Ученые Сбера совместно с российскими и зарубежными коллегами представили научные работы на конференции International Conference on Learning Representations (ICLR) 2026 в Рио-де-Жанейро — одной из ключевых мировых площадок в области машинного обучения. Их разработки предлагают прорывные решения для создания полезных и надежных ИИ-помощников и повышения качества современных нейросетей.
В 2026 году конференция была сосредоточена на практическом применении искусственного интеллекта. В центре внимания оказались не столько математические аспекты, сколько реальные сценарии использования ИИ — в образовании, здравоохранении, работе и повседневной жизни.
Кто лучше понимает текст — человек или ИИ
Исследователи Сбера вместе с зарубежными коллегами разработали тест HUME для оценки того, насколько хорошо люди и современные ИИ-модели справляются с анализом текста. Система проверяет навыки классификации, кластеризации, поиска похожих текстов и ранжирования.
Результаты, представленные в научной работе, оказались неожиданными. В среднем люди показали точность 77,6%, а лучшие ИИ-модели — 80,1%. Однако в задачах, связанных со сложными языковыми конструкциями и тонкими смысловыми различиями, человек по-прежнему превосходит ИИ.
Исследование также выявило важную проблему: сами люди нередко расходятся во мнениях о том, какой ответ считать правильным. Из-за этого модели могут запоминать ошибочные шаблоны при обучении. Авторы работы предлагают использовать HUME для более объективной оценки качества ИИ-систем и улучшения существующих тестов.
Как обучать ИИ без бесконечных перезапусков
Еще одна работа, представленная на основном треке ICLR 2026, посвящена устойчивому обучению ИИ-моделей. Ее подготовили авторы из Сбера совместно с международными университетами.
Сегодня обучение нейросетей часто приходится запускать много раз: случайные факторы могут заметно влиять на итоговый результат. В некоторых задачах разработчикам приходится усреднять результаты множества запусков, что неудобно на практике.
Авторы исследования впервые провели строгий анализ сходимости метода Clip-SGD именно для последней, а не для усредненной итерации. Это означает, что модель можно обучить один раз и получить предсказуемый результат без дополнительных перезапусков.
Особенно важным такой подход может оказаться для медицинских систем, автопилотов и финансовых сервисов, где критичны стабильность и доверие к итоговым расчетам.
Нейросети научили быстрее моделировать сложные процессы
Еще одна научная статья, подготовленная исследователями Сбера, AIRI и Сколтех, предлагает новый способ моделирования сложных систем.
Метод основан на том, что нейросеть учится предсказывать базисы решений по параметрам задачи, используя геометрию Грассмана. Вместо того чтобы каждый раз проводить длительные вычисления, система заранее обучается на примерах и затем быстрее подбирает подходящее решение для новых условий.
По словам авторов, это позволяет снизить количество ошибок на 10−30% в задачах, связанных с моделированием дифференциальных уравнений, оптимизацией и управлением сложными системами.
Практическое применение таких технологий возможно в нефтегазовой отрасли, авиации и финансовом секторе, где важно быстро моделировать процессы и оценивать риски в реальном времени.
ИИ для видео без артефактов
На воркшопе конференции исследователи Сбера, AIRI и Сколтеха также представили технологию обработки видео, которая помогает сделать движение в кадре более плавным и естественным.
В отличие от традиционных подходов, где каждый кадр анализируется отдельно, новая модель учитывает связь между соседними кадрами и «понимает», как развивается движение во времени. Благодаря этому видео выглядит более целостным — без резких скачков, дерганий и разрывов.
Такие решения могут использоваться для улучшения видеозвонков, восстановления архивных записей, замедления спортивных роликов и обработки видео с камер наблюдения.
Во время конференции Сбер также организовал международный нетворкинг-митап, который посетили более 200 участников ИИ-сообщества из США, Македонии, ОАЭ, Индии и других стран. Гостям показали собственные ИИ-разработки компании, включая GigaChat и Kandinsky.
Ранее Наука Mail писала, какие профессии в науке может вытеснить ИИ.
