03.11.2026

С 2 декабря GitHub начнёт по умолчанию блокировать сценарии GitHub Actions, использующие событие pull_request_target в публичных репозиториях. Причина — риск выполнения непроверенного кода с доступом к секретам проекта. Перед введением постоянного ограничения GitHub проведёт две тестовые блокировки, так что у разработчиков будет возможность заранее проверить свои сценарии и при необходимости изменить настройки.

03.11.2026

Российские банки нередко вынуждают клиентов соглашаться на рекламные рассылки при оформлении карт и счетов, пишут «Известия» со ссылкой на жалобы и судебные решения по спорам с кредитными организациями. В одних случаях этот пункт уже включён в документы и отказаться от него отдельно невозможно, в других отметка проставляется автоматически, а клиент может даже не заметить её.

03.11.2026

Паща о̄лэн, Хабр! (Привет, Хабр!)

На связи снова Югорский НИИ информационных технологий (ЮНИИИТ). Продолжаем цикл статей о проекте «Корпус мансийского языка». В первой части мы рассказывали, как с нуля собрали 300 тысяч параллельных предложений и обучили нейросеть переводить с русского на мансийский и обратно. Сегодня поговорим о модели, которая умеет читать мансийский печатный текст. Это OCR, оптическое распознавание символов.

Сразу о главном. Мы дообучили открытый движок Tesseract 5, и доля ошибочных символов упала с 18,5% до 0,85%. Это примерно в 20 раз меньше ошибок. Модель лежит в открытом доступе на Hugging Face, ей уже можно пользоваться.

В статье расскажем:

почему готовые OCR-движки не справляются с мансийским текстом;

как собрать обучающую выборку, когда отсканированных книг почти нет;

как мы дообучали Tesseract и как проверяли качество;

какой точности удалось добиться и где взять модель.

Зачем мансийскому языку OCR

Большая часть мансийских текстов до сих пор существует только на бумаге. Это книги, учебники, сборники фольклора, подшивки газет. Чтобы эти тексты попали в корпус и стали обучающими данными для нейросетевого переводчика или языковой модели, их нужно превратить в цифровой текст. Перепечатывать вручную долго и дорого. Носителей языка мало, и их время лучше тратить на перевод и экспертизу.

OCR решает эту задачу. Сканируем страницу, получаем текст, который можно искать, редактировать и добавлять в датасеты. Это работает не только у нас. Исследователи показали, что OCR помогает улучшить машинный перевод для 60 малоресурсных языков.

Почему готовые движки не справляются

Мансийская письменность построена на кириллице, но со своими особенностями. Из-за них у стандартного OCR возникают две проблемы:

Проблема 1. Буквы, которых нет в русском алфавите

Это долгие гласные с макроном (чертой над буквой), например а̄, о̄, ӯ, э̄, ы̄. Есть и отдельная буква ӈ, которой обозначают звук «нг». Долгота гласной в мансийском важна, и потеря макрона может превратить одно слово в другое.

Мы попробовали стандартную русскую модель Tesseract. Буквы с макроном и ӈ она просто не знает. Черту над буквой модель теряет, а иногда превращает знакомую букву в мусор. На мансийском тексте русская модель ошибается примерно в 18 символах из 100. Для оцифровки корпуса это не годится.

Проблема 2. Одна буква, разные коды

Вторая проблема менее заметна глазу. Одну и ту же букву с макроном можно записать в Unicode разными способами. Мы уже сталкивались с этим при сборе корпуса для переводчика. Для человека буквы выглядят одинаково, а для модели это разные последовательности символов. Как мы с этим справились, расскажем в шаге 1 следующего раздела.

Где взять данные, если сканов почти нет

Современной нейросетевой OCR-модели нужны сотни тысяч примеров. Каждый пример состоит из картинки со строкой те

03.11.2026

Владельцы автомобилей китайской марки Li Auto (Lixiang) в России сообщили о массовой краже мастер‑аккаунтов, пишет Autonews.ru со ссылкой на дистрибьютора Sinomach Auto. В результате машины не заводятся, гаснут экраны в салоне, не работает климат‑контроль и ряд других функций.

03.11.2026

Перед размещением данных банков на облачных платформах провайдеров проверят на надёжность инфраструктуры центров обработки данных, стабильность работы системы управления облаком и возможность восстановления данных после сбоев. Об этом говорится в проекте документа, который описывает критерии тестирования на надёжность и безопасность облачных платформ, используемых банками и финтех‑компаниями, пишут «Ведомости».

03.11.2026

К2Тех завершил миграцию Orion soft на AI-driven low-code платформу BPMSoft. В едином цифровом контуре теперь работают продажи и маркетинг совместно с 1,3 тыс. партнерскими компаниями. В рамках проекта К2Тех создала единую модель данных и перенесла информацию о клиентах, контрагентах, сделках и лидах в BPMSoft CRM. Кроме того, компания внедрила разграничение доступа для разных категорий пользователей и настроила сквозную аналитику по продуктам и партнерам на всех этапах, от запроса до сделки.

03.11.2026

Нидерландская сеть кинотеатров Pathé в рамках эксперимента под названием Pathé REWIND попытается ввести тридцать киноманов в состояние гипноза, чтобы они временно забыли свой любимый фильм. Затем организаторы проверят, смогут ли зрители вновь испытать те же эмоции, что и при первом просмотре. 

03.11.2026

Компания The Biological Computing Co. представила модель Mischief 1, предназначенную для создания видеороликов на основе изображений. Разработка модели продемонстрировала новый подход к повышению производительности ИИ — теперь вдобавок к математической оптимизации инженеры используют принципы обработки информации, присущие живым нейронам. Модель уже можно протестировать.

03.11.2026

На ML & Data Meetup RWB разберем кейсы из опыта RWB, Авито и VK: архитектура моделей, оптимизация инференса, работа с данными и масштабирование систем под реальную нагрузку. Завершим митап праздничной атмосферой, обменом опытом и общением с теми, кто строит ML и Data в production.

Когда? 5 декабря, 13:00
Где? Москва + онлайн-трансляция

03.11.2026

На INFOSTART A&PM EVENT 2026 общение продолжится и после деловой программы. 12 ноября участников ждёт вечеринка в стиле светлого фэнтези, а 13 ноября — отдельный ужин для VIP-гостей и спикеров.

Конференция для аналитиков и руководителей проектов 1С пройдёт 12–14 ноября в Санкт-Петербурге, в отеле Cosmos Saint-Petersburg Pribaltiyskaya. Вечерняя программа это возможность продолжить разговор, начатый на докладе, познакомиться с коллегами из других компаний и провести время вместе.