llm

Аналитический разбор. 18.10.2026

1. Задача и архитектура

Проверялась возможность построить дополнительный слой информации для восьми российских нефтяных акций: LKOH, ROSN, SIBN, BANE, BANEP, SNGS, SNGSP и TATN.

Исходная концепция объединяла машинное обучение, LLM-анализ фундаментальных факторов и классические методы оценки. Девять этапов включали исследование гипотез, подготовку признаков, линейные модели, генетический поиск, торговую модель и четыре версии модели fair price.

LLM использовались не как генераторы торговых сигналов, а как участники исследовательского процесса:

• ChatGPT — постановка задач, методология, критерии приёмки и аудит логики.

• DeepSeek — реализация кода, тестирование, диагностика ошибок и интерпретация результатов.

• Ridge и Lasso — линейные методы ранжирования и отбора признаков.

• LightGBM — нелинейное ранжирование и попытка моделировать отклонение цены от базовой оценки.

• QuantGplearn — генетический поиск формул.

( Читать дальше )

С момента проектирования и запуска проекта прошло уже достаточно времени, чтобы можно было проанализировать данные и начать доработку сервиса.

Продолжается планомерное развитие Health-Check, сервис ии-анализа инвестиционных портфелей.

Для тех, кто ещё не знаком с проектом: Health-Check помогает посмотреть на состав инвест-портфеля, его сильные стороны и риски с учётом цели, горизонта и отношения к просадкам. Позиции можно внести вручную или загрузить скриншотами, результат сохраняется в личном кабинете.

Что изменилось внутри

Обновились ии-модели на нескольких этапах работы сервиса: от распознавания скриншотов до подготовки итогового разбора и пояснений к событиям в портфеле. Это не редизайн и не новая кнопка, поэтому внешне обновление можно и не заметить.

Команда продолжает пересматривать выбор моделей, настраивать их под конкретные задачи и дорабатывать логику анализа. Цель простая: более содержательные объяснения, меньше шаблонных формулировок и лучшее соответствие ответа тому портфелю, который загрузил человек.

( Читать дальше )

Новость № 1

Проект ArtCraft с помощью ИИ за месяц сделал аналоги самых популярных офисных приложений. Все приложения написаны на Rust.

Уже были созданы:

1. PhotoCraft — аналог Photoshop
2. VectorCraft — аналог Illustrator
3. FilmCraft — аналог Premier
4. LightCraft — аналог Lightroom
5. PdfCraft— аналог Acrobat
6. EffectCraft — аналог After Effects
7. DesignCraft — аналог InDesign

Также в более ранней стадии разработки находятся WordCraft, GridCraft, DeckCraft (аналоги Word, Excel и PowerPoint), CadCraft и другие.

Все программы под лицензиями Apache 2.0 и MIT. Все написаны на Rust. Все работают под Windows, MacOS, Linux и браузерами. Все стараются быть максимально идентичными оригиналам. Все поддерживают MCP.

Практически всё было разработано за 1 мес., аналог Word сделали за неделю! Релизы 0.1-0.5 выходят практически через день! Аналог Ворд написанный на Rust — грузится и закрывается моментально за 1 с.

Новость № 2

( Читать дальше )

Развивая данную тему поинтересовался, а может ли ИИ (#LLM) в том виде, котором мы их используем через чаты и API решать задачу поиска оптимального решения.

Были взяты самые популярные сервисы: #YandexGPT 5.1 (через #API с векторной базой #YDB и без), #DeepSeek 4 Flash (через API Yandex Cloud), #GigaChat 3.5 Ultra (чат), #ChatGPT-5.6 Luna, #Claude Sonnet 5.

Проверка результата через #RStudio.

Для примера была взята классическая задача (поиск весов ИИ), это поиск минимальных остатков. В математике, это метод наименьших квадратов (МНК).

Где применяется? Например, расчет премий по лестнице достижений (% продаж). Или решение задачи подбора параметров в матрицу через функцию минимизации затрат или максимизации выручки. В Excel для этого часто используют функции ВПР или ПОИСКПОЗ+ИНДЕКС.

Немного ранее писал, что решил свою давнюю задачу по запуску обучения разных видов (ИИ) моделей (DNN, LSTM и др) на исторических данных “с учителем”.

Первая

https://smart-lab.ru/blog/1350243.php

( Читать дальше )

В прошлом посте были Норникель, ТМК и Х5. Теперь — ещё два показательных примера.

⏩Не отстаёт и Магнит. В декабре 2025 года он запустил в мобильном приложении ИИ-ассистента Мэджик. Это собственная разработка технологической команды ритейлера с использованием open-source решений и сторонней коммерческой LLM. Ассистент помогает покупателям формировать подборки товаров — например, подбирает продукты для завтрака, обеда или ужина по заданным критериям.

В апреле 2026 года Магнит объявил о планах масштабировать пилотное решение ИИ-ассистента на распределительные центры и автотранспортные предприятия. Компания также создала лабораторию искусственного интеллекта для внедрения LLM во внутренние процессы.

Ну и посмотрим в небеса.

⏩В мае 2026 года Аэрофлот представил на ЦИПР умного голосового помощника для пассажиров и цифрового аватара Василису. LLM-модель помогает боту глубже понимать запросы, гибко вести диалог и самостоятельно выстраивать оптимальную цепочку действий — например, подбирать билеты. Технология RAG (Retrieval-Augmented Generation) делает диалог с аватаром живым и адаптивным, поддерживая широкий диапазон сценариев общения.

