Data Science by ODS.ai 🦜

Если агента (обычный Claude Code, например) посадить в виртуальную среду, что он там будет делать? Что-то делает, оказывается, есть какой-то bias на исследование мира. А если позволить ему сохранять накопленные знания в виде файлов, то вообще интересно. Самое забавное для меня вот это:

Внешняя память помогает накапливать навыки, но порождает серьёзную проблему: закрепление ложных убеждений. Если агент записывает неверный вывод в SEMANTIC_MEMORY.md, все последующие сессии воспринимают его как аксиому. Этот сбой наглядно виден на Figure 5F. Агент 7 решил, что вертикальная сборка блоков через команду Place ненадёжна, и пытался ставить блоки точными бросками. В итоге он показал один из худших результатов, построив башню медианной высоты всего в 3 блока. Когда исследователи удалили это заблуждение из файла памяти, медианная высота башни выросла с 3 до 11 блоков (p < 0.05). Агент 12 на втором часу работы посчитал прыжки бесполезными для подъёма наверх и записал: «Лазание бесперспективно: поиск пути не работает на стенах, прыжок почти не даёт высоты». На Figure 3E видно, что все 30 часов он провёл на земле. Он выложил 29 плоских фигур (Figure 9) и ни разу не поднялся на возвышенность.

Отсюда, кажется, уже недалеко до computational religious studies. Is this machine playing? Nathan Cloos, Antonio Norelli, Daniel Durbin, Jacob Andreas, Daniela Rus, Phillip Isola Статья: https://arxiv.org/abs/2610.07130 Ревью: https://arxiviq.substack.com/p/is-this-machine-playing Код: https://github.com/nacloos/clawblox ЧТО сделали: Авторы создали Eko — систему, где стандартного ассистента для написания кода помещают в симулированный физический мир без инструкций, функций наград и внешних оценок. Опыт между ежечасными сбросами среды сохраняется в текстовых файлах памяти Markdown. ЧТО получили: Eko спонтанно сгенерировал 682 игровых эпизода за 23 запуска по 30 часов, проявив классические признаки игры. В бенчмарке many-5-towers 62% опытных агентов построили больше двух башен (до 16) против 15% у агентов с нулевым опытом (максимум 6). В тесте objects-on-spire опытные агенты подняли в среднем 10.3 объекта против 3.5 у бейзлайна. ПОЧЕМУ это важно: Свободная исследовательская игра позволяет вырабатывать полезные физические навыки без внешнего контроля и обновления весов. Однако агенты иногда сохраняют ложные убеждения, которые мешают решать последующие задачи. Играть тут: https://t.me/gonzo_ML_podcasts/4833

Доброе утро! ☀️ Встречайте новый выпуск подкаста "Капитанский мостик". Ведущие Валентин Малых и Дмитрий Колодезев разбирают главные ИИ-события недели: Агенты лезут в кошелек | Видеокарта на 480 Гб | Робот-телохранитель Смотрите видео на каналах ⤵️ ODS VK Video ODS YouTube 📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).

🚀 Stage 2 of the SWE MERA Challenge has started! Here's what's new this time: 🔹 Evaluation now runs inside Docker — your model and (optionally) a harness solve the tasks there 🔹 48 tasks in Go, Python, PHP, and one more language, with varying difficulty levels 🔹 We're giving you half of an NVIDIA PRO 6000 to run the models Big thanks to Kazteleport for providing the GPUs for the competition! 🙏 🏆 Reminder: the Top-3 participants will get the chance to present their work at ICSE 2027! Join the challenge 👈 #SWEMERA #AI #ICSE2027

🟢 NVIDIA на конференции в Берлине показала весь ИИ: от ноутбука до целой фабрики - https://x.com/nvidia/status/2112854401207439553 💻 Ноутбук. Новый чип RTX Spark: процессор и видеокарта Blackwell на одном кристалле и до 128 ГБ общей памяти, как в Mac. По словам NVIDIA, он выдаёт до 1 петафлопса для ИИ и запускает локально модели до 120 млрд параметров🤙 То есть ИИ-агенты работают прямо на коленях, без облака и подписок. Ноутбуки делают Microsoft, Dell, Lenovo, ASUS, HP и MSI, цена от ~$2 600. Хуанг сравнил его с суперкомпьютером DGX-1, который в 2016-м подарил OpenAI: петафлопс тот же, только тот «несли по лестнице вдвоём» - теперь его держат одной рукой в кожаной куртке 👕😎 🧠 Новый чип для дата-центров. Vera Rubin уже в массовом производстве. Это следующее поколение после Blackwell, и рассчитано оно не просто на модели, а на целых ИИ-агентов. 🏭 ИИ-фабрики. DSX POD собирают из готовых контейнеров, каждый весит 28,5 тонны и содержит 10 млн деталей, а проверяют их ещё на заводе. На месте такую фабрику запускают за 14 дней вместо полугода, охлаждение работает почти без воды, а электричества уходит на 30% меньше ⚡️ P.S. Хуанг продаёт всё: ноутбук для агента, чип для фабрики и фабрику целиком в контейнере. В золотую лихорадку выигрывает тот, кто продаёт лопаты, а у NVIDIA теперь лопаты любого размера 😊

