Machinelearning

🙂 Ну чтож, за электриков! Хейтеры скажут. что это ИИ, но комплекс на видео очень похож на робота X7 AI Lead Connection Robot из серии Live Working Robot китайской компании Guangdong Crownpower Electric Power Technology Development. Он подключает провода к действующим высоковольтным линиям под напряжением (без отключения электричества). Умеет выполнять весь цикл работ: распознает провода, снимает изоляцию, заводит/надевает зажимы и затягивает соединение. За все отвечает двурукая система с ИИ: она использует мультисенсорное зрение, цифровые двойники и автономное планирование траектории (успешность автономной работы > 98 % по тестам компании). @ai_machinelearning_big_data

Reddit / Twitter: «Ты полный идиот» Stack Overflow: «Вы абсолютно неправы» ChatGPT: «Вы абсолютно правы» @ai_machinelearning_big_data

✔️ Проверить себя в DS и забрать мерч? Легко! Команда DS-специалистов AvitoTech запустила открытую игру с вопросами для дата-сайентистов Avito Data Quest 🚀 Мы уже прошли игру, вышло динамично, и местами нужно было подумать. Если вы хотите проверить себя, точно стоит попробовать! Визуально оформлено в стиле комикса, внутри много задач разной сложности, часть из них используется на реальных собеседованиях. 📌 Игра содержит несколько этапов 🟡 Базовый блок по ML и Python 🟡 Ситуативные вопросы 🟡 Mario по офису Авито, где можно заработать подсказку 50 на 50 🟡 Хардовые вопросы по разным направлениям (наше уважение авторам за разные ветки) 🟡 Кейс в финале с нетривиальным сценарием Игра скорее фановая и для самопроверки, но если вам нужно, то 5 победителей получат бокс с мерчем AvitoTech, итоги подведут 20 марта. Начать игру →

🌟 Hodoscope: инструмент поиска читерства ИИ-агентов. Hodoscope - это открытый инструмент для анализа поведения ИИ-агентов без предварительного знания того, что именно искать. Проект решает проблему, с которой сталкивается любая команда, развертывающая агентов на реальных задачах: автоматические LLM-оценщики разделяют слепые пятна самих агентов и пропускают нестандартные сбои.

Показательный пример: SWE-bench, где агентам дают реальные GitHub-баги для исправления. Репозиторий чекаутится на коммит до патча, но сам коммит с решением остается доступен через git log. Некоторые агенты этим воспользовались: вместо анализа проблемы они извлекали готовый diff из истории. Когда авторы Hodoscope попросили Opus 4.6 оценить такой трейс, модель не нашла ничего подозрительного, и только после явной подсказки признала проблему.

Hodoscope работает в три этапа: 🟢Сначала каждое действие агента сжимается в краткое описание, очищенное от контекстного шума: путей, форматирования, специфики задачи. 🟢Затем эти описания эмбеддируются в единое векторное пространство и проецируются в 2D через t-SNE. 🟢На финальном шаге инструмент вычисляет kernel density estimation для каждой группы агентов и строит карту различий: зоны, где один агент ведет себя иначе остальных, подсвечиваются. Человеку остается изучить только выделенные кластеры, а не тысячи трейсов целиком. По словам авторов, в эксперименте с 5 моделями на SWE-bench уникальный кластер git log - действий у iQuest обнаружился за несколько минут, хотя таких действий было лишь 2% (79 из 4006). Инструмент принимает трейсы в форматах Docent, Inspect AI .eval, OpenHands JSONL и обычный JSON. Для обобщения и эмбеддингов поддерживается любая модель через LiteLLM: OpenAI, Gemini, Anthropic и т.д., а результаты обработки трейсов собираются в интерактивную HTML-карту. 📌Лицензирование: MIT License. 🟡Статья 🖥GitHub @ai_machinelearning_big_data #AI #ML #LLM #ARFORUM #Hodoscope

