Победы AI Talent Hub: публикации на EACL и ECIR, курс по ИИ-агентам и выступления на IT-конференциях
География побед и выступлений сообщества AI Talent Hub в этом сезоне растянулась от Марокко и Нидерландов до Сербии, Ульяновска и Екатеринбурга. Магистранты, выпускники, аспиранты и менторы Хаба представили исследования на международных конференциях, получили награды за научные работы, запустили образовательные инициативы по ИИ-агентам и выступили на крупнейших IT-событиях России.
В этой подборке — главные достижения участников AI Talent Hub: Outstanding Paper Award на EACL SRW 2026, доклады на ECIR 2026, бесплатный курс Intro to AI Agents в Сербии, выступления на конференциях Стачка и DUMP, а также проекты на стыке LLM, рекомендательных систем, OCR, поиска, блокчейна и агентных технологий.
Тимур Ионов получил Outstanding Paper Award на EACL SRW 2026
ALUMNI и аспирант AI Talent Hub Тимур Ионов получил Outstanding Paper Award на EACL SRW 2026 за исследование, которое выросло из его выпускной квалификационной работы в Хабе.
Работа называется Call, Reward, Repeat: Advancing Dialog State Tracking with GRPO and Function Calling. В ней Тимур совместно с Валентином Малых, научным руководителем AI Talent Hub, применил RL-обучение с вызовом инструментов к задаче отслеживания состояния диалога.
Dialog State Tracking — важная задача для диалоговых систем: модель должна понимать, что уже известно о запросе пользователя, какие параметры были уточнены и какое действие нужно выполнить дальше. Это особенно актуально для ассистентов, которые работают не только с текстом, но и с внешними функциями, API и инструментами.
Подход команды показывает SOTA-результат и обгоняет модели в четыре раза большего размера. Это важный пример того, как грамотная постановка задачи, reinforcement learning и tool calling могут повышать качество диалоговых систем без простого увеличения размера модели.
Тимур отдельно подчёркивает роль сообщества:
«Со всеми коллегами и соавторами я познакомился ещё во время учёбы в магистратуре, а публикации выросли из практик и ВКР».
Этот кейс хорошо показывает, как проектная работа в магистратуре может вырасти в международную научную публикацию и получить признание на конференции уровня EACL.
Вторая работа на EACL: инструментарий для надёжности LLM
Кроме награждённой статьи, Тимур Ионов представил на EACL ещё одну работу — совместно с талантом 2 курса Евгением Николаевым.
Работа называется DeepPavlov Strikes Back: A Toolkit for Improving LLM Reliability and Trustworthiness. Она посвящена инструментам для повышения надёжности больших языковых моделей.
В фокусе проекта — обновление инструментария DeepPavlov для работы с выводом LLM: токсичностью, галлюцинациями, необходимостью обращения к внешним источникам и другими аспектами доверия к ответам модели.
По словам Евгения Николаева:
«DeepPavlov 1.1 направлен на обновление инструментария библиотеки по работе с выводом LLM: токсичность, галлюцинации, необходимость внешних источников — с упором на скорость работы, bert-like vs LLM».
Такие инструменты становятся всё важнее для индустрии. Чем активнее LLM встраиваются в продукты, ассистентов, корпоративные сервисы и исследовательские пайплайны, тем выше требования к проверке фактов, безопасности, скорости и устойчивости вывода.
Данил Картушов и Владислав Куликов выступили на ECIR 2026
ALUMNI AI Talent Hub Данил Картушов и талант 1 курса Владислав Куликов выступили на ECIR 2026 в Нидерландах — одной из заметных конференций в области информационного поиска и рекомендательных систем.
Их работа называется Pre-trained LLMs Meet Sequential Recommenders: Efficient User-Centric Knowledge Distillation.
В центре исследования — вопрос, как использовать знания больших языковых моделей для улучшения рекомендательных систем. LLM хорошо понимают контекст, логику пользовательского выбора и сложные зависимости в данных, но они слишком тяжёлые для быстрых рекомендаций в production-сценариях.
Команда исследует, как перенести знания из большой модели в более лёгкую рекомендательную модель на этапе обучения. Такой подход позволяет сохранить часть интеллектуальных преимуществ LLM, но сделать систему более эффективной для реального использования.
Это важное направление для рекомендательных систем: индустрии нужны модели, которые не только дают качественные рекомендации, но и работают быстро, стабильно и экономично.