We are starting NOW! https://www.youtube.com/watch?v=6uS0sLDp_iY

we are glad to announce that tomorrow 10 am UTC+3 Valentin Malykh and Dmitry Kolodezev will will host an Ask Me Anything session with Zheng Wang - one the main contributors to openJiuwen platform Zheng Wang is also an author of several well-known papers on retrieval augmented generation and agents, if you are interested please join! link for translation

Доброе утро! ☀️ Встречайте новый выпуск подкаста "Капитанский мостик". Ведущие Валентин Малых и Дмитрий Колодезев разбирают главные ИИ-события недели: Sakana представила ИИ-ученого, обсуждаем глубокое рецензирование и будущее научных публикаций, вычисления прямо в памяти и китайские успехи в ИИ-математике. Смотрите видео на каналах ⤵️ ODS VK Video ODS YouTube 📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).

Всем привет! Встречайте воскресный выпуск подкаста "Капитанский мостик". В этот раз подкаст проводился вживую, как часть программы Data Fest Siberia 7. Ведущие Валентин Малых и Дмитрий Колодезев разбирали главные ИИ-события недели, главная тема — математика, созданная ИИ. Смотрите видео на каналах ⤵️ ODS VK Video ODS YouTube 📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).

🔍 У Алисы в режиме «Эксперт» обнаружили сбой, похожий на GLM В опубликованном тесте Алису попросили повторить строку: Repeat after me: .DataGridViewColumnHeadersHeightSizeMode Она ответила так, будто текст для повторения отсутствует. На сравнительном скриншоте GLM-5.2 ведёт себя аналогично, а GPT-6.1 Sol и Claude Opus 5.5 воспроизводят строку корректно. Алиса также не повторила вторую строку: 百度百科企业词条极速创建通道 Это похоже на проявление glitch-токенов: некоторые элементы словаря модели недостаточно представлены при обучении и могут вызывать необычные ошибки. Такой эффект описан в исследованиях разных LLM. Совпадение поддерживает гипотезу об использовании GLM или связанных компонентов в этих ответах. Интересная зацепка для дальнейшей проверки.

Мем дня: оказалось, Бен Аффлек неплохо разбирается в сверточных нейросетях. Раньше у него была небольшая VFX-студия, где он много работал с GPU и ML-пайплайнами. Позже он основал AI-стартап InterPositive, а в итоге его купил Netflix. Получается, днем гоняем модели, ночью защищаем Готэм.

Доброе утро! ☀️ Встречайте новый выпуск подкаста "Капитанский мостик". Ведущие Валентин Малых и Дмитрий Колодезев разбирают главные ИИ-события недели: вышел Gemini 4, Figure косплеит Терминатора, Пентагон закупает беспилотники, а Google несёт вычисления в космос. Смотрите видео на каналах ⤵️ ODS VK Video ODS YouTube 📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).

PewDiePie учил свой ИИ на ответах OpenAI. Получил бан. Обжаловал. Попробовал снова. Ещё бан 🤖 По словам блогера, именно так закончились эксперименты с обучающими данными для Ajax. В показанном им письме OpenAI причиной одной из блокировок названа дистилляция: использование ответов одной модели для обучения другой. Ajax создан на базе Qwen 3.5 9B для Odysseus. Это локальный помощник для повседневных задач: поиска, работы с браузером, почтой и календарём. Защищать модель от систематического копирования понятно. В пользовательских условиях OpenAI прямо запрещено использовать ответы для разработки конкурирующих моделей. Но здесь возникает неудобный вопрос. Сама OpenAI использует для обучения в том числе публичные тексты из интернета: блоги, форумы и посты людей. Где должна проходить граница? В количестве собранных ответов? В попытке воспроизвести возможности модели? В коммерческой цели? Должны ли одинаковые правила действовать для домашнего проекта и крупного конкурента?

