data_analysis_ml | Unsorted

Telegram-канал data_analysis_ml - Анализ данных (Data analysis)

48228

Аналитика данных админ - @haarrp @ai_machinelearning_big_data - Machine learning @itchannels_telegram - 🔥лучшие ит-каналы @pythonl - Python @pythonlbooks- python книги📚 @datascienceiot - ml книги📚

Subscribe to a channel

Анализ данных (Data analysis)

⚡️ Демис Хассабис обычно не из тех, кто разгоняет хайп вокруг AGI.

Он годами был скорее умеренным голосом в индустрии: осторожные прогнозы, меньше громких обещаний, больше науки и проверки результатов. Поэтому его новый текст звучит особенно сильно.

Хассабис пишет, что AGI нельзя сравнивать с интернетом или смартфонами. По масштабу это ближе к электричеству или огню. Технология, которая меняет не отдельную индустрию, а саму логику развития цивилизации.

По его оценке, эффект может быть в десять раз больше промышленной революции и пройти в десять раз быстрее.

Да, AGI может резко ускорить медицину, физику, биологию, материалы, энергетику. Но Хассабис прямо говорит и о другой стороне: киберриски уже реальны, дальше могут появиться угрозы в био- и других чувствительных областях, а отдельная проблема - агентные системы, которые становятся всё автономнее.

Гонка за возможностями идёт быстрее, чем наше понимание того, как это безопасно контролировать.

Когда человек уровня Хассабиса говорит, что нужна серьёзная регуляторная инфраструктура уже в ближайшие годы, это звучит совсем иначе, чем очередной пост про сингулярность.

https://x.com/Machinelearrn/status/2076985021752082689

Читать полностью…

Анализ данных (Data analysis)

Qwythos-9B-v2 вышел, и это скорее не апгрейд ради бенчмарков, а фикс главной боли

У модели оставили глубокое reasoning-поведение, но почистили самый неприятный баг: зацикливание при greedy decoding упало с 6.7% до 0%.

Также вернули MTP head, поправили identity-behavior и сохранили 1M context через YaRN.

По сути, v2 - это более стабильный Qwythos: не «новая магия», а hygiene release, где модель меньше ломается в реальном использовании.

Из заметного:

- MMLU CoT - 83.8%
- GSM8K - 93.6%
- ARC-Challenge - 96.4%
- GPQA-diamond - 49.0%
- HumanEval pass@1 - 77.4%

Лицензия - Apache-2.0.

Модель построена вокруг Qwen3.5-9B и рассчитана на long-context reasoning, код, анализ и локальные эксперименты.

https://huggingface.co/empero-ai/Qwythos-9B-v2

Читать полностью…

Анализ данных (Data analysis)

⚡️ Полезный список лучших инструментов, чтобы запускать мощные LLM полностью бесплатно и локально на своём ноутбуке. Сейчас это №1 в трендах GitHub.

1. AnythingLLM
All-in-one workspace для чата с документами и создания агентов
http://github.com/Mintplex-Labs/anything-llm

2. KoboldCpp
Лёгкий инструмент, особенно хорош для creative writing и сценариев с персонажами
http://github.com/LostRuins/koboldcpp

3. llama.cpp
Базовый движок. Очень эффективный и запускается почти на любом железе
http://github.com/ggml-org/llama.cpp

4. Open WebUI
Удобный веб-интерфейс в стиле ChatGPT, отлично работает с Ollama
http://github.com/open-webui/open-webui

5. GPT4All
Простое desktop-приложение со встроенным чатом по документам
http://github.com/nomic-ai/gpt4all

6. LocalAI
OpenAI-compatible API, который работает на разном железе и поддерживает много backend’ов
http://github.com/mudler/LocalAI

7. vLLM
Быстрый inference engine, когда нужны более быстрые ответы и работа в масштабе
http://github.com/vllm-project/vllm

@data_analysis_ml

Читать полностью…

Анализ данных (Data analysis)

Всё, что вы всегда хотели знать о математике* (*Но даже не знали, о чём спрашивать)

Путешествие с гидом по миру абстрактной математики, теорем и написания доказательств в 698 страниц!

https://www.math.cmu.edu/~jmackey/151_128/bws_book.pdf

Читать полностью…

Анализ данных (Data analysis)

⚡️ OpenAI закроет браузер Atlas 9 августа

Это первый случай, когда OpenAI отказывается от самостоятельного продукта ради унификации своей экосистемы.

Теперь возможности Atlas станут частью десктопных версий ChatGPT и Codex. Обновленное приложение ChatGPT уже получило встроенный инструмент для веб-серфинга, а ИИ-агенты научились напрямую взаимодействовать с элементами страниц.

Автоматического переноса пользовательских данных не будет. До закрытия сервиса всю историю, закладки и важные вкладки придется экспортировать вручную.