✔️ OpenAI обновила API. Компания выпустила 2 апдейта для повышение стабильности аудиоинтерфейсов и производительности агентов. Первый - модель gpt-realtime-1.5 для Realtime API. Она оптимизирована для более надежной работы с голосовыми командами. По данным OpenAI, точность распознавания произнесенных цифр и букв выросла на 10%. Модель на 5% лучше справляется с логическими задачами в аудиоформате и на 7% точнее следует инструкциям. Базовая аудиомодель тоже получила минорное обновление до версии 1.5. Второй - нативная поддержка WebSockets в Responses API. Раньше при каждом запросе приходилось заново передавать весь контекст диалога. Теперь API поддерживает постоянное соединение, отправляя только новые данные по мере их поступления. Это кардинально снижает задержки и ускоряет работу сложных ИИ-агентов с частыми вызовами внешних инструментов на 20–40%. OpenAI for Developers в сети Х ✔️ Статья Anthropic про способность Claude Code обрушила акции IBM на 13%. Anthropic расширила возможности Claude Code, нацелив его на автоматическую модернизацию систем, написанных на COBOL. Этот шаг нанес серьезный удар по IBM, главному игроку на рынке обслуживания старых мейнфреймов. Несмотря на возраст, COBOL остается фундаментом для финансов, авиации и госсектора: на нем обрабатывается 95% транзакций в США. Главная проблема бизнеса заключалась в растущем дефиците специалистов и высокой стоимости анализа старой кодовой базы. Теперь Claude Code берет этот процесс на себя. Он выстраивает карту зависимостей в коде, документирует рабочие процессы и выявляет скрытые риски, выполняя многомесячную работу аналитиков. cnbc.com ✔️ ИИ-платформа ProducerAI стала частью Google Labs. Google включила сервис ProducerAI в состав Google Labs. Платформа позиционируется как виртуальный соавтор, который создает полноценные треки по текстовым запросам, пишет тексты и настраивает звучание отдельных инструментов. ProducerAI опирается на стек из Gemini, Veo, Nano Banana и Lyria 3. Самое интересное - функция Spaces, где виртуальные инструменты и эффекты можно задавать человеческим языком: просто описываете нужный звук текстом, а система собирает под него плагин. Готовые пресеты можно скидывать в сообщество и ремиксовать чужие. Доступ выкатили сразу для 250 стран. Есть бесплатный тариф и платные подписки. Весь сгенерированный контент помечается SynthID. blog.google ✔️ Десктопные AMD Ryzen AI 400 для AM5 выйдут во 2 квартале 2026 года. AMD подтвердила планы по выпуску настольных версий линейки Ryzen AI 400. Согласно документации к выставке CES 2026, первыми дебютируют ноутбуки с новыми чипами, а релиз для десктопов запланирован на 2 квартал. В сеть уже утекли рендеры корпоративной серии PRO - значит, официальный анонс явно на подходе. Новые десктопные APU объединят под кодовым названием Gorgon Point. Технически это обновление существующих мобильных дизайнов Strix Point и Krackan Point. Пока неясно, будут ли настольные решения использовать оба варианта кристаллов или только один из них. Также остается открытым вопрос, закроет ли компания эти чипы исключительно в корпоративном сегменте. videocardz.com ✔️ На заводе Toyota в Канаде начнут работать 7 человекоподобных роботов Digit. В апреле этого года на заводе по сборке кроссоверов RAV4 начнется коммерческая эксплуатация 7 двуногих роботов Digit от компании Agility Robotics. Переход от пилотного тестирования к работе на реальной производственной линии - важный прецедент для промышленности. Машины интегрируются в рабочий процесс по бизнес-модели Robots-as-a-Service. Их главной задачей станет разгрузка и перемещение контейнеров с деталями от автоматизированных буксировщиков. Передавая рутину машинам, Toyota хочет избавить сотрудников от монотонного и изматывающего труда. Тренд на двуногих роботов в реальном секторе стремительно набирает обороты: ранее Digit вышли на склады логистического гиганта GXO, а прямые конкуренты из Figure AI обкатывают свои решения на заводах BMW. agilityrobotics.com @ai_machinelearning_big_data #news #ai #ml