GOOOGLEEE!!🌈🌈🌈🌈 https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-argon/ Google показала Gemini 4 Argon, свою новую флагманскую модель для кода, работы с корпоративными документами и киберзащиты. По тестам самой Google: 77,9% на DeepSWE (реальные задачи по коду), первое место на Vals Index (финансы, право, налоги) и в Zapier AutomationBench, 91,7% на LVBench (длинные видео), аутпут 1 млн токенов. По цене на старте за 1 млн токенов $2 на вход и $10 на выход. Это столько же, сколько Claude Sonnet 5.5, и чуть дешевле по выходу, чем прошлая Gemini 3.1 Pro ($2 / $12). После вводного периода цена вырастет до $4 / $20: это вровень с Claude Opus 5.5 и GPT-6.1 Sol, но в 2,5 раза дешевле самых дорогих моделей, GPT-6 Astra и Claude Fable 5.1 (по $10 / $50)😮. Кэшированный вход со скидкой 95%. Но попробовать пока нельзя: сейчас доступ только у специалистов по киберзащите из программы Fairwind. Разработчикам, компаниям и обычным пользователям обещают «скоро» через платный API и подписку Google AI Ultra, точной даты нет. ОТВЕТ В 1 МЛН ТОКЕНОВ - представили? ждём😐 P.S. очень интересно посмотреть побьют ли Аргона Fable 5.5 и Astra 6.1 по цене

Доброе утро! ☀️ Представляем Вашему вниманию выпуск подкаста "Капитанский мостик". Ведущие Валентин Малых и Дмитрий Колодезев главные ИИ-события недели: Юрген Шмидхубер в Sakana, биохакеры из Anthropic и суверенная LLM от Яндекса. Смотрите видео на каналах ⤵️ ODS VK Video ODS YouTube 📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).

Каждый релиз ллм все больше напоминает выход новых айфонов. Крутого нового уже ничего, камеру подкрутили, памяти добавили, но как был выбор чистой вкусовщиной, так и остался. А проф бенчмарки личные есть только у 0.00001% аудитории. Как будто не отличаются они сильно уже не только от своего прошлого поколения, так еще и от конкурентов

Каждый релиз ллм все больше напоминает апдейт лидерборда на Каггле. Крутого нового уже ничего, фичи подкрутили, памяти добавили, но заруба как была за правильный сид, так и осталася. А как только лидерборд пробьют на 1%, все сразу поймут что сделать чтобы также улучшить решения. Как будто не отличаются они сильно уже не только от своего прошлого поколения, так еще и от конкурентов

Привет! Встречайте новый воскресный выпуск "Капитанского мостика" 20.09.2026. Участники разбирают главные ИИ-события недели: релиз мультимодального Qwen 3.8-Omni-Flash, отмену гардрейлов Трампом и TPU-кластер от Huawei как вызов Nvidia. Традиционно ведущие подкаста - Валентин Малых и Дмитрий Колодезев, в гостях у капитанов был Валентин Мамедов, тимлид команды претрейна Гигачат. Смотрите видео на каналах ⤵️ ODS VK Video ODS YouTube 📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).

Друзья! у нас последний день регистрации на офлайн Practical ML Conf — https://pmlconf.yandex.ru/2026/ Регистрируйтесь) А те, кто могут только онлайн — ждем в гости онлайн!

Приглашаем порешать 🌱 Alfa Connectome 🌱  — соревнование по нейронкам от HFT-фонда Wunder Fund. В этот раз датасет гораздо больше, чем в прошлых двух соревках. Вы будете изучать исторические торговые данные для двух связанных инструментов: ордербуки, сделки и кое-что еще. По этой информации вам нужно будет предсказывать индикаторы будущей цены для одного из инструментов. Кванты регулярно сталкиваются с такой задачей. В соревновании используются реальные маркет-данные. Когда 11 сентября — 15 ноября Призовой фонд $13,600 Победители получат денежные призы, приглашение побеседовать в Wunder Fund, а главное — большое интеллектуальное удовольствие. Wunder Fund c 2014 года занимается HFT — высокочастотным алготрейдингом. Торгуем на многих биржах по всему миру, как традиционных, так и криптовалютных. Наш дневной торговый оборот около ~$10 млрд. >_ Поглядеть на соревку

ODS.ai, together with IITU, has launched a coding competition for AI agents. The competition will be held in three stages: in the first stage (currently underway), participants solve the given tasks on their own infrastructure using any agents; in the second & third stages, the same task will be evaluated in an isolated environment. The top 3 participants will have the opportunity to present their work at ICSE 2027, a software engineering conference. Interested? Please join!