Тихонова Мария Ивановна

Доцент департамента больших данных и информационного поиска факультета компьютерных наук НИУ ВШЭ. По данным университета, начала работать в Вышке в 2021 году. Специализация — обработка естественного языка и оценивание языковых моделей; в профиле профессиональный интерес обозначен как программирование, а в полномочиях — выполнение работ по тематике лаборатории. Совмещает преподавание с индустриальной практикой: с августа 2025 года руководит исследовательским направлением в SberAI, до этого с декабря 2020 года работала главным инженером по разработке в SberDevices, где занималась исследованиями и разработкой в области NLP, анализом текстовых данных, обучением и оценкой языковых моделей. Ещё раньше была ведущим специалистом Сбербанка (2017–2020) и аналитиком супермассивов в «Сбербанк-Технологиях» (2016–2017).

В 2018 году окончила МГУ им. М. В. Ломоносова по специальности «Фундаментальная математика и механика» с квалификацией «Математик. Механик. Преподаватель». В 2023 году защитила в НИУ ВШЭ кандидатскую диссертацию «Методы оценивания языковых моделей в задачах понимания естественного языка»; защита прошла 12 октября 2023 года в совете по компьютерным наукам, научные руководители — К. В. Воронцов и Т. О. Шаврина. Работа даёт способ проверять, насколько устойчивы языковые модели, когда им нужно распознать причину и следствие, описывает процедуру сравнения моделей сразу на пяти языках и вводит инструмент для тестирования русскоязычных моделей архитектуры BERT.

Учебные курсы прямо продолжают её исследовательскую тему. В 2026/2027 учебном году читает русскоязычный курс NLP в формате «Маго-лего», где значится единственным преподавателем. В 2025/2026 году вела NLP на русском и английском языках, «Генеративные модели в машинном обучении» для магистратуры направления «Прикладная математика и информатика» и в «Маго-лего», а также англоязычный бакалаврский курс Mathematical Methods for Data Analysis для программной инженерии. В предыдущие годы читала Introduction to Deep Learning и «Глубинное обучение», Natural Language Processing и Modern Decision Making: Applied Machine Learning. Два онлайн-курса зарегистрированы как результаты интеллектуальной деятельности НИУ ВШЭ: МООК «Natural Language Processing» (2021) и МООК «Introduction to Deep Learning» (2024) — оба подготовлены авторскими коллективами.

В базе публикаций НИУ ВШЭ к её профилю привязаны 24 работы, значительная часть — доклады ведущих конференций по компьютерной лингвистике. Среди них «RussianSuperGLUE: A Russian Language Understanding Evaluation Benchmark» (EMNLP, 2020), «Russian SuperGLUE 1.1: Revising the Lessons not Learned by Russian NLP-models» («Диалог», 2021), «Ad Astra or Astray: Exploring Linguistic Knowledge of Multilingual BERT through NLI Task» (Natural Language Engineering, 2022), «TAPE: Assessing Few-shot Russian Language Understanding» (Findings of EMNLP, 2022), «MERA: A Comprehensive LLM Evaluation in Russian» (ACL, 2024), «A family of pretrained transformer language models for Russian» (LREC-COLING, 2024) и «MMTEB: Massive Multilingual Text Embedding Benchmark» (ICLR, 2025). Отдельная линия работ посвящена преподаванию NLP: «Industry vs Academia: Running a Course on Transformers in Two» (TeachNLP, 2024) и «From Standard Transformers to Modern LLMs: Bringing Dialogue Models, RAG, and Agents to the Classroom» (TeachNLP, 2026).

В достижениях профиля отмечена надбавка за публикацию в журнале из Списка А за 2025/2026 учебный год. Владеет английским (уровень C2) и французским языками. Профиль ORCID подтверждает авторство работ по мультиязычным моделям, диагностическим наборам данных для русского языка и настройке подсказок для RuGPT3.