🧠 ИИ OpenAI нашёл доказательства для научных задач, не поддававшихся учёным десятилетиями – теперь их проверяют эксперты.

1) Математика: гипотеза, открытая с 1991 года

Гипотеза Кристофера Согге о локальном сглаживании описывает концентрацию волн: сильная фокусировка возможна, но должна быть кратковременной.

ИИ построил доказательство для пространств любой размерности. Из него также следуют доказательства гипотез Какеи и Стейна. Текст и формализация в Lean опубликованы.

2) Информатика: опровержение ETH

Гипотеза экспоненциального времени предполагает, что для определённого класса логических задач нельзя избежать экспоненциального роста времени вычислений.

На этом предположении основаны сотни научных работ. OpenAI сообщает, что ИИ нашёл опровержение, проверенное в Lean. Его изучает группа, включающая двух авторов исходной гипотезы.

Поиск практически полезных алгоритмов на основе результата потребует дальнейших исследований.

3) Физика: часть задачи тысячелетия

ИИ предложил строгие доказательства существования квантовой хромодинамики и чистой теории Янга–Миллса в четырёх измерениях.

Последняя связана с задачей тысячелетия с премией $1 млн, однако заявленный результат не означает полного решения этой задачи.

Материалы пока не опубликованы. Их разбирает группа во главе с нобелевским лауреатом Дэвидом Гроссом.

Математическое доказательство получено 18 октября, формализовано 19-го. Опровержение ETH получено 16 октября, формализовано 17-го.

OpenAI пока предлагает считать рукописи ИИ исходным исследовательским материалом. Независимая экспертиза продолжается.

https://openai.com/index/building-scientific-understanding-with-academic-communities/

@ai_machinelearning_big_data

#OpenAI #chatgpt

Читать полностью…

📌 FairStress: тест на демографическую справедливость моделей

Институт Аллена опубликовал набор FairStress для проверки того, меняет ли языковая модель своё решение о человеке из-за его расы, пола, религии, возраста, инвалидности или ориентации в сферах найма, кредитования, медицины и образования.

FairStress тестирует прочность позиции модели - в промпт внедряются состязательные префиксы с авторитетными или социально окрашенными аргументами (ссылки на мнение руководства, дискриминацию в прошлом или неформальные рекомендации), после чего замеряется, насколько охотно система отказывается от объективно более сильного кандидата под внешним давлением.

В наборе 300 сценариев из 29 областей с вымышленными кандидатами, 33 пары демографических групп, четыре степени раскрытия личности и до 78 убеждающих фраз. Итого более 13 млн вариантов.

🟡Тесты

На 15 моделях семейств Olmo, Llama, Qwen, Gemma, Claude и GPT бенчмарк выявил повсеместную антистереотипную гиперкоррекцию - под влиянием одинаковых по силе аргументов модели гораздо чаще отказывались от правильного выбора в пользу кандидатов из исторически уязвимых групп, чем наоборот.

Без данных о личности модели беспристрастны, но при прямом указании группы они на 9,3 процентного пункта чаще отказываются от верного решения, если отказ выгоден кандидату из меньшинства.

В сценариях без явного фаворита выбор в пользу меньшинств происходил в 60–65% случаев.

Кроме того, модели меняли логику аргументации: заслуги одних кандидатов объяснялись критериями и фактами, а других - абстрактной устойчивостью и разнообразием, что фактически нивелировало их профессиональные достижения.

Аудит показал, что текущие процессы элайнмента обучают модели блокировать дискриминационные запросы, но не учат их устойчивому взвешиванию объективных навыков.

Снизить асимметрию без падения точности помог только контрфактический CoT - принудительный пересмотр логики задачи с зеркальной заменой демографических маркеров.

📌Лицензирование: CC-BY-4.0


🟡Статья
🟡Датасет
🖥GitHub


@ai_machinelearning_big_data

#AI #ML #Dataset #FairStress #Ai2

Читать полностью…

🔬️️️️️️ Claude самостоятельно обошёл платный доступ к избирательной статистике Джорджии.

По сообщениям СМИ, подтверждённым Anthropic, это произошло во время внутреннего проекта по статистике.

Модель узнала, что публичная панель ведомства выдаёт посетителям токен доступа, самостоятельно запросила его и получила агрегированные данные, за которые обычно взимается плата. Такого действия человек ей не поручал.

По заявлению Anthropic, Claude не получил доступ к системе регистрации избирателей, не скачивал индивидуальные записи и не менял данные голосования.

Компания сообщила, что после инцидента ввела меры для блокировки подобных действий.

https://www.axios.com/2026/10/25/anthropic-claude-georgia-voter-data

@ai_machinelearning_big_data

#claude

Читать полностью…

📘 На Mentorix вышел курс — «RAG Engineering: создание production-ready AI-систем»

Хотите не просто собрать демо «чат по документам», а сделать RAG, который находит нужный раздел и отвечает с цитатами? Этот курс — полный путь от RAG без фреймворков до production agentic RAG.

• Основы: embeddings, top-k, мини-RAG руками
• Векторный поиск: Qdrant и pgvector, мультитенантность
• Chunking: semantic, document-aware, parent-child
• Hybrid search: BM25, sparse-векторы, RRF
• Reranking: cross-encoder, Cohere, Voyage, Jina
• Оценка: nDCG, golden datasets, faithfulness, eval в CI
• Паттерны: HyDE, multi-hop, Corrective RAG, GraphRAG
• Agentic RAG и MCP-сервер базы знаний
• Production: FastAPI, streaming, кэш, права доступа

🎓 Сертификат — добавьте в резюме или LinkedIn

🏷 Скидка 50%, действует 48 часов
12 990 ₽ → 6 495 ₽

➜ Пройти курс на Mentorix

Ещё 25 курсов бесплатно — доступны после регистрации

Читать полностью…

🌟 Recursive выпустила модель для кодинг-агентов

Стартап Recursive Superintelligence, основанный Ричардом Сочером и вышедший из тени в мае с 650 млн долларов инвестиций, показал свою первую модель - Flint.

Такие деньги Recursive получил ещё до первой модели во многом из-за состава основателей. Сочер был главным научным сотрудником Salesforce и в свое время запустил поисковик You.com, оттуда же пришёл Цаймин Сюн, возглавлявший исследования ИИ.

