Совет Комиссии и НТР России

Комиссия по научно-технологическому развитию РФ (при Правительстве) получает в свой состав новый орган – Научно-технический совет.

НТС КНТР займется научным и экспертным сопровождением работы Комиссии.

Функции у Совета широкие:
а) Экспертиза проектов перечней приоритетов НТР и важнейших наукоемких технологий и проектов изменений.
б) Аналитика и рекомендации в области НТР, особенно – по наиболее важным вопросам конкурентоспособности и суверенитета.
в) Предложения по бюджету гражданских НИОКР.
г) Рассмотрение и экспертиза представленной ФОИВами информации о достижениях НТР.
д) Экспертиза информации, передаваемой Комиссией в Совет при Президенте по науке и образованию, включая доклад.
е) Подготовка документов по вопросам компетенции Совета или поставленных перед ней Комиссией (ее президиумом).
ж) Предложения по совершенствованию деятельности ФОИВов по государственной научно-технической политике и ВИП ГЗ.
з) Иные вопросы в области компетенций.

Состав: не более 30 членов, включая председателя, зампредседателя и ученого секретаря. Ротация один раз каждые 2 года не менее чем на одну треть. Создается Президиум НТС.

Состав Совета формируется из числа ведущих ученых по приоритетам научно-технологического развития и представителей организаций реального сектора экономики, заинтересованных в использовании научных, научно-технических результатов по приоритетам научно-технологического развития.

Председатель Совета и Президиума – по должности президент РАН.

Формируются секции по приоритетам в соответствии с новой редакцией Стратегии НТР.

Оргтехобеспечение осуществляет РАН за счет имеющихся средств.

Итоги
НТС КНТР становится еще одним показателем включенности Российской академии наук в процесс принятия решений по вопросам научно-технологической политики РФ.

Научно-технический совет будет дополнять Комиссию по НТР, в которой преимущественно входят управленцы. В НТС же в большей степени нацелен на экспертов и ведущих представителей научно-технологического сообщества.

Подробнее.

Найден способ оптимизировать большие языковые модели до 15% без потери качества

Команда ученых из Сбера, лаборатории FusionBrain Института AIRI и «Сколтеха», изучив устройство 20 известных open source языковых моделей по типу декодера, обнаружила высокую линейную зависимость между эмбеддингами. Это принципиально новое свойство больших языковых моделей позволяет оптимизировать модели-трансформеры на 10–15% без потери в качестве.

Нивелировать проявления негативных свойств линейности во время предобучения и улучшить метрики качества модели позволяет разработанный российскими специалистами регуляризатор. С его помощью ученые заменяют сложные блоки слоев модели на более простые.

По словам старшего вице-президента и руководителя блока «Технологическое развитие» Сбербанка Андрея Белевцева, следующим этапом исследований станет тестирование рассмотренной идеи. В случае успеха разработку распространят на флагманские модели GenAI.

«Поиск таких смекалок в AI-архитектурах позволяет частично компенсировать вычислительный голод, поэтому мы продолжим поддержку таких исследований в направлении обучения больших моделей», — пообещал он.