
ICLR 2026 в Рио: главные тренды и прорывы в ИИ
В репортаже AIRI рассказываем о ключевых докладах ICLR 2026, новых моделях, росте внимания к безопасному ИИ и перспективных направлениях, которые зададут тон исследовательской работе в 2026‑м году.
Конференция ICLR 2026, прошедшая в конце апреля в живописном Рио‑де‑Жанейро, собрала более 8 000 участников и более 2 500 представленных работ. По мнению корреспондентов AIRI, событие продемонстрировало несколько чётко очерченных трендов.
1️⃣ Масштабные трансформеры нового поколения. На главных сессиях были представлены модели GPT‑5 от OpenAI и Gemini 2 от Google, обе с более чем 1 трлн параметров и улучшенными механизмами контекстного управления. Авторы подчеркнули рост эффективности обучения за счёт «sparse‑attention» и новых оптимизаторов, сокращающих энергопотребление на 30 %.
2️⃣ Интеграция мультимодальности. Команда DeepMind представила Multimodal‑Mamba, способную одновременно обрабатывать текст, изображение, аудио и видеопотоки, демонстрируя превосходство в задачах «video‑question‑answering» (в среднем +12 % точности).
3️⃣ Безопасность и интерпретируемость. На отдельном воркшопе обсуждались методы «robust prompting» и новые стандарты оценки риска, включая открытый набор тестов SafetyBench‑2. Было объявлено о совместном проекте между Microsoft и MIT по созданию «проверяемых» LLM.
4️⃣ Эко‑ИИ и энергоэффективность. Исследователи из Hugging Face продемонстрировали Green‑Transformer, обучаемый на 40 % меньше энергии без потери качества, что стало темой оживлённой дискуссии.
5️⃣ Приложения в реальном мире. На постер‑сессиях показали успешные кейсы применения ИИ в медицине (диагностика редких болезней), климатологии (прогнозы экстремальных событий) и генеративном дизайне.
В целом, ICLR 2026 подтвердил, что индустрия идёт к более масштабным, мультимодальным и безопасным системам, одновременно повышая требования к энергоэффективности и прозрачности моделей.
Для разработчиков и студентов это сигнал: новые трансформеры требуют навыков работы с «sparse‑attention» и оптимизаторами, а также понимания принципов безопасного промптинга. Интерес к энерго‑эффективным моделям открывает возможности для исследований в области «зеленого» ИИ. Следите за открытыми наборами SafetyBench‑2 – они скоро станут базой оценки ваших проектов.