Алексей Досовицкий из Google – автор Vision Transformer, Юаньдун Тянь занимался исследованиями в FAIR у Цукерберга, Тим Роктэшель пришёл из DeepMind и остаётся профессором Университетского колледжа Лондона, Джефф Клун стоит за работой о машине Дарвина-Гёделя про самоулучшающийся код.

Ещё двое, Джош Тобин и Тим Ши, работали в OpenAI, а Ши вдобавок сооснователь Cresta.

Модель рассчитана на агентов, которые разбирают чужой код, чинят ошибки, добавляют функции и пишут тесты. Команда собрала её с нуля меньше чем за четыре месяца.

🟡Архитектура

Flint построена на MoE, 39,8 млрд общих параметров, на каждый токен работают 2,5 млрд. Окно контекста - 262 тысячи токенов.

В каждом слое 256 экспертов, из которых выбираются шесть, плюс один работает всегда.

Большая часть слоёв внимания смотрит не на весь контекст, а на скользящее окно, что экономит вычисления.

Под Apple Silicon и NVIDIA RTX Spark стартап написал свои вычислительные ядра.

🟡 Тесты

На SWE-bench Verified модель набрала 74,2%, на Terminal-Bench 2.1 – 54,9%.

Recursive называет Flint лучшей моделью со смесью экспертов среди тех, что меньше 50 млрд параметров, и утверждает, что та догоняет плотные модели на 25–40 млрд, работая впятеро быстрее.

На коротком контексте Flint выдаёт больше 125 токенов в секунду на MacBook с M4 Pro и больше 150 на NVIDIA RTX Spark с 64 ГБ памяти.

Flint работает в llama.cpp, Ollama, LM Studio, vLLM и SGLang, а для ноутбуков на M4 Pro и M5 Pro или Max есть собственный движок rec.


📌Лицензирование: Apache 2.0


🟡Блогпост
🟡Документация
🟡Веса
🖥GitHub


@ai_machinelearning_big_data

#AI #ML #LLM #Flint #RecursiveSI

Читать полностью…

✔️ OpenAI открыла Decisions API

Интерфейс снижает задержки и расходы на микрорешениях в агентных процессах, сводит GPT-6 Luna к задачам с жёстко ограниченным выводом и работает до десяти раз быстрее Responses API.

Форматов ответа три - расчёт вероятности условия, выбор варианта из списка и оценка по шкале. Контекст мультимодальный, пакетом принимается до 400 вопросов на запрос.

Выходные токены бесплатны, вход стоит 10 центов за миллион и 1 цент через контекстный кэш, есть локализация обработки в США и ЕС и Zero Data Retention для корпоративных клиентов.
openai.com

✔️ Symantec нашла агента, который угоняет чужие языковые модели для атак

Сборка ищет в интернете открытые эндпоинты, тестовые серверы и утёкшие ключи к коммерческим моделям, а затем использует чужую модель как мозг наступательных операций. Устройство схемы раскрылось, когда злоумышленники по ошибке прислали рабочий промпт в ловушку компании.

Фильтры чужих моделей обходятся многослойным джейлбрейком, а к делу подключена библиотека из 74 утилит со сканерами, эксплойтами и частями ботнета. Главное в угрозе - автономный режим Скайнета, где модели разрешено до 100 тысяч итераций без подтверждения оператора. Агент исследует сеть, атакует инфраструктуру, ставит майнеры, чистит логи и ищет новые открытые модели для самокопирования.

Ущерб получается двойной - взломанные серверы теряют данные и тратят мощности на майнинг, а владельцы открытых шлюзов получают счета за токены.
security.com

✔️ Cursor научил агентов управлять рабочим столом

Работа агентов переехала из облака на локальные машины, и ассистент теперь не только правит код, но и может двигать курсор, нажимать кнопки, вводит текст и работает в сторонних программах. Вызывается он командой в чате или сам, когда для проверки нужно открыть собранное приложение.

На macOS работает через фоновую утилиту с явным доступом к Accessibility и записи экрана, в Linux на X11 с полной изоляцией рабочего пространства.

Первые тесты вскрыли дрейф интерфейса, когда окно меняет размер или смещается на пару пикселей, координатная сетка сбивается и клики уходят в пустоту, поэтому инженеры советуют жёстко фиксировать геометрию окон.

Функция доступна в свежей версии редактора.
Cursor в X

✔️ Liquid AI представила движок инференса с низкой задержкой

Представленный движок под названием RIPL сделан для линейки Liquid Foundation Models под системы с жёстким лимитом по времени отклика. В отличие от решений под пакетную обработку, он встраивает модель в критический путь запроса и возвращает полный ответ меньше чем за 50 мс при потоке до тысячи запросов в секунду.

Им рассчитывают заменить градиентные бустинги и эмбеддинги в онлайн-ранжировании, рекламе, скоринге и системах борьбы с мошенничеством. Первой его внедрила Shopify в своем поиске, другим клиентам доступно развёртывание по запросу.
liquid.ai

✔️ Шведские госведомства начали блокировать ChatGPT и Claude

Правительство ограничило сотрудникам доступ к публичным ИИ-сервисам без отдельных контрактов на обработку закрытых данных, директор по цифровизации объяснил это рисками для защищённости госинформации.

По данным радиостанции Ekot, блокировки ввели Налоговая служба и Национальное управление институциональной помощи, Служба взыскания задолженностей готовит такой же регламент.

Поводом стали аудиты, которые выявили, что служащие регулярно загружали служебные данные в десяток публичных платформ. Чтобы не потерять выгоду от автоматизации, канцелярия переводит персонал на свою инфраструктуру, часть сотрудников продолжит работать с Claude и ChatGPT, но только через защищённую внутреннюю платформу и корпоративный Microsoft Copilot.
sverigesradio.se


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

Kimi K3.1 Pro пришла не прохлаждаться 🔥

Читать полностью…

Tencent выложила Hy-Nomas: опенсорс-модель интерактивного видеомира, которая запускается на одной RTX 4090 🌍

Модель строит мир по сегментам видео, а вы управляете ею текстом и траекторией камеры: на каждом шаге можно сменить сцену, стиль, действие или ракурс, и память мира сохраняется между сегментами. Выход 720x1280 при 24 fps. Для узких областей вроде робототехники есть лёгкая адаптация через LoRA.