Никита Северин запустил бесплатный курс по ИИ-агентам и LLM в Сербии
Ментор AI Talent Hub Никита Северин запустил бесплатный англоязычный курс Intro to AI Agents в Сербии. Программа реализуется совместно с сообществом Data Sanity и основана на обновлённых материалах курса «Введение в LLM», который Никита преподавал в Хабе.
Изначально команда планировала набрать 50 участников, но получила 207 заявок и расширила набор до 100 человек.
За два месяца участники курса проходят путь от основ LLM, промпт-инжиниринга и RAG до агентных систем, пайплайнов тестирования и деплоя приложений с LLM под капотом.
Курс объединяет сербскоговорящее и русскоговорящее IT-сообщества и помогает специалистам собрать целостную картину разработки ИИ-приложений: не только как пользоваться моделями, но и как проектировать системы вокруг них.
Этот кейс показывает, как экспертиза AI Talent Hub выходит за пределы магистратуры и превращается в международные образовательные инициативы.
Александр Утков и Артём Астапенко выступили на конференции «Стачка»
ALUMNI AI Talent Hub Александр Утков и магистрант Артём Астапенко выступили на Стачке — крупнейшей региональной IT-конференции России.
Артём Астапенко представил кейс своего ИИ-стартапа AgentArea и рассказал об агентской экономике будущего на стыке ИИ, блокчейна и новых моделей цифрового взаимодействия.
AgentArea развивает идею среды, где ИИ-агенты могут выполнять задачи, взаимодействовать с пользователями и участвовать в новых форматах цифровой экономики. Это направление отражает общий тренд на agentic-системы: от одиночных ассистентов к более сложным экосистемам автономных инструментов.
Александр Утков выступил с докладом «Древнеегипетская OCR: как мы учили модель читать иероглифы». Проект посвящён распознаванию древнеегипетских иероглифов с помощью методов компьютерного зрения и OCR.
Такие задачи интересны тем, что соединяют ИИ, гуманитарные исследования и работу с редкими типами данных. В отличие от стандартного OCR для современных текстов, здесь модель сталкивается с историческими символами, сложной визуальной структурой и ограниченным объёмом размеченных данных.
Влад Попов выступил на DUMP в Екатеринбурге
Магистрант 1 курса AI Talent Hub Влад Попов выступил на DUMP — крупнейшей IT-конференции Урала.
Его доклад был посвящён переосмыслению архитектуры поискового движка через опыт построения больших языковых моделей. Влад рассказал, как команда перенесла экспертизу из разработки LLM в задачу поиска: от качества ранжирования и производительности вывода до масштабирования на большом количестве документов.
По словам Влада:
«Рассказ был выстроен вокруг анти-паттернов, которые часто тащат в прод, и рабочих альтернатив с реальными метриками “до/после” из нашей системы — то есть только того, что мы сами проверили и применяем в проде».
Такой подход особенно ценен для инженерной аудитории: вместо абстрактных рассуждений о технологиях доклад показывает, какие решения действительно работают в production-системе, а какие паттерны лучше не переносить в реальные проекты.
Почему эти достижения важны для AI Talent Hub
Победы и выступления участников AI Talent Hub показывают, как работает проектная модель магистратуры. Исследования, ВКР, практики, курсы и комьюнити становятся не отдельными учебными активностями, а точками роста для реальных научных, инженерных и образовательных результатов.
В этих кейсах видно сразу несколько направлений развития:
— международные научные публикации в NLP, LLM и рекомендательных системах;
— инструменты для повышения надёжности больших языковых моделей;
— образовательные инициативы по ИИ-агентам;
— стартапы на базе agentic-технологий;
— проекты на стыке ИИ и гуманитарных исследований;
— инженерные доклады о поиске, LLM и production-подходах.
Для студентов это возможность увидеть, что проекты в магистратуре могут продолжаться после защиты: превращаться в статьи, конференционные доклады, стартапы, курсы, исследования и индустриальные решения.
Итог
Сообщество AI Talent Hub продолжает усиливать присутствие в научной, инженерной и образовательной повестке. Магистранты, выпускники, аспиранты и менторы выступают на международных конференциях, получают награды за исследования, запускают курсы и делятся production-опытом на крупных IT-событиях.
От EACL и ECIR до Стачки и DUMP — эти достижения показывают, что обучение в AI Talent Hub может стать не только образовательным этапом, но и стартовой площадкой для научной карьеры, инженерного роста, международных публикаций, стартапов и профессионального влияния в ИИ-сообществе.