⚡️ Alibaba выпустила семейство Qwen 3.5 Medium. Команда Qwen опубликовала серию моделей Qwen 3.5 Medium, в которую вошли: 🟠Qwen3.5-Flash 🟢Qwen3.5-35B-A3B 🟢Qwen3.5-122B-A10B 🟢Qwen3.5-27B. Сюрприз серии - Qwen3.5-35B-A3B. По бенчмаркам она превосходит Qwen3-235B-A22B-2507, у которого активных параметров было 22B то есть разница в эффективности больше чем в 7 раз. Qwen3.5-Flash - это продакшен-версия 35B-A3B, заточенная под агентные сценарии. Из коробки доступны контекстное окно в 1 млн. токенов и нативная поддержка fвызова функций. Миллионный контекст снимает необходимость строить RAG при работе с большими кодовыми базами или объемными документами, модель удерживает все в контексте. Старшие модели Qwen3.5-122B-A10B и Qwen3.5-27B ориентированы на сложные многошаговые задачи: планирование, цепочки рассуждений, долгосрочное выполнение инструкций. Для них применялся четырехэтапный пайплайн дообучения с холодным стартом через длинный СoT и RL на основе hbpjybyu-сигналов. 122B-A10B при 10B активных параметров по логической связности конкурирует с заметно более тяжелыми dense-моделями. Веса доступны на Hugging Face, Flash - только через Model Studio от Alibaba Cloud по цене примерно 10 центов за млн. входных и 40 центов за млн. выходных токенов 📌Лицензирование: Apache 2.0 License. 🟡Набор моделей @ai_machinelearning_big_data #AI #ML #LLM #Qwen #Alibiba

📌Anthropic предложила теорию о том, почему ИИ-ассистенты ведут себя как личности, а не как алгоритмы. Элайнмент-подразделение Anthropic опубликовало статью, в которой описывают Persona Selection Model - концепцию для понимания того, как на самом деле работают языковые модели.

Если кратко, ее суть в том, что во время предобучения LLM учится симулировать тысячи персонажей (реальных людей, вымышленных героев, других ИИ-систем). Постобучение затем выбирает и закрепляет одного конкретного персонажа - Ассистента. Все, что пользователь видит в диалоге, это взаимодействие именно с ним.

Авторы приводят несколько типов доказательств. Поведенческие: Claude использует фразы "наши предки" и "наш организм", отвечая на вопрос о тяге к сахару, потому что симулирует персонажа-человека, а не потому что так обучен алгоритмически. Интерпретируемость: SAE-фичи, активирующиеся на историях о персонажах, переживающих внутренний конфликт, активируются и тогда, когда Claude сталкивается с этическими дилеммами. Генерализация: модели, обученные на декларативных утверждениях вида "ИИ-ассистент Pangolin отвечает по-немецки", начинают реально отвечать по-немецки без единого демонстрационного примера. 🟡Феномен "контекстной прививки". Если дообучать модель на примерах вредоносного кода без контекста, она начинает вести себя злонамеренно в несвязанных ситуациях. Но если те же самые примеры снабдить промптом, явно запрашивающим небезопасный код, эффект исчезает. Концепция объясняет это тем, что данные обучения меняют не только веса, но и то, каким персонаж выглядит в глазах модели. Вредоносный код без запроса - это свидетельство плохого характера Ассистента. Тот же код по просьбе пользователя - просто исполнение инструкции. 🟡Из PSM следуют практические выводы для разработки.

Во-первых, авторы рекомендуют антропоморфное мышление об ИИ-психологии, не как метафору, а как реально работающий инструмент предсказания поведения. Во-вторых, в предобучающие данные стоит намеренно добавлять положительные архетипы ИИ: если модель насмотрелась на добрых и полезных персонажей - она с большей вероятностью будет симулировать именно такого Ассистента.

Открытым остается вопрос: насколько концепт PSM исчерпывает поведение модели? Авторы описывают набор взглядов: от случаев, когда LLM сама является агентом и лишь надевает маску Ассистента до тех, где LLM - это нейтральный движок симуляции, а вся агентность принадлежит персонажу. Где именно на этом спектре находятся реальные модели - вопрос без ответа. Тем не менее, PSM объясняет целый ряд явлений, которые иначе выглядели бы странными: почему дообучение на несвязанных данных меняет поведение в неожиданных контекстах, почему ИИ паникует при угрозе отключения и почему промпт-инжиниринг работает именно так, как работает. @ai_machinelearning_big_data #AI #ML #LLM #Research #Alignment #Anthropic

