turbo-llm/t-search-harness

Turbo ML Conf от Т-Банка: немного про вайб, поисковую модель и агентов Был вчера на Turbo ML Conf — большой ML-конференции Т-Банка. Впервые в жизни присутствовал под бейджем СМИ, мне мероприятие показалось серьезным, оптимистичным и интересным. 🙋🏻‍♂️ Немного личного мнения: конференция скорее про науку и спортивный интерес к работе. Да, были демо-стенды с новыми ассистентами от Т-Банка, помощником для создания объявлений Авито и другими стендами от российского биг-теха, но основная начинка вокруг ML/DS/LLM как науки. Делюсь интересными моментами. 🧺 Open-source рекомендательная система Так как у Т-банка есть большой объем данных по покупкам и чекауту, они представили опенсорсный фреймворк для рекомендательных систем Perseus. Фреймворк отличается гибкими настройками и гарантированной выборкой покупок на фоне других метрик для лучшего попадания в интересы. Ссылку на репо увидеть не успел, но приложу к этому посту когда появится. 🔎 T-Search — модель, бенчмарк и агент для поиска. Харнес: https://github.com/turbo-llm/t-search-harness Модель: https://huggingface.co/t-tech/T-Search Бенчмарк: https://huggingface.co/datasets/t-tech/TRuST Интересно переосмыслен ретрив. T-Search сам не пишет ответ — ищет и отдаёт следующей модели лучшие найденные куски. Работает раундами: контекст раунда ограничен, при заполнении история стирается, и дальше едет только то, что модель сама решила сохранить (причём слово в слово). Отдельного «чистильщика» нет — это одна модель, которую дообучили собирать чанки как можно полнее. База — Qwen3.6-35B-A3B. Прямых цифр по деградации на длинном контексте не нашёл. 🔊 Про голосовых агентов Сразу несколько команд представляли свои решения в области риалтайм голосовых ассистентов. Был подробный доклад про оптимизацию инференса в TTS, чтобы увеличить пропускную способность. Был один разговор на видеокарту, стало ЕМИП x8. 💸 Про MCP для Авито На мероприятии был стенд от Avito-tech, где компания представляла интерфейс для быстрого созд