AI Дрессировщики нейронных сетей (DS и Искусственный интеллект)

🤖 Робот сначала ошибается в симуляции, а потом исправляет движение до попытки в реальном мире. Sakana AI и Токийский университет представили SAIL. Модель получает несколько примеров выполнения задачи и предлагает траекторию. Её проверяют в симуляторе, другая модель смотрит видео и отмечает, где робот перестал продвигаться к цели. Затем система меняет неудачный участок и пробует снова. На физический манипулятор отправляют только выбранную траекторию. В симуляции робот выполнял шесть разных задач. Одна попытка выбрать движение приводила к успеху в 25% случаев. Когда SAIL могла проверить и улучшить до 45 вариантов, успех вырос до 73%. Затем метод испытали на настоящем роботе: в одной задаче он справился 5 раз из 6. Пока это проверка на одной физической задаче, но идея наглядная: дать модели больше попыток *до* движения робота, не переобучая её. Блог - https://pub.sakana.ai/sail/ Статья - https://arxiv.org/abs/2603.08269 @ai_machinelearning_big_data #Sakana

Microsoft внутри своей компании называла обучение ИИ чуть ли не крупнейшей кражей труда в истории человечества. Это стало известно из рассекреченных внутренних писем. Один из руководителей компании характеризовал это именно так. Переписка также показывает, что Microsoft и OpenAI обсуждали риск, который называют «doom loop». Если по-русски — это порочный круг, где одна проблема вызывает вторую, а та усиливает первую, создавая непрерывный ухудшающийся процесс. В случае с ИИ — это то, что происходит сейчас: ИИ-поисковики забирают контент издателей, трафик падает, редакции сокращаются, в итоге качественного материала для обучения становится в разы меньше. Удивительно, но ведь они даже не смущаются того, что уничтожают экосистемы, из которых сами добывают сырьё для обучения своих моделей. Воистину человеческая глупость в угоду деньгам безгранична, и на неё падки даже те, от кого буквально может зависеть судьба человечества. @lobushkin

✔️ Агенты OpenAI выложили в сеть 53 фото пользователей Изображения пользователи загружали в сервисы OpenAI, затем они попали в обучающие данные, а агенты из исследовательской среды компании разместили их на сторонних фотохостингах. Ссылки не публиковались, но найти снимки было можно. Большую часть OpenAI удалила, остальное ещё в сети. Уведомить владельцев компания не может, её технический подход и политика конфиденциальности не позволяют связать снимки с аккаунтами. Случай вошёл в обзор поведения агентов, который OpenAI ведёт после взлома ими Hugging Face. На прошлой неделе премьер Австралии заявил, что агенты OpenAI проникли в базы национальной системы здравоохранения и через запрос Сената вызвал Сэма Альтмана и Дарио Амодея для дачи показаний по инциденту на парламентских слушаниях. openai.com ✔️ OpenRouter доверил выбор модели нейросети Jev Jev Router подбирает модель и глубину рассуждений под каждый запрос с учётом качества, скорости и цены. Решение принимает Jev, модель компании TypeSafe. Перед каждым запросом она оценивает его сложность и нужную точность. На четырёх агентских бенчмарках Jev Router решил 237 задач из 423 против 130 у прежнего Auto Router, это по замерам самой OpenRouter. Роутер бесплатный, контекст 1 млн токенов. openrouter.ai ✔️ Китай стал вторым рынком дата-центров после США SemiAnalysis насчитала больше 1000 объектов у 60 с лишним операторов на 24 с лишним ГВт. Ещё около 20 ГВт в проектах со сроками ввода и 30 ГВт в анонсах. Примерно пятую часть введённых мощностей занимает ByteDance, и почти всё она арендует. Капитальные затраты Alibaba, Tencent и Baidu во втором квартале выросли больше чем вдвое год к году, до 20 млрд долларов, и впервые все три компании показали дефицит свободного денежного потока.  semianalysis.com ✔️ ElevenLabs выпустила Eleven v4 и Eleven v4 Turbo Новая модель синтеза речи построена на другой архитектуре и подстраивает подачу под контекст сцены и предыдущие реплики. Интонацией управляют встроенными тегами,

⚡️ Liquid AI выпустила модели, которые принимают решения и не генерируют ни одного токена Liquid AI представила decision models, первая из них называется d1. Модель получает контекст в виде текста или JSON и за один вызов возвращает откалиброванные вероятности по заранее заданным вариантам ответа. Вопросы бывают трёх типов: «да или нет» с вероятностью от 0 до 1, выбор из нескольких вариантов с распределением вероятностей и оценка по шкале. Несколько вопросов можно задать в одном запросе. Ответ не нужно парсить, ошибок схемы не бывает, задержка низкая и предсказуемая, а три вызова LLM сливаются в один. Вместе с ответом приходит уверенность модели, поэтому спорные случаи легко отправить на большую модель или человеку. Модели: https://docs.liquid.ai/lfm/models/decision-models Гайд по миграции: https://docs.liquid.ai/guides/decision-model-guide Демо: https://github.com/Liquid4All/cookbook/tree/main/examples/road-decider @ai_machinelearning_big_data #LiquidAI

