عرضت VK ثلاثة مشاريع طلابية من EMS — من benchmark متعدد الوسائط إلى تحليل النص

VK рассказала о трёх проектах студентов Инженерно-математической школы, которую компания развивает вместе с НИУ ВШЭ. Все три кейса находятся на стыке науки и прикладной разработки: от оценки мультимодальных моделей на русском языке до удешевления языковых архитектур и анализа психологического состояния по тексту.

Какие проекты показали

Главный акцент в подборке — на разработках, которые решают вполне прикладные проблемы, а не выглядят как учебные демо. Первый проект — русскоязычный бенчмарк для оценки visual-language models. Его автор взялся за проблему, знакомую почти всем командам, которые тестируют мультимодальные модели в локальном контексте: англоязычные наборы плохо отражают российские реалии, культурные отсылки и исторический фон. В результате в VK появился инструмент, который уже используют для сравнения open source-моделей и оценки того, насколько хорошо они понимают русскоязычные сценарии.

• Русскоязычный VLM-бенчмарк для более честной оценки мультимодальных моделей Линейный механизм внимания для обработки последовательностей с меньшими затратами Система психолингвистического анализа, отслеживающая эмоции и состояния в тексте Второй проект сфокусирован на фундаментальной проблеме современных трансформеров: attention-механизмы остаются слишком дорогими по вычислениям, а их сложность часто растёт квадратично. Команда ИМШ работает над линейным двунаправленным механизмом, который должен ускорить обучение и инференс без тяжёлой низкоуровневой реализации. Третий кейс — инструмент психолингвистического анализа. Он должен отличать прямое выражение эмоции от косвенных сигналов, замечать смену состояния внутри диалога и опираться на данные, размеченные специалистами, а не только на общие текстовые корпуса.

Чем полезна мастерская

Из материала видно, что ИМШ для VK — это не просто образовательный бренд, а формат раннего найма и выращивания специалистов под реальные задачи. Один студент после проекта по VLM устроился в команду VK, другой углубился в исследование архитектур нейросетей, третий довёл свой кейс до научной работы, которая заняла первое место на конкурсе НИРС ВШЭ по психологии. Такой результат появляется не из-за формальной стажировки, а из-за связки «прикладная задача + наставник из индустрии + требование довести работу до рабочего состояния».

«Те, кто сможет улучшить показатели понимания психологии моделями, получат существенное расширение задач для LLM».

Судя по описанию студентов, ценность мастерской не только в теме проекта, но и в процессе. Участники читают первоисточники, обсуждают решения с кураторами VK, строят собственные гипотезы и работают не над игрушечными прототипами, а над системами с архитектурой, разметкой данных, критериями качества и потенциальной интеграцией в продукты. Это даёт сразу несколько практических бонусов: лучшее понимание ML-архитектур, опыт fullstack-разработки, навык формулировать исследовательские вопросы и материал, который действительно усиливает резюме.

Как устроен набор Программа открыта для студентов профильных ИТ-направлений НИУ ВШЭ.

Участники могут работать в мастерских и проходить учебные курсы от VK, получая за это ежемесячно 40 тысяч рублей. Само участие бесплатное, но мест ограниченное количество, поэтому набор идёт по конкурсу. Для кандидатов это выглядит как редкая комбинация: с одной стороны, академическая среда и исследовательские задачи, с другой — понятный выход в индустрию и возможность поработать с командами, которые развивают поиск, рекомендации, рекламу, модерацию и большие языковые модели.

Важно и то, что VK показывает такие истории публично не как HR-витрину, а как демонстрацию конкретных результатов. В статье перечислены и другие проекты школы — от адаптации нейросетевых алгоритмов под отечественные процессоры до MLSecOps-исследований. Это даёт сигнал рынку: компании всё чаще смотрят на университетские мастерские как на способ делать R&D быстрее, чем через классический цикл «вакансия — собеседование — онбординг».

Если модель работает, бизнес получает не только новых людей, но и готовые заделы для продуктов.

Что это значит

Для российского AI-рынка это хороший пример того, как связка университета и большой IT-компании может производить не абстрактные дипломы, а полезные инструменты, исследовательские результаты и будущих сотрудников. Если таких программ станет больше, у локальных команд появится больше собственных бенчмарков, архитектурных экспериментов и прикладных решений под русский язык и местные сценарии.