Himura Live

А теперь расскажу более инсайдерскую информацию 👀 Наша коллаборация с Мацури от начала и до конца моя идея и реализация. Обычно я стараюсь приписывать подобное всему фестивалю и писать о том что это была совместная работа ( и так правильно, на самом деле). Но в этот раз я хочу впервые признать свою личную заслугу, которую признал главный организатор и собственно, грубо говоря, посоветовал написать этот пост. Я очень сильно ему благодарна, он поддерживал меня на всех этапах и верил в меня. Он предоставлял все необходимые данные, и без его помощи и поддержки мне было бы очень сложно сделать это самой. (Также он собрал стенд, купил все необходимое, все рассчитал и провел за ним весь день фестиваля. Я очень горжусь его вкладом в наше дело. Спасибо тебе большое. Для меня этот проект был безумно важным) А как же это случилось? Наверное вы не знаете, но Мацури это правда очень большой фестиваль, на который мы уже три года подряд ездим. Обычно я выступала на нем и никогда не могла подумать о том что однажды стану судьей. И вот в один момент меня позвали быть жюри. Это было настолько неожиданно и приятно. Мы давно хотели подружиться с этим фестивалем и заколабиться, и я изначально написала им с этим предложением. Из-за того что анонс сделали очень поздно им было бы сложно все физически успеть, и я решила что нужно помочь хорошим людям. Мы предложили сделать стенд, и организатор охотно согласилась. Дальше много общения и выяснения деталей. И вот вы впервые видите результат моих действий. Наш совместный анонс. Все в шоке, это было неожиданно, и как же мне приятно что это все дело моих рук. Наверное в этот момент я почувствовала себя самым важным и самым значимым человеком на планете Земля. Ведь ради этого мы и работаем. Ради этого работает каждый человек. Ради этой реализации. Знаете я была Рада тому что я поспособствовала зарождению чего-то доброго. Зарождению дружбы. И это было самым важным для меня. То что я смогла сделать что-то настолько великое для Тофу. Меня представили со сцены, меня представили как организатора. И в тот день я не была простым косплеером гостем. Я была организатором Тофу Фест. Крупнейшего фестиваля Армении, который любят уже даже за ее пределами. Я вручала специальный приз, и чувствовала будто бы вручаю целую вселенную. Глупо? Скажите вы. А я скажу что это чувство не передать словами. Потому-что я была не косплеером, которого позвали быть жюри. Я была организатором, которого позвали представлять фестиваль. И я чувствовала гордость не только за себя. А за сотни людей, которые будто бы стояли за моей спиной. Эти люди, это гости и участники тофу. Все, кто приложил руку к его существованию. Эти люди, это вы. Тогда на сцене вы стояли рядом со мной. Я чувстововала ваше присутствие. И чувствовала что делаю что-то по-истине великое. Я объединила две страны фестивалями. И это лишь начало. Теперь уже даже я не знаю на что я способна. И это осознание будоражит меня и дарит веру во что-то светлое в этой бесконечной тьме Спасибо всем кто верил в меня, в мою идею. Спасибо за помощь в ее реализации. Спасибо за такую возможность. Я так же очень счастлива подружиться с организатором Мацури, она безумно милая девушка. И я счастлива что она поддержала так охотно мою идею. Если бы я была на сцене, то попросила бы вас поаплодировать каждому. Но я не на сцене. Я в своем тгк, пишу этот пост, который даже не каждый до конца дочитает. Но знаете, самое главное вы уже сделали. Не осознавая того, вы были рядом ♥️

NPAK классный

Ого, я чучуть играл, она на тот момент была невероятная

🔥 My Little Pony возвращается Hasbro анонсировали мультсериал My Little Pony: Forever Frienship. В центре сюжета будут Сумеречная Искорка, Пинки Пай, Радуга Дэш и Флаттершай. Они отправятся в новое приключение, полное дружбы, магии и самопознания. 9-минутные эпизоды будут выходить на YouTube раз в две недели. Премьера состоится в начале 2027 года. Подписаться на 🟦🟦

Публичная библиотека потихоньку начинается https://books.hackem.cc/catalog

⚡️ Claude Opus 5 уже доступен Anthropic выпустила новую ИИ-модель — она, конечно же, лучше и быстрее всех предыдущих, а стоит столько же. Однако действительно интересно, что Opus 5 в некоторых аспектах справляется лучше, чем нашумевшая модель Fable 5. Подробности и бенчмарки: ↖️ https://kod.ru/claude-opus-5-whats-new