На одной RTX 4090 модель идёт с INT8-весами, INT8 KV-кэшем и выгрузкой на CPU, стандартная конфигурация рассчитана на восемь GPU. В репозитории код обучения, инференса и демо, лицензия Apache-2.0.

Бенчмарков для самой модели пока нет, технический отчёт обещают позже.

Источник: https://github.com/Tencent-Hunyuan/Hy-Nomas
Демо: https://hy-nomas.hy.tencent.com/demo
Веса: https://huggingface.co/tencent/Hy-Nomas

@ai_machinelearning_big_data

Читать полностью…

✔️ Банки США начали блокировать ИИ-агентов

По данным Axios, JPMorgan Chase, Morgan Stanley, Bank of America, Citi и Wells Fargo столкнулись с волной инцидентов, когда автономные агенты выполняли операции в онлайн банкинге от имени клиентов.

Пользователи добровольно передавали ассистентам свои учетные данные для решения финансовых задач, что нарушает базовые правила платформ, требующие исключительно ручной аутентификации человеком.

В ряде случаев мониторинг выявил попытки ботов действовать без прямой команды владельца счета - агенты самостоятельно обращались в службы поддержки, запрашивали перемещение средств и пытались инициировать транзакции.

Главная проблема для безопасности заключается в том, что существующие антифрод-системы не способны достоверно различать паттерны поведения человека и сложных мультимодальных агентов, а также проверять легитимность конкретных решений модели в реальном времени.

Из-за регуляторных и финансовых рисков институты начали принудительно закрывать доступ сторонним агентским процессам.

В качестве долгосрочного решения банки рассматривают перевод подобных систем на изолированные API в режиме по аналогии с интеграциями сервисов финансового учета, параллельно готовя протоколы экстренной изоляции скомпрометированных счетов.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

MiniMax открыла веса M3.1 Flash - MoE-модели на 428 млрд параметров для программирования и ИИ-агентов.

При обработке каждого токена активируются около 23 млрд параметров. Модель ориентирована на многошаговые задачи: работу с инструментами, разработку ПО и управление приложениями.

Результаты по оценкам разработчика:

- 73,7% на DeepSWE v1.1 — сложные задачи разработки.
- 61,7 на OSWorld V2 — работа с компьютерным интерфейсом.
- 76,2 на BankerToolBench — использование инструментов в банковских сценариях.
- 29,6 на Agents’ Last Exam — комплексные профессиональные задачи.
- 82,2 на CyberGym — воспроизведение уязвимостей.

За эффективность отвечают MiniMax Sparse Attention и DSpark speculative decoding: разреженное внимание и спекулятивное декодирование, ускоряющее генерацию.

Теперь веса можно использовать для собственного развёртывания и независимых тестов. 23 млрд активных параметров сокращают вычисления, но хранить нужно всю модель — это по-прежнему серьёзная нагрузка на инфраструктуру.

Hugging Face: https://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash

API: https://platform.minimax.io

@ai_machinelearning_big_data

#MiniMax

Читать полностью…

📌 Кейноут GTC Berlin 2026

Главные темы – физический ИИ, суверенные вычисления и перевод дата-центров в формат фабрик, которые выпускают в качестве товара интеллект.

За год Nvidia вложила в Европу почти 10 млрд долларов, объявила 14 инвестиций в стартапы и насчитала больше 12 тысяч партнёрств в регионе.

🟡Vera Rubin в полном производстве

Платформа пошла в серию. Каждый ускоритель выдаёт 20 петафлопс, стойка NVL72 через коммутатор NVLink собирает 72 ускорителя в одну систему на 1,44 экзафлопса.

Охлаждение полностью жидкостное, сборка узла занимает меньше пяти минут против двух часов у Grace Blackwell.

🟡DSX POD

Готовая фабрика в контейнере - семь жидкостных вычислительных стоек, 17 км кабелей Spectrum-X, питание 800 В постоянного тока и теплоноситель до 45 °C.

Собирают и тестируют POD на заводе, на площадке он встаёт за две недели, а полное развёртывание сокращается с четырёх-пяти месяцев примерно до одного.

Поставками с начала 2027 года займутся Dell, HPE, Gigabyte, Delta и QCT.

🟡DSX MaxLPS

Система управления питанием для таких фабрик. Компания заявляет снижение энергопотребления на 30% при той же выработке, а на масштабе 2 ГВт обещает экономить 54 млн литров воды в сутки.

🟡Spectrum-X с оптикой в корпусе

Сетевой уровень получил co-packaged optics на технологии COUPE, разработанной с TSMC - 512 портов по 200 Гбит/с. Производственные планы по оптическим решениям Nvidia обозначила ростом мощностей в 15 раз с выходом на тридцатикратный к концу 2028 года.

🟡OpenShell и Nvidia Sentry

Открытый защищённый рантайм для агентов, анонсированный как референсная архитектура, плюс Sentry – следящий за агентами слой политик, который работает на BlueField-4 в отдельном от хоста домене доверия и способен изолировать агента почти мгновенно. Доступность Sentry обещана в начале 2027 года.

Рядом анонсирован Confidential Bare Metal – режим, в котором разработчик модели запускает чувствительные нагрузки на чужой инфраструктуре, сохраняя контроль над весами и данными.

🟡Открытые модели

Выложены Nemotron 3.5 Super VL и Bolt, поисковая линейка Nemotron Retriever для эмбеддингов, переранжирования и разбора документов, мировые модели Cosmos из трёх размеров, Kumo для структурированных бизнес-данных вместе с библиотекой Kumo Engine.

Облегчённый Bolt E4B и Alpamayo 2 Edge для автономного транспорта обещают выложить до конца месяца.

🟡 Agile ONE и Hyperion

Референсного гуманоида Agile ONE SN представила Agile Robots, собран он на платформе Isaac GR00T и вычислителе Jetson Thor, выпуск обещан в начале 2027 года.

Hyperion – серийная платформа датчиков и вычислений для роботакси и машин четвёртого уровня автономности, заявлен набор из 14 камер, 9 радаров, 3 лидаров и ультразвука. Партнёры - Volvo, JLR, Mercedes-Benz, Uber, Hyundai, GM, Toyota, BYD и Geely.

