более живую и приятную картинку каждый день.

В ходе конференции более 200 участников международного ИИ-сообщества посетили нетворкинг-митап, организованный Сбером. Мероприятие впервые прошло за пределами России. Исследователи из США, Македонии, ОАЭ, Индии и других стран обсудили возможности глобального научного сотрудничества, а также последние тренды в сфере генеративного искусственного интеллекта. Особое внимание гостей привлекла демонстрация собственных ИИ-решений Сбера, таких как нейросети GigaChat и Kandinsky.