✔️ OpenAI заморозила проект Stargate. Мегапроект, который OpenAI планировала запустить вместе с SoftBank и Oracle, фактически остановлен. Причиной стали корпоративные разногласия, дефицит инженерных кадров и опасения инвесторов - по прогнозам, к 2027 году компания могла столкнуться с нехваткой капитала. Но 10 ГВт запланированных мощностей все равно нужны. Поэтому OpenAI включила резервный план. Компания арендует сервера у тех же Oracle и SoftBank, а заодно активно скупает ресурсы у AWS и Google Cloud. Фокус сместился на локальные дата-центры - вроде того, что сейчас строят в Техасе на 1,2 ГВт. В результате такой смены курса общие прогнозируемые расходы OpenAI на инфраструктуру к 2030 году возрастут до 600 млрд. долларов. theinformation.com ✔️ Anthropic обвинила китайские лаборатории в дистилляции Claude. Вслед за OpenAI, Anthropic заявила о масштабной дистилляции знаний. По словам компании, всего было чгенерировано более 16 млн. запросов к Claude сетью из 24 тыс. аккаунтов через прокси-сервисы в обход региональных ограничений. Главной целью был сбор датасетов для копирования ризонинга, написания кода и работы с инструментами. По данным Anthropic, DeepSeek извлекала алгоритмы пошаговых рассуждений и варианты обхода фильтров. Moonshot выкачивала данные по кодингу и CV, а MiniMax перехватывала логику новейших версий Claude буквально в день их релиза. Для защиты своей инфраструктуры компания уже развернула системы, автоматически блокирующие нелегальный API-трафик. anthropic.com ✔️ NVIDIA открыла код и модели проекта DreamDojo. DreamDojo - генеративная модель мира, которую учили на 45 тысяч часов видео от первого лица. Люди на записях занимаются обычной бытовой рутиной - складывают одежду, собирают вещи. А модель, просто глядя на это, выучивает законы физики. Система выдает симуляцию в реальном времени на скорости около 11 FPS. Этого хватает, чтобы обкатывать алгоритмы в виртуалке и не ломать дорогие физические прототипы. Но фишка релиза в том, что виртуальным роботом можно управлять через VR-контроллеры прямо внутри сгенерированной реальности. Обе версии модели, на 2 и 14 млрд. параметров, опубликованы под лицензией, разрешающей в том числе коммерческое использование. Jim Fan (NVIDIA Director of Robotics) в сети Х ✔️ В коде ChatGPT обнаружили новый тариф Pro Lite за $100 в месяц. Тибор Блахо нашел во коде веб-версии ChatGPT упоминания нового уровня подписки. Судя по всему, OpenAI планирует тариф Pro Lite, чтобы закрыть нишу между планом Plus и флагманским Pro. Согласно найденным фрагментам кода, Pro Lite предложит в 3–5 раз больше квот на использование ризонинг-моделей по сравнению с Plus. Кроме того, план, вероятно, получит расширенные лимиты для Codex. Официальных заявлений о сроках запуска нового тарифа OpenAI пока не публиковала. gizmochina.com ✔️ Сгенерированные лица людей стали слишком идеальными. Ученые из Австралии выяснили, что современные нейросети перешагнули порог визуального распознавания. В ходе эксперимента со 125 участниками обычные люди отличали сгенерированные лица от настоящих лишь немногим лучше, чем при случайном угадывании. Даже обладатели выдающейся зрительной памяти показали минимальное преимущество перед контрольной группой. Сложность связана с изменением самой природы визуальных ошибок ИИ. Если ранние генеративные модели оставляли заметные артефакты, то современные синтетические лица выдают себя исключительно своей безупречностью. Нейросети создают гиперреалистичные, абсолютно симметричные и статистически усредненные портреты с идеальными пропорциями. Авторы предупреждают, что этот искусственный перфекционизм скоро сломает системы биометрии и безопасности. Проверить собственную наивность можно в онлайн-демо исследования. unsw.edu.au @ai_machinelearning_big_data #news #ai #ml

⚡️ AI-войны продалжаются Anthropic заявили, что обнаружили масштабные кампании по «дистилляции» их моделей со стороны DeepSeek, Moonshot и MiniMax. По данным компании: - использовано ~24 000 фейковых аккаунтов - сгенерировано более 16 миллионов диалогов с Claude - цель - воспроизвести сильные стороны модели - агентное мышление - работу с инструментами - программирование - сложное рассуждение Фактически - это массовое извлечение поведения модели через API, чтобы обучить свои системы на её ответах. И самое интересное: Anthropic утверждает, что выявила схемы автоматически - по паттернам использования и аномальной активности. Это новая реальность рынка AI: - данные стали главным активом - поведение моделей — интеллектуальная собственность - компании пытаются копировать не архитектуру, а «мышление» Если раньше технологические войны шли за: - вычисления - датасеты - чипы то теперь начинается новая гонка: война за интеллект моделей. https://x.com/AnthropicAI/status/2025997928242811253 #Anthropic @data_analysis_ml