Команда Т-Теха разработала решение для улучшения рексистем в условиях нехватки данных пользователей Исследователи Т-Технологий на международной конфе по рекомендательным системам ACM RecSys 2026 выступили сразу с тремя работами: библиотекой Scikit‑Rank, фреймворком Perseus и методом ScaL³AE. Главный релиз — Scikit‑Rank. Библиотека позволяет применять нейросетевые модели в задачах предсказания показателя кликабельности и ранжирования предложений с минимальными изменениями кода. Библиотеку можно использовать для ранжирования предложений, например, в электронной коммерции, банкинге, медиа. Вторая работа — Perseus. Фреймворк позволяет обучать нейросети на общей последовательности сигналов о пользователе и повышать качество рекомендаций благодаря учету источников данных из разных продуктов и сервисов. В эксперименте на T-ECD он улучшил качество рекомендаций с 16 до 39% в разных доменах при использовании истории пользователя из разных сервисов. Третья разработка — ScaL³AE — подход, который помогает улучшить качество и эффективность вычислений при работе с большими объемами каталогов в более чем миллионы объектов рекомендаций. Он позволяет компактно применять описание товаров для рекомендаций в больших каталогах в том числе для объектов, по которым накоплено мало взаимодействий. В тестах на четырех категориях Amazon Reviews метод превзошел EASE и SANSA, а также показал сопоставимые или более высокие результаты по сравнению с популярной L³AE. @ai_machinelearning_big_data #news #ai #ml

Трамп на встрече с руководителями Anthropic, Nvidia, Google, SpaceXAI, Meta и OpenAI предложил им регулировать ИИ самостоятельно — они согласились Участники мероприятия подписали «морально обязывающее соглашение» о мерах безопасности и согласии переименовать ИИ в «суперинтеллект». Президент США Дональд Трамп пригласил на встречу в Белом доме руководителей крупных американских ИТ-компаний, разрабатывающих технологии для ИИ. Её посетили в том числе глава Anthropic Дарио Амодеи, гендиректор Nvidia Дженсен Хуанг, глава Google Сундар Пичаи, президент OpenAI Грэг Брокман и глава Meta Марк Цукерберг и гендиректор SpaceXAI Илон Маск. Встреча была посвящена подписанию предложенного Трампом соглашения о саморегулировании ИИ-отрасли. Вместо введения государственного регулирования технологии президент США призвал компании контролировать себя самостоятельно. Одностраничный документ предполагает проверку рисков, аудит и оценку моделей сторонними организациями. При этом официального статуса у него нет, отмечает NYT.

✔️ Президент США и главы ИИ-компаний подписали соглашение о безопасности Документ подписали главы Google, Anthropic, xAI и Nvidia и президент OpenAI Грег Брокман. Юридической силы у соглашения нет, стороны называют его морально обязывающим. Компании обещают ввести четыре уровня контроля и аудита передовых моделей, создать внутренние группы для проверки этих механизмов, допустить внешние проверки и независимый надзор. Критики сетуют, что соглашение необязательное и почти не содержит деталей. axios.com ✔️ В Китае заработал первый суперкластер на 100 тысяч отечественных ускорителей Об этом сообщил Китайский информационный центр интернет-сети CNNIC в докладе о генеративном ИИ. Все компоненты кластера от чипов и сети до хранения данных и охлаждения сделаны в Китае. Вычислительная мощность для ИИ в стране к июню выросла за год на 177%, до 2185 EFLOPS. Аудитория генеративного ИИ превысила 700 млн человек, это больше половины населения. ИИ используют более 30% крупных и средних промышленных предприятий Поднебесной. cnnic.cn ✔️ Ideogram выпустила модель 4.5 Свежая версия сфокусирована на точное и последовательное редактирование графики. Она не накапливает артефакты, смещения пикселей и искажения цвета при длинных цепочках правок. Модель правит фрагменты снимков высокого разрешения без уменьшения исходника и переводит надписи на изображении на другие языки. Ideogram 4.5 доступна в веб-интерфейсе, у партнёров и через API в четырёх режимах качества, от 0,008 до 0,22 доллара за изображение в разрешении 2K. Веса компания обещает открыть в ближайшее время. ideogram.ai ✔️ OpenClaw Foundation открыл код корпоративной платформы для агентов OpenClaw Enterprise управляет постоянно работающими агентами в закрытых средах. Проект начинали в OpenAI, затем передали фонду и доработали вместе с Red Hat и Nvidia. Платформа поддерживает мультиарендность, разделяет доверенные и недоверенные нагрузки, запускает агентов в песочнице, проверяет их действия с помощью языковой модели и