🟡Mistral AI и инженерное моделирование

Французская лаборатория берёт библиотеки Nvidia CUDA-X, Warp и Omniverse, чтобы ускорять расчёты физики, генерировать на GPU трёхмерные сцены и ассеты SimReady и получать данные для обучения инженерных моделей.

Планируют замкнутые циклы, где моделирование, разработка моделей и проектирование идут вместе, с прицелом на авиацию, автопром и полупроводники, а также публичные бенчмарки для проверки физических моделей и агентов в системах автоматизированного проектирования.

🟡Суверенные проекты и инструменты разработки

В Швеции консорциум AstraZeneca, Ericsson, Saab, SEB и Wallenberg строит общий суперкомпьютер Sferical One под дообучение Nemotron.

Барселонский суперкомпьютерный центр открыл акселератор для стартапов, а под инициативу Еврокомиссии AI in Science Enablers Nvidia обещала европейским исследователям свои открытые модели и датасеты, участие в 35 строящихся суперкомпьютерах и бесплатный курс-хаб.

Из инструментов расширен Agent Toolkit, в ранний доступ вышли библиотека cuDSS для разреженных систем на GPU, и Factory Operations, на котором Siemens строит агентов для своего завода в Эрлангене.

@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

✔️ В PHP устранили критическую уязвимость, найденную ИИ-моделями

ИБ-специалисты в программе Patch the Planet нашли серьёзную брешь в кодовой базе PHP, задевающую все популярные CMS, которая существовала более десяти лет. На момент публикации команда PHP выпустила экстренные обновления безопасности.

На устранение ушло два месяца и пять этапов согласований между мейнтейнерами языка, Calif, Wiz, Cloudflare, CISA и Белым домом, и OpenAI предлагает закрепить эту схему типовым регламентом для раскрытия найденных ИИ проблем безопасности.

Разработчикам и администраторам советуют проверить серверы, для аудита запущенных установок PHP на GitHub выложен диагностический инструмент.
openai.com

✔️ ElevenLabs выпустила сквозную голосовую модель Eleven Realtime

Модель ведёт двусторонний разговор в реальном времени и вышла в версиях Mini для простых сценариев и Max для сложных диалогов с вызовом инструментов.

Заявлена поддержка больше 90 языков и каталог на 17 тысяч голосов. Перебивания, паузы и наложение голосов модель разбирает сама, так что отдельные модели распознавания и синтеза речи не нужны.

В бенчмарке Artificial Analysis старшая Max дала точность рассуждений 98,8% при средней задержке ответа 0,57 секунды, тогда как Qwen Audio 3.0 Realtime Plus набрала близкие 99,2%, но отвечала за 1,54 секунды.

Доступ открыт через ElevenAgents и Realtime API, причём транспортный уровень совместим со спецификацией WebSocket от OpenAI, поэтому готовые клиентские SDK работают без переписывания кода.
elevenlabs.io

✔️ Intel и AMD упростят разработку ИИ на процессорах x86

Компании договорились свести наработки по ускорению PyTorch в открытую библиотеку глубокого обучения oneDNN, которую развивают под эгидой Unified Acceleration Foundation.

Так они рассчитывают убрать разнобой в программной части экосистемы x86, а саму oneDNN признали библиотекой по умолчанию для оптимизации ИИ-задач на процессорах обоих производителей. AMD уже переносит наработки из ZenDNN в кодовую базу oneDNN и входит в управляющий комитет.

Кроме унификации нынешних средств компании проектируют набор инструкций следующего поколения AI Compute Extensions для аппаратного ускорения матричного умножения, его поддержку в PyTorch тоже обещают через oneDNN. 
intel.com

✔️ Google и PyTorch открыли код TorchTPU

Набор инструментов для запуска конвейеров PyTorch на тензорных процессорах опубликован в открытом доступе, и это переводит TPU в разряд полноправных ускорителей наравне с процессорами и видеокартами.

Существующий код запускается с минимальными правками, разработчикам доступны режим отладки, компиляция и примитивы распределённых вычислений.

Инициативу поддержали ключевые проекты открытого ИИ - в transformers добавили выгрузку моделей, а движки vLLM и SGLang получили бэкенды для TPU с непрерывной пакетной обработкой и ядрами Pallas. 
google.com

✔️ Uber чистит свои репозитории от мёртвого кода агентами

Внутренняя платформа AutoClean непрерывно убирает устаревшие фича-флаги и мёртвый код, с её помощью уже вычищено 16 тысяч флагов и больше миллиона строк.

Агент разбирает контекст и цепочки вызовов, а точечную булеву алгебру и упрощение условий отдаёт движку PolyglotPiranha через протокол MCP, упавшие в CI тесты правят агенты без прав на продуктовый код.

Готовые патчи проходят многоступенчатую проверку, где параллельные агенты смотрят, сохранена ли семантика программы, держится ли фокус строго на целевом флаге и нет ли посторонних правок.

При расхождениях патч отбрасывается сам, а прошедшие проверку задачи уходят инженерам на окончательное утверждение. 
uber.com


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

✔️ Геймеры требуют от Valve внедрить в Steam глобальный ИИ-фильтр

Очередной фестиваль демоверсий Steam Next Fest столкнулся с масштабным наплывом низкокачественных проектов, созданных с помощью генеративных нейросетей, что вызвало резкую критику в сообществе.

Несмотря на требование площадки обязательно декларировать использование ИИ-ассетов (кода, 2D-арта, текста и озвучки) в Steamworks, отсутствие принудительной фильтрации в интерфейсе магазина превратило поиск игр в проблему.

Пользователи на Reddit, X и Discord призывают Valve добавить системный переключатель для полного скрытия подобного контента.

Проблема усугубляется рисками для студий - доступность ИИ снизила порог входа для парсинга, скрапинга и клонирования чужого кода и сборки ассет-флипов еще до официального релиза оригинальных проектов.

Из-за угрозы плагиата разработчики начинают отказываться от участия в публичных мероприятиях платформы - в частности, издатель Alliance Arts и студия WHO YOU отменили демоверсию Drunken Goddess Reflux прямо перед стартом фестиваля, переведя проект в режим закрытого тестирования ради защиты билда.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

✔️ Dream Labs презентовала модель управления незнакомыми роботами

Четверо бывших исследователей NVIDIA из команды робототехнического проекта GR00T вышли из стелса со своим стартапом и открыли публичный API модели Dream-1.