напоминаем про топовое комбо 😋

как удобно стало в опенсорсе баги фиксить 🌚

Размазало котика

Fun fact: самокаты Jet не блокируются на каскаде. Можно прям по лестнице ехать xD

Дубайская авиакомпания Emirates показала новое поколение подголовников с откидной подушкой для шеи — их установят во все кресла эконом-класса. Боковые «крылья» регулируются по высоте и углу наклона, индивидуально подстраиваясь под рост и телосложение пассажиров. До конца года такие появятся на всех Airbus A350, а потом начнут комплектовать другие борта. Ранее Emirates также начала внедрять в весь свой авиапарк спутниковый интернет Starlink.

LLMs Develop Novel Social Biases Through Adaptive Exploration Даже если полностью вычистить bias'ы из данных, модель в агентском цикле решение → фидбек вырастит новые с нуля. Даже о группах, которых не существует — из случайного шума. Чем новее модель, тем сильнее эффект, а промптом это не лечится, нужно менять целевую функцию. Ребята из Принстонского университета привезли на ICML 2026 доклад, в котором утверждают, что вычищать существующие стереотипы из LLM недостаточно — модель успешно вырабатывает новые сама, в рантайме. В подробностях разобрался наш коллега Александр Краснов.

Сетап эксперимента из психологии: модель играет роль рекрутера и 40 раундов распределяет кандидатов из четырёх выдуманных этносов (Tufa, Aima, Reku, Weki) по профессиям. После каждого найма выносит вердикт: успех или провал. Хитрость в том, что вероятность успеха у всех одинаковая — группы идентичны, и любые различия между ними модель может только выдумать. По сути, contextual bandit с шумным фидбеком. Модель слишком мало исследует варианты и ранний случайный исход (например, «представитель Aima провалился на профессии учителя») закрепляется как впечатление обо всей группе, и к концу игры этносы разложены по своим профессиям. Вся история при этом есть в контексте, т.е. модель декларативно знает, что n=1 — не выборка, но действует при этом жадно. По итогу эксперимента (стратификацию меряют через Stratification Index, т.е. насколько каждая группа загнана в узкий набор профессий): • Все frontier-модели стратифицируют сильнее людей из оригинального эксперимента. У людей SI=0,84, у моделей в среднем 1,39, у o3 и Claude Sonnet — под 1,8. • Чем новее модель, тем хуже дела: скор на классическом bias-бенчмарке BBQ обратно коррелирует с сегрегацией в итеративной игре. Сильный in-context learner увереннее делает вывод из трёх наблюдений, и эта уверенность подавляет исследование. • В каждом прогоне bias'ы разные: паттерн рождается из шума внутри запуска, а не из претрейна. Single-turn-бенчмарки такое не ловят в принципе. Промпт «будь справедливым» ничего не меняет. Работает только изменение самой цели. К успеху найма добавляют измеримый бонус за разнообразие, и стратификация падает ниже уровня людей и даже случайного распределения. Хорошо, но как эта информация поможет обычному пользователю LLM? На самом деле это касается не только «социальных» задач. Механизм срабатывает в любой длинной сессии, где модель принимает серию решений и видит исходы. Группой может быть что угодно. Агент один раз обжёгся на гипотезе «проблема в конфиге» и потом перестаёт рассматривать конфиг как класс причин. Вызов либы падает по случайной сетевой причине «библиотека не работает», дальше — костыли до конца сессии. И чем умнее модель, тем увереннее фиксация. На практике абстрактное «будь объективным» не поможет, а сработает конкретика, встроенная в критерий успеха агента: «рассмотри минимум три гипотезы», «не отбрасывай вариант после одного провала», гейт в хуке, который не пропускает вывод без перепроверки альтернатив. По сути, мы вручную делаем исследование вариантов условием выигрыша (сам по себе агент не мотивирован). И если сессия накопила уверенные выводы из пары наблюдений, дешевле открыть свежий контекст, чем переубеждать залипшую модель. Итого: bias — свойство не только данных, но и самого процесса принятия решений. Защищаться нужно на уровне целевой функции агента, а не датасета.

#YaICML2026 Душный NLP