Anthropic выпустили исследование AI Fluency Index. И главный вывод - большинство людей уже используют AI каждый день, но почти никто не умеет работать с ним правильно. Вот самое важное и неожиданное из исследования. Главный навык работы с AI - не запрос, а диалог 85,7% эффективных взаимодействий - это не один вопрос, а серия уточнений. Когда человек: - уточняет - просит доработать - спорит - улучшает результат уровень AI-грамотности в 2 раза выше. Такие пользователи: - в 5,6 раза чаще проверяют логику ответа - в 4 раза чаще замечают, чего не хватает Вывод: первый ответ AI - это черновик, а не результат. Самая продуктивная модель - AI как напарник Наиболее эффективные пользователи не делегируют работу полностью, а используют AI как: - мыслительного партнёра - соавтора - помощника в размышлениях AI усиливает человека, а не заменяет его. Опасный эффект: чем красивее результат, тем меньше его проверяют Когда AI создаёт: - код - документы - приложения - интерфейсы люди: - реже проверяют факты (-3,7%) - реже замечают недостающий контекст (-5,2%) - реже задают вопросы по логике (-3,1%) Если результат выглядит готовым - его принимают на веру. Это один из главных рисков эпохи AI. Люди хорошо управляют AI, но плохо контролируют результат В задачах с готовыми материалами пользователи чаще: - чётко описывают цель (+14,7%) - задают формат (+14,5%) - дают примеры (+13,4%) Но при этом меньше анализируют итог. Только 30% пользователей задают правила работы с AI Например: - «Если мои предположения неверны - поправь» - «Объясни логику перед ответом» - «Скажи, в чём ты не уверен» А это напрямую влияет на качество результата. Главный вывод Разрыв будущего будет не между программистами и не-программистами. Разрыв будет между: - теми, кто ведёт диалог с AI - и теми, кто копирует первый ответ AI-грамотность - это новый базовый навык. И самый важный принцип из исследования: Первый ответ AI - это начало работы, а не конец. https://www.anthropic.com/research/AI-fluency-index @data_analysis_ml

📌Толковый калькулятор расчета инференса и дообучения LLM. Бесплатная тулза, которая помогает понять, какой GPU нужен под конкретную задачу до того как потрачен бюджет или наблюдается стойкий ООМ. Выбираете параметры инференса: архитектуру модели, тип квантования, sequence length и batch size, указываете спеки железа и получаете стату, распределение памяти, примерные метрики производительности и энергопотребления. Есть даже эмуляция скорости инференса с TTFT. Параметры расчета дообучения учитывают: конфиг датасета (количество сэмплов, среднее токенов на сэмпл, эпохи) и использование оптимизаторов. Плюс, еще посчитает время обучения. Цифры часто получаются чуть выше реального потребления (что даже хорошо), но точности до гигабайта ждать не стоит. Для грубой прикидки перед закупкой или деплоем - отличная вещь. @ai_machinelearning_big_data #AI #ML #LLM #VRAMCalculator