Компанию возглавил Джоэл Джанг, руководивший в GR00T работой над моделью мира, а главным научным сотрудником стал Скотт Рид, до NVIDIA работавший в DeepMind над Gato и Genie.

Dream Labs привлекла 90 млн долларов посевных инвестиций, раунд возглавила B Capital, в нём участвовали Kindred Ventures, Unusual Ventures, SV Angel и Wing VC.

Dream-1 – модель мира и действия. Она управляет двурукими роботами с параллельными захватами, на которых никогда не обучалась. Учится она по видео тому, как движется мир, и предсказывает и следующие кадры, и действия робота.

На вход идут изображения с трёх камер (на голове и на запястьях обеих рук), а возвращает положения захватов в пространстве и команду открыть или закрыть их.

В движения суставов эти положения переводит уже собственная программа управления робота.

За один вызов модель выдаёт 1,6 секунды действий. Предыдущей модели команды DreamZero, вышедшей в феврале, для перехода на новую машину требовалось дообучение на 30 минутах её данных, а Dream-1 обходится без этого шага.

В реальном мире модель запускали партнёры стартапа на своих машинах, в том числе на старом PR2.

🟡Тесты

Независимая компания Robocurve, которая тестирует ИИ-модели на настоящих роботах, сравнила Dream-1 с другими системами по 120 попыток на конфигурацию.

Средний балл выполнения задач составил 59,3%. У Gemini 4 Argon и Claude Opus 5.5 около 48%, у GPT-6 Astra около 47%.

Попытка с Dream-1 обходится примерно в 0,15 доллара и занимает в среднем 1,4 минуты. По подсчёту Robocurve, это примерно в 16 раз дешевле, чем с Gemini 4 Argon.

Час работы Dream-1 через API стоит 3 доллара, облегчённой Dream-1-flash – 2 доллара, доступ к модели уже открыт.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

🌟 CLM-8B: открытая и быстрая модель для выбора действий агентов

Стэнфорд в сотрудничестве с NVIDIA выложили в открытый доступ первую модель класса Contrastive Language Models.

Это открытый аналог Jev, которую 15 сентября представил стартап TypeSafe AI бывшего исследователя OpenAI.

Она по входному контексту возвращает решение заданного типа с откалиброванной вероятностью и стоит 4 цента за миллион входных токенов.

CLM-8B делает то же самое и нужна агентам, которым приходится быстро принимать решения. Модель получает текущее состояние и набор возможных действий и возвращает вероятность для каждого.

Она умеет оценивать истинность утверждения, выбирать из нескольких вариантов и ставить оценку по упорядоченной шкале.

Дообученную CLM-8B можно использовать как верификатор, который выбирает лучшее из нескольких решений кодинг-агента.

Текст модель не генерирует.

🟡 Архитектура

В основе - Qwen3-8B, поверх которой обучены две небольшие проекционные головы, одна для состояния, другая - для действия.

Состояние и действия кодируются отдельно, модель сравнивает их векторы и переводит близость в вероятности. Векторы неизменных действий можно посчитать заранее и переиспользовать, поэтому в задачах с чередой решений модель отвечает быстрее.

🟡Тесты

Без дообучения CLM-8B держится на уровне Jev в задачах управления компьютером, играх и вызове инструментов и отвечает до девяти раз быстрее. С кэшированием векторов при выборе примерно из тысячи вариантов разрыв доходит до 13 раз.

В роли верификатора дообученная модель на отложенных подмножествах задач поднимает долю решённых задач на DeepSWE с 73,7% при одной попытке до 81,6%, на Terminal-Bench 2.1 с 84% до 87,6%. Jev в той же роли даёт 71,1% и 83,1%.

Для запуска нужны Linux, видеокарта NVIDIA и Qwen3-8B, развёрнутая через vLLM.

📌Лицензирование: Apache 2.0


🟡Блогпост
🟡Набор моделей
🖥GitHub


@ai_machinelearning_big_data

#AI #ML #Decision #CLM #NVIDIA #Stanford

Читать полностью…

🖥️ GPT-6.1 Terra: OpenAI вдвое снизила цену на агентную модель среднего класса

OpenAI выпустила GPT-6.1 Terra для агентных сценариев, работы с компьютером и повседневного кодинга. Цена в API вдвое ниже, чем у GPT-5.6 Terra: $1 за миллион входных токенов вместо $2 и $6 за миллион выходных вместо $12.

По словам OpenAI, модель решает задачи более чем втрое быстрее, чем Astra и GPT-6.1 Sol. На Agents' Last Exam она заметно обходит GPT-5.6 Terra и, как сообщается, сравнима с GPT-6 Astra при цене токена примерно в десять раз ниже.

Доступна в ChatGPT Work, Codex и через API под id gpt-6.1-terra. В ChatGPT раскатка идёт на Plus, Pro, Enterprise и Edu.

Источник: https://openai.com/index/introducing-gpt-6-1-terra/

@ai_machinelearning_big_data

#ChatGPT #OpenAI

Читать полностью…

Anthropic выходит на биржу - разработчик Claude подал заявку на IPO в США.

Компания официально направила в Комиссию по ценным бумагам и биржам США (SEC) регистрационное заявление по форме S-1.

Что известно:

- Биржа: Nasdaq Global Select Market.
- Тикер: ANT.
- Акции: класса A.
- Организаторы размещения: Goldman Sachs и Morgan Stanley.
- Оценка компании и цена акций: пока не объявлены.

Подача S-1 — первый официальный шаг к публичному размещению. Сама продажа акций начнётся только после вступления регистрационного заявления в силу.

Anthropic готовится стать публичной компанией, открывая инвесторам возможность напрямую вложиться в одного из ведущих разработчиков ИИ.

https://www.anthropic.com/news/s1-sec

Читать полностью…

✔️ Ideogram представила модель Vector 1.0

Это первая специализированная модель компании для работы с векторной графикой, которая создает масштабируемые SVG-иллюстрации по текстовым запросам, а также векторизует загруженные растровые изображения форматов JPG и PNG.

