Ученые из Центра практического искусственного интеллекта «Сбера» и AIRI представили Open Source — инструмент SplitLight для диагностики данных перед обучением и сравнением рекомендательных ИИ-моделей.

Решение выявляет аномалии и позволяет исправить ошибки подготовки данных. Кроме того, инструмент определяет, не попали ли в обучающую выборку данные из будущего, учтены ли новые пользователи и объекты, насколько сильно различаются тренировочные и валидационные датасеты. Фиксируя ключевые статистики, SplitLight помогает сопоставлять информацию из разных исследований для воспроизведения экспериментов.

Инструмент доступен в двух режимах: библиотека на Python, а также интерактивный No-Code-интерфейс. С помощью SplitLight команды могут точнее проводить эксперименты перед тем, как отправлять модель в разработку и далее в продукт, что снижает риски при внедрении ИИ.

Разработка была представлена на ACM SIGIR 2026, статья о ней опубликована в сборнике материалов конференции.

Документы по теме:
Презентация SplitLight: An Exploratory Toolkit for Recommender Systems Datasets and Splits