NSS Lab News

ИИ меняет то, как студенты выполняют задания, а значит, и подходы к оцениванию должны меняться тоже ❤️

Серия еженедельных встреч «Открытые практики оценивания с ИИ» поможет коллегам делиться своим опытом: удачными решениями, сложностями и ошибками. Тема очередной встречи: OSA.Edu — инструмент для комплексного анализа студенческих работ

08 октября, 11:00, онлайн 
→ Регистрация

OSA.Edu сопоставляет текст дипломной работы и программный код проекта и помогает находить расхождения между описанной и реализованной функциональностью. Андрей Гетманов, руководитель проекта, аспирант и младший научный сотрудник Института ИИ ИТМО, расскажет, какие задачи инструмент может решать, как он будет влиять на подготовку и защиту и где останутся границы ответственности

! особенно ждем тех, кто скептически относится к необходимости менять привычные подходы, — такая позиция критически важна для объективности разговора

#be_pro
💋 Мы в ВК

Началась первая часть трансляции второго дня XXII конференции разработчиков свободных программ!

Главные темы на сегодня:

🔶 Git-reveal: демонстрационные презентации на базе git-репозиториев

🔶 PAUK: карта научного кода ИТМО, собранная из открытых данных

🔶 GNOME по-нашему, несколько историй об организации сообщества ALT Gnome

🔶 Интеграция нейросетевых технологий с программами экранного доступа

🔶 Возможности интеграции ИИ-инструментов в Linux-системы

Полная программа доступна по ссылке

Присоединяйтесь к трансляции:

📹 Сайт
📹 VK Видео
📹 RuTube
📹 YouTube

🔥10 октября в Москве — конференция «ИИ: Наука в действии»

Sber AI Lab и Университет ИТМО собирают исследователей, инженеров и лидеров индустрии, чтобы обсудить переход от передового AI-ресерча к реальным продуктам.

🔆В программе:
🔘11 докладов от топовых исследователей из Сбера, ИТМО, МФТИ, Сколтеха, AIRI и T-Bank.
🔘Панельная дискуссия «От науки к бизнес-внедрению» с участием профессоров и топ-менеджеров ведущих AI-центров.
🔘Международный keynote спикер.

🔆Ключевые темы:
🔘Фабрики LLM-агентов, управление знаниями и мультиагентные системы для автоматизации исследований и разработки.
🔘Эффективный инференс, сжатие MoE-моделей и оптимизация контекста в RAG-системах.
🔘Надежность и оценка LLM: детекция галлюцинаций, доверие к моделям и LLM-as-Judge.
🔘Обработка банковских данных и внедрение ИИ-решений.

Зачем быть очно?
☑️Разобрать практический опыт внедрения
☑️Задать вопросы авторам исследований напрямую
☑️Нетворкинг с командами Sber AI Lab

📍Москва, Офис Сбера
📆10 октября, 11:00–18:00

➡️Программа и регистрация по ссылке!

✈@sb_ai_lab

ТОЧНОФинал_ВКР_после правок научника_v17.1.docx

Знакомо? Админу тоже 😞

В идеальном мире код и его описание в работе совпадают. Но на защите может выясниться, что одна функция переехала в другой модуль, другая осталась только в черновиках, а третья работает, но о ней не написано в тексте.

С проблемой сталкиваются не только студенты, но и разработчики по всему миру. В ИТМО для ее решения создали новый инструмент для проверки дипломных работ по ИТ-направлениям OSA.Edu. Он сравнивает, что написано в пояснительной записке, с тем, что на самом деле делает программа.

🥸 Система работает как редактор: помогает студенту исправить работу до того, как ее увидит комиссия.

Разработку уже апробировали на 80 выпускных работах магистрантов факультета технологий искусственного интеллекта ИТМО. В ближайших планах — тестирование на кандидатских диссертациях.

Подробнее об OSA.Edu и о том, как инструмент для ученых помог решить проблемы студентов, — в статье 👈

#разработки

😵 Парковка ИТМО

🎓 Работы выпускников. Как научить ИИ генерировать README для проектов с открытым кодом

У открытого репозитория без README не разобраться — это его описание и точка входа. Но писать и поддерживать его руками долго, поэтому README часто устаревает или его нет вовсе.

Захар Попов, выпускник магистратуры ФТИИ по программе «Искусственный интеллект в промышленности», в дипломной работе собрал конвейер, который генерирует README автоматически — для репозиториев на GitHub, GitLab, GitVerse и SourceCraft. Научный руководитель — Николай Никитин.

Это не отдельный скрипт, а модуль проекта OSA — открытой разработки лаборатории АИСТ. Внутри — мультиагентная система с циклом самооценки: она не просто генерирует README, а сама проверяет и улучшает результат.

Чем работа сильна:
🔹 README собирается в один клик — не нужно вручную писать и обновлять документацию;
🔹 Захар в команде OSA с самого зарождения проекта: за два года видел, как тот растёт — новые возможности, конференции, статьи;
🔹 больше всего в работе ему было ценно проектировать архитектуру вместе с командой и доводить первые прототипы до рабочего результата.

Работу Захара отдельно отметила государственная экзаменационная комиссия.

Где это пригодится: всюду, где у проекта с открытым кодом должен быть понятный README, но писать его руками некогда.

Что дальше — Захар продолжит развивать OSA в составе команды.

Репозиторий с кодом: https://github.com/aimclub/OSA

#работы_выпускников

RAGU - на HuggingFace!

Сегодня мы выложили на HuggingFace препринт про открытый GraphRAG-фреймворк RAGU.

RAGU - это модульный GraphRAG-движок, который превращает сырой текст в граф знаний: извлекает сущности и связи, строит и чистит граф, а затем ищет ответы через локальные, глобальные или гибридные стратегии.

Этот проект сейчас разрабатывается совместно Лабораторией прикладных цифровых технологий НГУ (Иван Бондаренко) и Лабораторией автоматизированного мульти-агентного ИИ ИТМО (Николай Никитин). В разработке активно участвуют студенты обоих университетов.

В комплект фреймворка входит также новая компактная модель Meno-Lite-0.1 на 7B параметров (первое место на SemEval-2026 Task 8 MTRAG). В препринте, (сейчас он на рецензии на одной из A*-конференций), мы показали, что для построения качественного графа знаний не обязательно задействовать большие модели: наш 7B-экстрактор показывает результат лучше, чем Qwen2.5-32B на построении графов. Также, фреймворк недавно ставил одним из победителей конкурса Yandex Open Source.

Если говорить о конкретных цифрах:
RAGU достает до 84% релевантного контекста в медицинских бенчмарках (у конкурентов ≤76%). Мы обходим HippoRAG 2 на креативных задачах (59.0 против 56.9). При этом стоимость обработки — $0.001 за документ в сравнии с $0.10 у API-решений.

Как пользоваться RAGU:
Ставится одной командой pip install graph_ragu, работает на обычной потребительской видеокарте. Код открыт (MIT), веса — Apache 2.0.

Как поддержать:

Если разработка заинтересовала, то ее можно поддержать в Daily Papers на Huggingface, поставив upvote тут: https://huggingface.co/papers/2607.11683

Также, будет рады звездочкам на репозиторий: https://github.com/RaguTeam/RAGU

Если есть вопросы - пишите в комментариях или в Issues на GitHub.

P.S. Если хотите посмотреть, как всё работает:
- 2 минуты: базовая настройка и первый запуск
- 11 минут: глубокое погружение в конфигурации пайплайна