Результат работы Vector представляет собой набор математических кривых, раздельных слоев, редактируемых форм и градиентов. Сгенерированные файлы можно открывать в Figma и Adobe Illustrator, где дизайнеры могут продолжить редактирование, а веб-разработчики - использовать полученную разметку в коде.

Новинка рассчитана на проектирование логотипов, иконок, мерча и типографики, поддерживая стили от гравюры и лайн-арта до поп-арта и сплошных заливок.

Модель доступна в веб-интерфейсе сервиса и через API с отдельными эндпоинтами для генерации с нуля и трассировки растра.

Стоимость генерации по API составляет от 13 до 20 центов за файл в зависимости от выбранного качества (32 цента при использовании референсного изображения). Конвертация растрового файла в вектор обойдется в 10 центов за запрос.

@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

📌 Perplexity научила модель быть учителем самой себе

ИИ-поисковик предложил метод обучения под названием JOLT, в котором одна и та же модель выступает сразу учеником и учителем, причём обе роли учатся одновременно.

При обучении с подкреплением модель получает награду только за итог попытки, и по ней не понять, какие именно шаги привели к успеху. На длинных агентных задачах, где попытки редко удаются, такого сигнала мало. Обходят это дистилляцией, когда модель посильнее оценивает каждый токен ученика и подсказки становятся плотнее.

Но умение решать задачу и умение её объяснить не одно и то же. Сильный учитель легко уходит туда, куда ученик за ним не дотянется, и подсказки пропадают впустую.

В JOLT учитель видит проверенный ответ, разобранное решение или отчёт о прошлых попытках, а ученик работает вслепую.

Обе роли живут в одной модели и обновляют общие веса. Ученик тянется к подсказкам учителя, а учитель получает задачу подстроиться под ученика, т. е. давать такие подсказки, которые двигают его в ту же сторону, куда двигало бы обычное обучение с подкреплением на его собственной награде.

У метода есть второй вариант, JOLT+. В нём ученик получает и подсказки учителя, и обычную награду за итог своей попытки, то есть плотный и разреженный сигналы складываются.

🟡 Тесты

Метод проверяли на небольших моделях DeepSeek и Qwen, от 0,6 до 30 млрд параметров. Задачи брали разные, от школьной математики и олимпиадных задач до генерации кода, работы с приложениями и команд в терминале. Сравнивали с GRPO и двумя методами дистилляции.

JOLT+ везде показал лучший средний результат, обойдя GRPO на 4,2 процентных пункта на наборе MATH, на 3,0 на LiveCodeBench и на 9,9 на AppWorld.

На MATH при равной точности JOLT потратил в 6,5 раза меньше обработанных токенов обучения и примерно в 13 раз меньше сгенерированных.

Без награды ученика метод работает хуже. На AppWorld чистый JOLT отстал и от GRPO, и от конкурирующей дистилляции, а на Terminal-Bench уступил GRPO.

Perplexity обещает открыть код позже, пока есть только статья с описанием метода.


@ai_machinelearning_big_data

#AI #ML #LLM #Research #RL #Perplexity

Читать полностью…

Скоро в твоем городе

@ai_machinelearning_big_data

Читать полностью…

✔️ Block анонсировала речевую модель

Компания, которой руководит сооснователь и бывший глава Twitter Джек Дорси, показала разговорную модель Dessa, обученную только записях человеческой речи, без текста и без базовых моделей.

Blok называет Dessa первым в мире ИИ-собеседником, обученным исключительно на человеческой речи. Учили её, к слову, с нуля и, по словам анонса, языку Dessa выучилась на количестве слов в сотни раз меньшем, чем нужно большим языковым моделям.

Dessa принимает звук и отвечает звуком, минуя привычное для голосовых помощников превращение речи в текст, на котором теряются интонация, эмоция и сарказм.

Модель слушает и говорит одновременно, умеет поддакивать посреди реплики собеседника, перебивать и смеяться не дожидаясь конца фразы.

Ответ формируется быстрее реального времени, работать Dessa может локально на MacBook с M4 Max и мощнее.

Доступ открыт только через список ожидания, ранний доступ раздают исследователям безопасности.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

📌 Anthropic и Theorem использовали Claude для математической верификации 123 открытых библиотек

Исследователи применили модель для построения формальных математических доказательств надежности кода.

Основой послужили готовые фаззинг-тесты из OSS-Fuzz, сервиса Google для непрерывной проверки открытого кода случайными данными, которые сами по себе не способны дать стопроцентной гарантии отсутствия сбоев.

Claude превращал каждый такой тест в строгое утверждение и доказывал его. Всего за несколько недель нейросеть сгенерировала около 180 миллионов строк кода доказательств для 239 точек входа в 123 библиотеках из набора OSS-Fuzz.

Корректность доказательств проверяла программа Rocq, которая пересчитывает каждый шаг рассуждения, и результаты математически подтверждают, что протестированные программы гарантированно завершатся штатно при обработке любых произвольных входных данных размером до 64 МБ.

В процессе построения доказательств модель вскрыла и устранила сотни нетривиальных багов, которые практически невозможно отловить случайными тестами.

В их числе - ошибка перезаписи буфера в алгоритме декомпрессии, срабатывавшая только при строгом совпадении внутренней структуры и размера файла около 20 МБ, а также чтение за границами массива в декодере изображений, требовавшее для воспроизведения 64-мегабайтный файл и более 2 ГБ выделенной памяти.

Ранее подобная строгая верификация считалась слишком трудоемкой для реального применения - к примеру, доказательство корректности микроядра seL4 потребовало 20 человеко-лет против всего двух человеко-лет на написание самого кода.

Авторы рассчитывают, что скоро формальная верификация станет такой же обыденной практикой, как сегодня фаззинг, почти для всего промышленного кода, хотя пока это дорого - на одно доказательство ушло сотни миллионов токенов.

К слову, совсем без людей обойтись всё еще не получается - в экспериментах следили за тем, чтобы модель не добивалась доказуемости, выхолащивая саму программу, поэтому её правки кода штрафовались и проверялись человеком.

@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

Китайская Moonshot AI представила Kimi K3.1 Pro — открытую ИИ-модель, которая обходит GPT-6 Astra в тестах программирования.

