Omut AI
Лаборатория ИИ

Мы занимаемся научными исследованиями в AI. Наша цель — сделать так, чтобы AI лучше решал задачи людей и стал основой будущих достижений во всех сферах: начиная от естественных наук, и заканчивая практическими разработками

Совместный проект T-Bank AI Research и Центрального университета

Лаборатория базируется в кампусе ЦУ, и помимо исследований, мы вкладываемся в образование студентов, чтобы больше людей в будущем занимались созданием AI

Студенты университета примут участие в проектах лаборатории

Команда лаборатории участвует в создании и преподавании курсов по ИИ в университете

Наши принципы

Мы сконцентрированы на прогрессе в развитии AI. Чтобы достичь этого, наша команда состоит из небольшого числа исследователей и студентов

Направленность на результат

Мы исследуем темы, способные повлиять на область и стать основой новых методов, решающих практические задачи людей

Нацеленность на будущее

Мы высоко ценим сильных инженеров, которые знают, как конвертировать идеи для исследований в эксперименты и научные разработки

Все наши исследования полностью доступны научному сообществу

Открытые исследования

Инженерный фундамент

Наши работы

Omut AI наследует исследовательскую команду T-Bank AI Research, в которой мы занимаемся созданием новых алгоритмов в AI

Больше наших работ

Viacheslav Sinii
Alexander Nikulin
Vladislav Kurenkov
Ilya Zisman
Sergey Kolesnikov

In-Context Reinforcement Learning for Variable Action Spaces

ICML 2024

Подробнее

Stanislav Dereka
Ivan Karpukhin
Maksim Zhdanov
Sergey Kolesnikov

Diversifying Deep Ensembles: A Saliency Map Approach for Enhanced OOD Detection, Calibration, and Accuracy

IEEE ICIP 2024

Подробнее

Yaroslav Aksenov
Nikita Balagansky
Sofia Maria Lo Cicero Vaina
Boris Shaposhnikov
Alexey Gorbatovski
Daniil Gavrilov

Linear Transformers with Learnable Kernel Functions are Better
In-Context Models

ACL 2024

Подробнее

Ilya Zisman
Vladislav Kurenkov
Alexander Nikulin
Viacheslav Sinii
Sergey Kolesnikov

Emergence of In-Context Reinforcement Learning from Noise Distillation

ICML 2024

Подробнее

Alexey Gorbatovski
Boris Shaposhnikov
Alexey Malakhov
Nikita Surnachev
Yaroslav Aksenov
Ian Maksimov
Nikita Balagansky
Daniil Gavrilov

Learn Your Reference Model for Real Good Alignment

Pre-print

Подробнее

Направления исследований

AI Alignment

Важно, чтобы в результате развития AI, его поведение соответствовало ожиданиям человека. Мы смотрим на эту задачу с разных сторон, используя нашу экспертизу как в NLP и RL, так и других областях компьютерных наук

LLM Foundations

Чтобы при помощи LLM лучше решать задачи, стоящие перед людьми, мы исследуем самые основания этих моделей - начиная от методов улучшения их мыслительных способностей, и заканчивая поиском более эффективных архитектур

Multimodal AI

Взаимодействие AI с человеком не должно встречать перед собой преград. Чтобы достичь этого, модели должны как говорить с людьми, так и видеть вокруг себя. Таким образом мы сможем достичь бесшовного опыта между людьми и AI