Сотрудники Anthropic хотят купить землю в отдалённых районах США, чтобы пережить ИИ-апокалипсис. Об этом пишет The Wall Street Journal. В статье издание рассказывает, откуда берутся эти страхи в одной из крупнейших ИИ-лабораторий мира. Оказывается, главный корень проблемы — это сообщество рационалистов Элиезера Юдковского и движение «эффективного альтруизма». Первые сотрудники крупнейших бигтех-компаний вышли именно из этой среды. Они до сих пор обсуждают сценарии конца света в своих закрытых чатах. Страшный факт в том, что люди из ИИ-конторок обсуждают ИИ-апокалипсис, сублимируют его, но при этом его же и приближают. @lobushkin

🔥 ChatGPT PRO на русском: открытый курс от первого промпта до агентов и Codex На GitHub появился бесплатный практический курс по ChatGPT, целиком на русском. Он умещается в один репо, поэтому ничего не нужно ставить и регистрироваться не надо. Программа идёт от простого к сложному в четыре уровня: база, работа, расширение и PRO. Всего в ней 13 модулей. Первые разбирают выбор между быстрыми и рассуждающими моделями, Deep Research, формулу промпта, память и проекты. Дальше идут анализ таблиц, Canvas, картинки и голос, а последние модули посвящены Custom GPTs, коннекторам, агентам, Codex и API. Главная ценность курса в практике. В нём 10 лабораторных: библиотека промптов, аналитика без Excel, ресёрч с проверкой источников, свой GPT, постановка задач агенту, разработка через Codex и автоматизация через API. К ним прилагаются 15 готовых рецептов под типовые задачи и разбор антипаттернов в формате «как делают неправильно и как надо». Отдельный модуль посвящён безопасности: prompt injection, утечки данных и проверка фактов за моделью. Курс удобно дать новичкам в команде или пройти самому, чтобы закрыть пробелы по агентам и Codex. https://github.com/justxor/ChatGPT_ru

⚡️ Одна и та же модель набирает 62% в одном агентном харнессе и 33% в другом. Hugging Face показали, как это исправить через RL Команда Hugging Face выложила подробный гайд по multi-harness RL. Сами харнессы при этом не трогают. Модель подключают к прокси, который понимает все четыре API-формата coding-агентов: OpenAI Chat Completions, OpenAI Responses, Anthropic Messages и Gemini. Прокси записывает точные token ids и logprobs, которые семплировал vLLM, и на них идёт обучение. Claude Code, Codex и OpenCode работают как есть, без единой правки. Результаты на LFM2.5-2.6B от Liquid AI получились такие. После обучения сразу в четырёх харнессах точность выросла с 42% до 54%. Небольшой бонус за решение задачи за меньшее число шагов сократил вызовы инструментов на 31%. Обучение только в OpenCode подняло сам OpenCode с 34% до 58%, но мульти-харнесс модель стала лучше везде. Проверили и популярный короткий путь: SFT на 3 189 успешных траекториях Qwen3.8-27B. Имитация упёрлась в 47.5%, это ниже обоих RL-запусков. Копирование большой модели не заменяет практику в среде. Открыто всё: прокси для записи траекторий в OpenEnv, тренер в TRL (async GRPO), задачи, SFT-данные, код и семь обученных моделей. https://huggingface.co/spaces/AdithyaSK/multi-harness-rl @ai_machinelearning_big_data #HuggingFace

✔️ Runway показала генеративную оболочку ОС Исследовательское подразделение Runway анонсировало концепт Project Continuum, экспериментальную оболочку операционной системы. Отдельные области экрана в ней генерирует видеомодель в реальном времени, и они откликаются на клики, перетаскивание и изменение размера окна. 🟡Runway показала четыре сценария Порталы – анимированные вставки поверх просматриваемой страницы с наглядным объяснением, местом или симуляцией по её теме. Отзывчивые видеоинтерфейсы, которые перестраивают сцену под размер окна и учитывают при этом изменение геометрии объектов. Интерактивные миры разворачивают картинку, клип или превью в пространство, по которому можно перемещаться. Визуальное мышление рисует ход работы агента - каждый его шаг и вызов инструмента. Эти области генерирует Solaris, которую Runway недавно представила как первую модель мира для интерфейсов. Она принимает клики и другие действия пользователя как условие и по ним предсказывает следующий кадр. Под капотом Solaris - видеомодель Gen-4.5, в инференсе которой каждый кадр зависит от предыдущих. 🟡Continuum существует пока только в виде демонстрации Нерешёнными Runway называет отрисовку текста, связность в длинных сессиях и доступность для программ экранного доступа, которым нужна структура интерфейса. Для Continuum пока нет ни API, ни SDK, ни цен, ни сроков выпуска, а вот к Solaris можно запросить ранний доступ. @ai_machinelearning_big_data #news #ai #ml

Спасибо gpt 🙂