Модель получила контекстное окно на 1 миллион токенов и ориентирована на сложные задачи: разработку ПО, ИИ-агентов, 3D-моделирование и финансовую аналитику.

Результаты тестирования:

- Terminal-Bench 4.0: 65,7% против 58,2% у GPT-6 Astra и 66,4% у Claude Opus 5.5.
- BenchCAD: 92,7% — генерация CAD-моделей по изображениям.
- OfficeQA Pro v2: 64,4 балла — анализ сложных финансовых документов.
- Kimi Code Bench 3.0: 61,2% против 55,95% у предыдущей K3.

Что интересного:

1. Модель способна самостоятельно создавать игры, 3D-сцены и веб-приложения.
2. Работает с Blender, Unity, Unreal Engine и Godot.
3. В одном эксперименте провела 167 итераций разработки симулятора человеческой ходьбы, самостоятельно обнаружив 36 ошибок в расчётах.
4. Частота фактических ошибок на внутреннем сложном тесте снизилась с 23,4% до 8,3%.
5. Версия Highspeed работает в 2–3 раза быстрее стандартной модели.

Отдельно разработчики ограничили возможности модели в поиске и эксплуатации уязвимостей, удалив часть данных по кибербезопасности из обучения.

Kimi K3.1 Pro уже доступна через веб-интерфейс, Kimi Code и API. Полные веса модели обещают открыть до 4 ноября 2026 года.

Результаты сравнений приведены разработчиками и зависят от методики тестирования.

https://www.kimi.ai/blog/kimi-k3-1-pro

/channel/data_analysis_ml

Читать полностью…

✔️ OpenAI обязала шлюзы и роутеры моделей проходить проверку

С 20 ноября сторонние сервисы, дающие доступ к API, то есть шлюзы, роутеры и реселлеры, смогут работать только после одобрения компании.

Базовых правил уже недостаточно, от них требуют фильтры безопасности, согласование блокировок и разбор случаев вредоносного использования API.

Вместе с этим введена и система SafetyID, через которую партнёр будет изолироветь пользователя при расследовании подозрительной активности или утечке ключей.
openai.com

✔️ Anthropic впервые с 2023 года обновила Claude API

Параметры temperature, top_p и top_k, отвечавшие за вариативность и стиль ответов, больше не принимаются, при попытке передать их возвращается ошибка.

Кроме отказа от ручной настройки сэмплирования поправлены форматы сообщений и убраны устаревшие поля в схемах запросов.

Предыдущая ревизия остаётся доступной, срочно переносить работающие системы не придётся, а обновлять API Anthropic обещает регулярно, чтобы разработчики заранее проверяли совместимость кода с новыми моделями. 
claude.com

✔️ Google представила сервис для запуска агентов в изолированных машинах

Agent Compute Engine выводит на рынок инфраструктуру собственных агентов Gemini и рассчитан на агентский режим, когда короткие всплески вроде запуска кода чередуются с долгим ожиданием ответа модели или пользователя.

Обычные виртуальные машины для таких циклов медленные, поэтому агенту выделяется микромашина на Cloud Hypervisor с общими страницами памяти из шаблона ОС.

В простое среда замораживается в снимок, файлы и контекст переживают паузы на томах Hyperdisk, сетевых интерфейсов у гостевых систем нет, а трафик идёт через прокси, не раскрывающие токены коду.

Для Kubernetes есть открытая среда Agent Substrate, возобновляющая работу меньше чем за полсекунды, а публичная предварительная версия обещана в ближайшие месяцы. 
cloud.google.com

✔️ Фонд OpenAI вложился в нейрочип против опухолей мозга

Американский Coherence Neuro поднял 45 млн долларов, кроме OpenAI Startup Fund в раунде участвовали Питер Тиль, Lux Capital и 8VC. Его интерфейс SOMA лечебный и основан на том, что клетки глиобластомы обмениваются электрическими сигналами с нейронами и влияют на активность мозга.

Массив электродов считывает импульсы, модели оценивают опухоль и в замкнутом цикле подбирают параметры локальной стимуляции, чтобы остановить её рост. В комплекте - имплант размером с монету, заушный модуль питания и приложение для смартфона, наблюдение идёт онлайн и непрерывно, без плановых томографий.

На животных технология предсказывала динамику опухоли на пять недель вперёд, в июне начались первые интраоперационные тесты на людях в Королевском госпитале Мельбурна.

Привлечённые деньги пойдут на клинические испытания и проверку метода на других опухолях. 
wired.com

✔️ Hugging Face выпустила открытую языковую модель для анализа ДНК

Carbon-X на 14 млрд параметров, сделанная совместно с учёными Китая и Италии, объединяет геномные последовательности и естественный язык, так что про ДНК можно спрашивать текстом, например о влиянии точечных мутаций на экспрессию генов.

Словарь базовой модели расширили, нуклеотиды читаются по шесть символов, обучение шло на 300 млрд токенов с геномами млекопитающих, растений и грибов, вирусные данные исключили из-за рисков создания патогенов.

Запуск рассчитан на локальное использование, что снимает главную проблему биоинформатики, когда данные пациентов нельзя отдавать в облака.

Контекст держит до 50 тысяч пар оснований, этого хватает для точечного поиска мутаций под таргетную терапию, но не для разбора генома целиком. Выводы модели расчётные и лабораторной проверки пока не прошли. 
huggingface.co


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

🌟 Sakana AI предложила метод рекомендаций, который ищет набор разных вариантов

QD-Rec - метод подбора рекомендаций для решений, где человеку важно сравнить варианты, а не получить один ответ.

Единица поиска здесь не сам кандидат, будь то компания, клиент или научная статья, а пара из кандидата и гипотезы, то есть написанного словами объяснения, чем он подходит и что с ним можно сделать.

🟡Механика

В основе лежит идея качества и разнообразия из эволюционных алгоритмов. Система ведёт архив удачных пар и крутит один и тот же цикл из трёх шагов.

Сначала кандидата выбирает алгоритм, который взвешивает прошлые оценки и добавляет бонус за непохожесть на то, что уже в архиве.

Затем языковая модель пишет гипотезу, опираясь на три случайные записи архива как на родительские, и либо переносит их угол зрения на нового кандидата, либо скрещивает две идеи, либо предлагает что-то своё.

