AI++

Ночью OpenAI выложили в открытый доступ 722 написанных ИИ статьи по математике В каждой решается какая-то открытая математическая задача. Их сгенерировала внутренняя еще не выпущенная модель, и они сгруппированы в 372 семейства связанных работ по разделам математики. В стартапе решили, что проверять модели на бенчмарках уже неинтересно, потому что они насытились, и вместо этого выдали агенту 4000 открытых исследовательских задач. В среднем на один результат уходило около трех часов размышлений. Самые значимые доказательства: — Гипотеза Ходжа для CM-абелевых многообразий. Это частный случай гипотезы Ходжа из списка задач тысячелетия. — Расширение зоны без нулей дзета-функции Римана до Re(s) > 11/12 (то есть доказано, что все нетривиальные нули оказываются в полосе 1/12 < Re(s) < 11/12). Это промежуточный результат для гипотезы Римана. — Решение задачи факторов свободных групп. Задача была открыта с 40-х годов прошлого века, и доказательство закрывает один из старейших вопросов теории алгебр фон Неймана. — Unique Games Conjecture. Это главный вопрос о пределах приближенных вычислений: для многих NP-трудных задач она утверждает, что лучшие известные алгоритмы уже оптимальны и улучшить их можно, только если P = NP. Доказательство закроет вопрос сразу для огромного класса задач. https://github.com/openai/math Комментарии излишни, это просто поразительно

Ликвидная multimodal decision model. 🥳 Только сегодня мы обсудили на стриме поворот decision-models в сторону омни или мульти модальности. Так и вот оно уже тут. Модели LiquidAI/d1-3B и 0.6b-omni: Открытые мультимодальные модели, которые обрабатывают текст, и изображения, и еще аудио. 😜 Модели все также не генерируют токены. Вместо этого они выдают ответ за один прямой проход, что дает экстремально низкую задержку - 8 мс на RTX 4090 и 50 мс даже на Jetson Orin Nano. Архитектура построена на базе LFM2.5-VL-3B (decoder-only), использует логично энкодер для перевода изображения в эмбеддинги, модель размером 400M из семейства SigLIP2 NaFlex. Далее прокидывает это представление в спец токены текст модели. Контекст 32K токенов и словарь на 128K токенов. Upd. Омни модель жуёт ещё и аудио. Построена на LFM2.5-Encoder-350M (двунаправленный). 94М визуальный энкодер снова от SigLIP2 и 112M аудио-энкодера FastConformer. Контекст - 16K токенов. Принимает либо текст+изображение, либо текст+аудио (до 30 секунд речи). Лицензия своя - LFM Open License v1.0, условно бесплатно для коммерческого использования, пока годовая выручка компании не превышает $10 млн. 😳 Ага щазз я буду ещё следить за этим ога... 😐 В целом схема понятная работы, тем более сегодня 📦 называл точно такую же. Вам предлагаю, если хотите подобное сделать, то использовать ModernVBert. Останется только найти датасеты в oss и вашей игровой карты уровня 12-16гб vram вполне хватит, чтобы дотюнить 😏

Пока что самым сильным индикатором уровня задач, решения которых выложили OpenAI, является эта история. Hugo Duminil-Copin, математик, получивший Филдсовскую премию в 2022-м году, поделился, что плакал после того, как увидел релиз OpenAI, настолько громко, что разбудил дочь. Среди решённых задач были как минимум 16 тех, над которыми он сам работал (и видимо какое-то время не мог решить) — что для меня является показателем их близости к актуальному исследовательскому уровню и прокси к их сложности. «Они уничтожили мою область исследований», — заявил он на видео-конференции. Он также показал слайд, на котором был изображен кролик, раздавленный несколькими грузовиками. «Они хотели доказать, что могут нас уничтожить». Ситуация грустная, но что поделать 🤷‍♂️

REA — MCP-инструмент, который помогает AI-агенту восстановить исходный код любой программы Реверс-инжиниринг - это когда берёшь готовую программу (без исходного кода) и разбираешься, как она работает внутри. Обычно для этого нужны специальные дорогие инструменты и профильные навыки. REA подключается к вашему AI-агенту (Claude Code, Cursor и похожим) и берёт эту работу на себя. Сейчас эта штука стремительно набирает обороты. Увидели в чужом приложении крутую фичу - спрашиваете агента «разберись, как здесь устроен поиск, и сделай так же у меня в проекте». REA разбирает само приложение (сайт, мобильное приложение, программу для компьютера) и отдаёт агенту псевдокод и логику работы, по которым можно воссоздать похожее. Всё происходит локально, на вашем компьютере, ничего никуда не выгружается. Link: https://github.com/morluto/rea @ppprompt