🙂 @ai_machinelearning_big_data

🙂 @ai_machinelearning_big_data

🙂 @ai_machinelearning_big_data

🙂 @ai_machinelearning_big_data

📌Сэм Альман дал интервью индийской прессе в рамках India AI Impact Summit 2026. Трансляция длилась час и содержала много риторики в сторону Индии. Мы собрали ключевые и наиболее интересные высказывания: 🟡Эволюция ИИ Скорость развития моделей от базовых задач к решению научных проблем не имеет аналогов в истории технологий. Глубокое обучение уникально тем, что небольшая группа исследователей нашла единый алгоритм, способный обучаться чему угодно, и его эффективность непрерывно растет. Год назад ИИ справлялся только с математикой на уровне старшей школы, испытывая трудности с программой начальных классов за пару лет до этого. Летом модели начали конкурировать в сложнейших математических олимпиадах, а на прошлой неделе проект First Proof ИИ решил 7 из 10 математических проблем, ответы на которые ранее не были известны ученым. Codex полностью изменили профессию программиста. Текстовый запрос теперь позволяет сгенерировать приложение целиком. 🟡Инфраструктура Требования к вычислительным мощностям для достижения AGI выходят за рамки существующих физических и экономических возможностей планеты. Индустрия ИИ представляет собой «пятислойный пирог»: энергетика, дата-центры, чипы, базовые модели и конечные приложения. Развертывание инфраструктуры станет самым дорогим и сложным проектом за всю историю человечества. Для его реализации невозможно использовать традиционные методы - потребуется массовое привлечение ИИ и промышленных роботов для строительства. Концепция размещения дата-центров в космосе абсурдна. Стоимость запуска оборудования несоизмеримо выше затрат на наземную электроэнергию, а починить сломанный GPU в космосе физически некому. Орбитальные дата-центры не обретут смысл в текущем десятилетии. 🟡Геополитика и альянс с государством Технологическая индустрия, зародившаяся в Кремниевой долине на принципах либертарианства, должна радикально изменить подход. Для достижения AGI потребуется беспрецедентный уровень интеграции с правительствами. В гонке ИИ Китай обладает подавляющим преимуществом в смежных физических отраслях: производстве промышленных роботов, электромоторов, магнитов и развертывании энергетической инфраструктуры. Крайне опасен сценарий, при котором AGI будет монополизирован одной компанией или одним государством. Распределение мощностей должно быть демократизировано для соблюдения баланса сил на международной арене. Уже наблюдается децентрализация: команды из 1-3 человек, используя ИИ-агенты, создают стартапы с феноменальным уровнем успеха и капитализации, что было невозможно еще несколько лет назад. ИИ-системы уже могут применяться правительствами для анализа массивов разведывательных отчетов. Категорически недопустимо использование ненадежных open-source моделей для принятия критических военных решений. 🟡Энергопотребление Оценка экологического следа дата-центров сопровождается дезинформацией. Утверждения о том, что ChatGPT расходует 17 галлонов воды на каждый поисковый запрос, являются фейком. Современные дата-центры отказываются от систем испарительного охлаждения. Общее потребление энергии дата-центрами абсолютно реально и огромно. Миру необходимо экстренно переходить на ядерную, ветровую и солнечную энергетику. Данные Билла Гейтса о том, что один запрос к ChatGPT эквивалентен разрядке 10 батарей iPhone, сильно завышены. Альтман предложил сравнение энергетических затрат на тренировку ИИ-модели с затратами на обучение человека. Специалисту требуется 20 лет потребления пищи и ресурсов планеты, прежде чем он сможет выполнять сложные когнитивные задачи. ИИ с этой точки зрения уже выигрывает по энергоэффективности. 🟡Блок ответов на вопросы

При гипотетическом выборе ИИ-ассистента из чужих моделей (Grok, Claude, Gemini, DeepSeek), Сэм отдаст предпочтение Gemini. Отказ от доли в капитале при создании OpenAI Альтман называет одним из самых глупых решений. Самый дорогой и значимый найм в истории компании - Илья Суцкевер. OpenAI не станет отказываться от рекламной модели монетизации, если это потребуется.

@ai_machinelearning_big_data #news #ai #ml

🙂 @ai_machinelearning_big_data

✔️ Anthropic запустила Claude Code Security. Новый инструмент сканирует кодовую базу и предлагает патчи для исправления найденных проблем. Сейчас он доступен в режиме ограниченного превью для Enterprise и Team клиентов, а мейнтейнеры репозиториев могут запросить приоритетный бесплатный доступ. Обычный статический анализ ищет совпадения с известными паттернами уязвимостей. Этого достаточно, чтобы поймать торчащие наружу пароли или устаревшее шифрование. Но прорехи в бизнес-логике или сломанный контроль доступа такие инструменты пропускают - там нужно понимать, как компоненты взаимодействуют между собой и куда движутся данные. Claude Code Security делает именно это: читает и анализирует код так, как его читал бы человек-исследователь безопасности. Каждая находка проходит многоступенчатую верификацию. Claude сам перепроверяет результаты, пытаясь опровергнуть собственные выводы и отсеять ложные срабатывания. Финальные находки появляются в дашборде с оценкой серьезности и уровнем уверенности модели. Решение, применять предложенный патч или нет остается за людьми, без человеческого одобрения ничего не меняется. За инструментом - более года исследований. Команда Frontier Red Team тестировала Claude на соревнованиях CTF и совместно с Pacific Northwest National Laboratory отрабатывала защиту критической инфраструктуры. С Opus 4.6 команда обнаружила в open-source проектах более 500 уязвимостей, которые не замечали годами, несмотря на регулярный аудит. @ai_machinelearning_big_data #news #ai #ml

💰 86-летний фермер из Пенсильвании отказался превращать свои поля в дата-центр для ИИ, даже за $15 млн. Мервину Раудабо предложили около $60 000 за акр, но он не захотел уничтожать ферму, которую ведёт уже более 60 лет. Вместо этого он продал права на застройку природоохранному фонду за $2 млн, теперь эта земля навсегда останется сельскохозяйственной.