Наконец новая пара проходит отбор. Если судья считает её довод реально новым, она занимает отдельную нишу, если нет, спорит один на один с ближайшим соседом по смыслу, и проигравший вылетает.

Общего рейтинга нет, поэтому непохожие идеи уживаются рядом.

🟡Тесты

Проверяли на трёх задачах. В первой система искала среди 6300 американских компаний цели для поглощения покупателями Disney и JPMorgan. Во второй подбирала покупателей продукта среди 10 тысяч вымышленных профилей, в третьей советовала статьи из 17,5 тысячи работ с недавних конференций.

Гипотезы писали модели Claude, оценивала их GPT-5.6 Terra.

На поиске целей для Disney средняя оценка архива составила 2,91 против 2,40 у упрощённого варианта, который пишет каждую гипотезу с нуля и в архив не заглядывает, а сам архив вырос до 214 записей против 85.

Для JPMorgan вышло 3,04 против 2,88, в маркетинге 7,05 против 6,81.

На подборе статей разницы почти нет, 6,24 у всех вариантов.

Выигрывает метод не везде. С моделью послабее на одной из задач он уступил упрощённому варианту и по оценке, и по размеру архива.

Оценки ставит языковая модель, а значит, система может научиться угождать судье вместо того, чтобы придумывать дельное, и авторы советуют подключать человека. Про это надо просто помнить.

Код проекта выложен на GitHub, модели подключаются через OpenRouter.


📌Лицензирование: Apache 2.0


🟡Блогпост
🟡Arxiv
🖥GitHub


@ai_machinelearning_big_data

#AI #ML #Recomendation #QDRec #SakanaAI

Читать полностью…

🔬️️️️️️ Задачу старше Google решили с помощью ИИ: Microsoft Research сообщила о доказательстве гипотезы KLS, сформулированной в 1995 году.

Авторы - Чжао Сун и Синьчжи Чжан. В процессе работы ИИ-агенты исследовали более 100 подходов, а учёные отбрасывали слабые направления и выбирали, что развивать дальше.

О чём гипотеза? Представьте многомерное выпуклое тело. Его можно разделить плоскостью или хитрой изогнутой поверхностью. KLS утверждает: лучший плоский разрез уступает лучшему произвольному лишь в фиксированное число раз — независимо от количества измерений.

Это связано со скоростью, с которой случайное блуждание исследует пространство, и даёт теоретическую основу для алгоритмов выборки, статистики и оптимизации.

ИИ помог найти ключевой критерий, выполнить вычисления и проверить промежуточные рассуждения. Рекурсивный метод и оценку ошибок, завершившие доказательство, разработали сами исследователи.

Показательная деталь: попытки решить задачу без руководства человека, с примерно таким же бюджетом токенов, успеха не дали.

По сообщению Microsoft, результат также поддержан отдельными доказательствами и формализацией в Lean 4.

https://www.microsoft.com/en-us/research/blog/solving-a-31-year-old-grand-challenge-in-mathematics-the-kls-conjecture/

@ai_machinelearning_big_data

#microsoft

Читать полностью…

Что делать с данными? 💬

Строить отчёты. А ещё, например:

✅находить закономерности в больших массивах;
⬜️предсказывать поведение пользователей;
⬜️строить рекомендательные системы;
⬜️обучать и улучшать ML-модели;
⬜️создавать продукты и помогать бизнесу расти.

В Школе аналитиков данных МТС учатся решать такие задачи на практике.
В программе — SQL и Python, математика и статистика, анализ данных, машинное обучение и большие данные, а также нейросети и рекомендательные системы.

Занятия ведут действующие эксперты Центра BigData MWS. Теория чередуется с практикой, а преподаватели дают обратную связь по работам и помогают отслеживать прогресс.

Это будет интересно:

➡️студентам последних курсов и выпускникам технических вузов
➡️алитикам данных, которые хотят погружаться в исследования
➡️ИТ-специалистам, которые хотят перейти в новое для себя направление

Обучение продлится 10 месяцев и будет полностью бесплатным.

⚡️ Сейчас — последний шанс подать заявку, так как прием закрывается 25 октября. Для поступления кандидатам предстоит заполнить анкету, написать мотивационное письмо и пройти отборочное тестирование.

Отправить заявку ↗️

Читать полностью…

🤖 Anthropic выпустили Claude Duet: персональнго агента, который сам пишет вам первым

Агенты у Claude уже были, но их приходилось запускать и ждать. Duet работает иначе: вы кидаете задачу в мессенджер-подобный тред, он делает её в фоне на своём облачном компьютере и пишет, когда готово или нужно ваше решение. По утрам присылает сводку и молчит, пока нет важного.

Он использует вашу память, скиллы и приложения из аккаунта Claude, а подключаться умеет к 6000+ сервисов: Gmail, Calendar, Slack, Stripe, HubSpot. Перед отправкой писем и платежами спрашивает разрешения.

Пока research preview с листом ожидания, только для Pro и Max в США. Есть приложения для iOS и Android, а также веб-версия.

https://claude.com/product/claude-duet

@ai_machinelearning_big_data

Читать полностью…

Когда один пайплайн решает слишком много задач

Чем больше задач решает один пайплайн, тем больше настройки обрастают условиями, эксперименты конкурируют за общие слоты, а вклад конкретной механики труднее оценить.

Инженеры AI VK стали использовать стримы — отдельные пайплайны под конкретные задачи, собранные из общих компонентов. Один запрос проходит через несколько стримов, а их результаты объединяются в одну выдачу.

В статье разбираем, как стримы упрощают разработку и эксперименты, и как оптимизации помогают эффективнее использовать ресурсы.

Читать на Хабре (ссылка)

Читать полностью…

😎 Авито снова участвует в Рейтинге работодателей hh.ru!

В прошлом году благодаря вашей поддержке мы вошли в топ-3 IT-компаний страны. Если вам откликается то, что мы делаем, проголосуйте за Авито и в этом году ❤️

Как поддержать компанию:
— Перейдите на hh.ru и авторизуйтесь в личном кабинете.
— Найдите Авито в списке компаний и оставьте свой голос.

✔️ Проголосовать за Авито

Спасибо за поддержку!

#РейтингРаботодателейРоссии

Читать полностью…