( Читать дальше )

Но на самом деле нейросети проникли во множество различных сфер, и многие компании активно их внедряют. Посмотрим на несколько примеров.

⏩Норникель ($GMKN) в этом году выпустил MetalGPT-1 — первую в мире доменную модель на 32 млрд параметров, оптимизированную под металлургию. На сегодняшний момент единственная металлургическая компания с собственной LLM — под капотом полноценная собственная разработка с открытым исходным кодом.

Умные системы компании уже контролируют 80% ключего оборудования и приносят свыше 10 млрд рублей подтверждённого экономического эффекта в год. К 2030 году две трети технологических процессов в Норникеле будут выполняться с помощью ИИ.

⏩ТМК использует ИИ по всей производственной цепочке- от анализа сырья и подбора оптимального состава стали до контроля качества готовой продукции, вплоть до того, что используют специальные технологии транскрибации, которые фильтруют производственный шум и минимизируют ошибки при ведении электронных журналов.

Также компания создала программный продукт на базе LLM для оперативной работы с нормативными и техническими документами — он ускоряет обработку запросов от внутренних и внешних клиентов. И классика — LLM и генеративный ИИ встроены в корпоративного чат-бота ТёМКа, которым активно пользуются работники компании.

( Читать дальше )

Госкорпорации и крупный бизнес всё чаще присматриваются к большим языковым моделям. Только за последний месяц сразу несколько неожиданных игроков объявили о тестировании или внедрении LLM в свои процессы. Россети — один из самых ярких примеров.

⚙️В августе 2026 года компания планирует определить подрядчика для внедрения интеллектуального помощника на базе LLM в масштабах всей группы. Техническое задание уже опубликовано в ЕИС «Закупки». Помощник будет давать сотрудникам доступ к LLM и технологии RAG (Retrieval-Augmented Generation) через портал сетевых услуг — для ускорения навигации и поиска информации.

Зачем это Россетям? Кажется, что это максимально консервативный и “заземлённый” бизнес, для чего им LLM-модели?

⏩А вот смысл на самом деле — очень большой.

Главная причина — повышение операционной эффективности. Энергокомпания управляет огромным количеством распределённых объектов, и скорость доступа к регламентам, инструкциям и технической документации критически важна для работы. Внедрение LLM-помощника — попытка решить эту задачу системно.

( Читать дальше )

Выпущена обновленная версия платформы MetaTrader 5 в бета-режиме.

Главное нововведение этого обновления — встроенная поддержка Model Context Protocol (MCP) и агентного искусственного интеллекта. Благодаря этому терминал и MetaEditor получают встроенного AI Assistant, который помогает анализировать рынки и торговую активность, разрабатывать программы на MQL5, объяснять код, находить ошибки и автоматизировать решение сложных задач. Кроме встроенного помощника, платформа поддерживает подключение внешних ИИ-агентов, совместимых с MCP, включая OpenAI Codex, Claude Code и другие решения.

Еще одним важным нововведением стала поддержка Passkey — современного механизма защиты торговых счетов. Passkey обеспечивает дополнительный фактор аутентификации при входе в аккаунт, защищая пользователей от фишинга и несанкционированного доступа. Хранить ключ можно как на мобильном устройстве, так и на аппаратном ключе безопасности.

Для разработчиков мы существенно улучшили MetaEditor. В редакторе появились долгожданные функции сворачивания блоков кода и подсветки всех вхождений выделенного идентификатора, упрощающие работу с большими проектами.

( Читать дальше )

Скотт Александр написал пост о том, что AI-суперпредсказатели (современные LLM со специальной обвязкой, заточенной под эту задачу) дескать уже сейчас соревнуются в корректной оценке вероятностей разных событий плюс-минус на равных с топовыми человечьими суперфоркастерами.

Он там приводит в пример FutureSearch – один из таких специализированных ИИ-инструментов, который находится в более-менее открытом доступе. Естественно, я не мог упустить возможность потестировать его!

Смотрите, я на той неделе писал о возможности сделать на Полимаркете ставку на то, что Путин останется у власти как минимум до конца текущего года, по «цене» 86% (что эквивалентно «доходности к погашению» в размере 37,5% годовых в долларах). Сейчас уже вероятность поднялась до 89% (прибыль 3,5% за неделю, noice!), но всё равно остается на глаз довольно низкой.

Так вот, я попросил этот самый FutureSearch оценить вероятность ухода Путина с поста президента до конца года по любым причинам – результат можно наблюдать на приложенном скриншоте.

( Читать дальше )

Это моя вторая часть заметок с Perm Winter School '26, некоммерческой научно‑практической конференции.

В первой части я рассказал, что если просто взять котировки, скормить их нейросети попросив предсказать куда пойдёт рынок завтра, то скорее всего получится красивая иллюзия, которая может выглядеть убедительно, но в реальной жизни всё закончится убытками. Первая часть была довольно популярна и собрала 103 комментария, хотя многие написали что‑то вроде «Вы просто не ту модель пробовали», «Нужно больше данных», «Надо давать нейросети не график OHLCV, а что‑то другое».

И в целом я согласен с таким ходом рассуждений, потому что из конференции я вынес не то, что нельзя заработать на бирже, а то, что большинство частных трейдеров решают вообще не ту задачу.

Ошибка новичка: искать ответ на вопрос «куда пойдет рынок»

Когда мы смотрим на график конечно же сразу возникает вопрос — вверх или вниз? И вся индустрия трейдинга построена на этой бинарной ловушке — что на рынке всего две кнопки:

( Читать дальше )