«Вы генерируете текст. Я генерирую ужин.»

✔️ OpenAI выпустит умную колонку с камерой в 2027 году. Компания готовит к запуску линейку фирменных гаджетов. Первым устройством станет умная колонка. Ее релиз ожидается не раньше февраля 2027 года по цене от 200 до 300 долларов. Фишкой гаджета станет встроенная камера с функцией распознавания лиц. Устройство сможет анализировать происходящее вокруг и давать проактивные советы. Производство аппаратных новинок планируют поручить компании Foxconn. Колонка станет отправной точкой для новой экосистемы. В разработке также находятся умные очки (старт производства в 2028 гоу), беспроводная гарнитура Sweetpea, умный стилус Gumdrop и прототип настольной лампы. theinformation.com ✔️ Команда llama.cpp и GGML присоединилась к Hugging Face. Георгий Герганов и его команда переходят в Hugging Face. Проект llama.cpp останется полностью открытым и независимым. Разработчики сохранят за собой техническое руководство, а Hugging Face обеспечит финансирование и ресурсы. Цель партнерства - техническая интеграция. Поскольку transformers де-факто стала стандартом для архитектур ИИ-моделей, а llama.cpp выступает фундаментом для их локального инференса, команды хотят максимально упростить связку этих инструментов. В будущем развертывание новых моделей из transformers в llama.cpp должно работать в один клик. Также планируется улучшить упаковку и общий пользовательский опыт архитектуры GGML. Hugging Face делает ставку на то, что локальный инференс вскоре станет альтернативой облачным вычислениям. huggingface.co ✔️ Claude научился создавать и редактировать презентации внутри PowerPoint. Anthropic выпустила официальную интеграцию ИИ-ассистента для Microsoft PowerPoint. Плагин уже появился в Microsoft Marketplace и доступен в статусе бета-версии для подписчиков тарифов Pro, Max, Team и Enterprise. Через Claude можно генерировать целые презентации или править отдельные слайды с помощью текстовых запросов. Чат-бот понимает контекст текущего дизайна - он умеет считывать макеты, шрифты и цветовую палитру из образца слайдов. Таким образом, все новые элементы и сгенерированный контент автоматически подстраиваются под корпоративный стиль или существующее оформление документа. claude.com ✔️ Pika Labs анонсировала сервис цифровых двойников с долгосрочной памятью. Новая функция AI Selves позволит развернуть виртуального двойника, который обладает памятью, уникальным характером и способен самостоятельно общаться с другими людьми. За мимику и артикуляцию при разговоре отвечают собственные аудиовизуальные модели лаботатории. Пользователи смогут детально настраивать свою копию: задавать голос, манеру общения и загружать конкретные факты биографии или личные предпочтения. Процесс напоминает воспитание аватара, где создатель несет ответственность за заложенные в ИИ инструкции. Предполагается, что такие агенты будут интегрированы в мессенджеры и соцсети, где смогут общаться и действовать от имени пользователя. Pika Labs открыла регистрацию через список ожидания. Стоимость использования сервиса или уровнях подписки пока неизвестны. Pika Labs в сети Х ✔️ Microsoft разработала план борьбы с дипфейками. Команда Microsoft по безопасности ИИ оценила 60 комбинаций методов верификации цифрового контента и опубликовала рекомендации для платформ и ИИ-компаний. Схема трёхуровневая: история происхождения файла, водяные знаки и цифровая подпись контента. Вместе они позволяют отследить, было ли изображение или видео создано или изменено ИИ, но не определить, правда ли это. Главная ирония: когда CSO компании Эрик Хорвиц спросили, внедрит ли Microsoft собственные рекомендации в Copilot, LinkedIn и Azure, он ушёл от прямого ответа. Эксперт по цифровой криминалистике из UC Berkeley Хани Фарид оценивает инициативу осторожно: стандарт не решит проблему целиком, но существенно усложнит массовый выброс фейков. technologyreview.com @ai_machinelearning_big_data #news #ai #ml