#news #ai #ml

Читать полностью…

Анализ данных (Data analysis)

Лайвстрим OpenAI:

Заголовок - «Представляем следующую главу ChatGPT»**

Помимо самой модели, показали 3 крупных продуктовых обновления:

1. ChatGPT Work
2. новое desktop-приложение ChatGPT
3. hosted sites, то есть размещение сайтов прямо через Chatgpt

https://openai.com/ru-RU/live/

Читать полностью…

Анализ данных (Data analysis)

🖥 GPT-5.6, судя по всему, тестировали уже два месяца.

Из-за этого слухи о выходе GPT-6 в ближайшие 4–6 недель выглядят заметно правдоподобнее.

Если GPT-5.6 действительно несколько месяцев был в early access и уже завершил обучение, то логичный вывод такой: OpenAI могла использовать это время для разработки новой модели уровня Mythos через новое pre-training поколение.

Именно этой моделью может стать GPT-6.

GPT-5.6 уже давно в использовании, а GPT-6, похоже, приближается.

https://x.com/timneutkens/status/2074887239562113069

Читать полностью…

Анализ данных (Data analysis)

Yandex Cloud даёт 50% скидку на сертификацию для инженеров данных

🔵🟦🔵 даёт 50% скидку на сертификацию для инженеров данных

Если вы работаете с загрузкой, хранением, обработкой данных и ETL/ELT-процессами, можно подтвердить навыки официальной сертификацией Yandex Cloud.

Доступны два экзамена:

1⃣ Yandex Cloud Certified Data Engineer
Для инженеров данных, которые используют платформу Yandex Cloud. Экзамен проверяет работу с загрузкой и приёмом данных, хранением, обработкой, качеством данных, оркестрацией, метаданными, мониторингом, безопасностью и управлением ресурсами.

⏩Ссылка

2⃣ Yandex Cloud Certified Lakehouse Data Engineer
Для специалистов, которые проектируют и разворачивают Lakehouse-решения в Yandex Cloud. В фокусе архитектура Lakehouse, трансформация данных, пайплайны, хранение, обработка, метаданные, мониторинг и безопасность.

⏩Ссылка

До 25 сентября 2026 включительно можно зарегистрироваться на сертификацию со скидкой 50%.

Экзамен проходит онлайн с прокторингом: запись с камеры и автоматическая фиксация возможных нарушений помогают подтвердить, чтобы все было честно.

Хороший способ проверить себя, закрыть пробелы и получить понятное подтверждение навыков работы с data-инфраструктурой в Yandex Cloud ✅

Читать полностью…

Анализ данных (Data analysis)

Лилиан Венг из Thinking Machines Lab выпустила большой обзор про harness engineering: слой вокруг модели, который отвечает за инструменты, память, оркестрацию, контекст, проверки, циклы обратной связи и выполнение задач.

Менять веса модели дорого, рискованно и медленно. А вот харнесс можно улучшать быстрее: добавлять инструменты, менять workflow, усиливать память, запускать sub-agent’ов, проверять гипотезы и сразу мерить результат.

Отсюда рождается более реалистичный путь к self-improvement: модель не переписывает себя напрямую, а улучшает систему, в которой работает.

Венг разбирает авто-исследование, эволюцию программ и self-improving agents: от The AI Scientist до ShinkaEvolve и Darwin Gödel Machine. Общая логика в том, что агент предлагает изменение, запускает эксперимент, получает оценку и оставляет то, что реально улучшает результат.

Но слабые места тоже есть: плохие evals, схлопывание разнообразия, reward hacking и риск, что агент научится ломать метрику, а не решать задачу.

Ближайший RSI может быть не «модель сама переписала мозг», а «модель научилась улучшать свой рабочий станок».

・The AI Scientist (Nature 2026): https://nature.com/articles/s41586-026-10265-5
・ShinkaEvolve: https://sakana.ai/shinka-evolve/

Читать полностью…

Анализ данных (Data analysis)

Стоп. Китай теперь делает с США то же самое, что Anthropic, только в обратную сторону?

То есть закрывает американским компаниям доступ к китайским frontier-моделям?

Похоже, уверенность Китая растёт с каждым днём.

Судя по всему, там считают, что больше не нуждаются в дистилляции западных моделей в таких масштабах, чтобы развивать передовой ИИ.

Теперь их больше беспокоит обратное: что США могут украсть уже их интеллект.

https://finance.yahoo.com/technology/ai/articles/exclusive-beijing-looking-curbing-overseas-101644780.html

Читать полностью…

Анализ данных (Data analysis)

Присаживайся на диван к аналитикам Авито 👀

Команда AvitoTech запустила проект «Диванная аналитика». Это серия материалов, где специалисты из Авито рассказывают, как принимают решения в одной из крупнейших экосистем страны.

Если ты работаешь с данными, то вот 3 причины зайти на лендинг прямо сейчас:

1️⃣ Все выпуски опираются на реальный опыт — аналитики рассказывают о том, что уже применили у себя и что сработало.
2️⃣ Царит приятная атмосфера: по сути, все видео — это недушные мини-лекции с наглядной презентацией.
3️⃣ Разбираются разные темы — от ML до стратегического планирования.

Контент может пригодиться опытным аналитикам и менеджерам, которым надо говорить с командой на одном языке.

Смотри готовые выпуски и подпишись на новые — телеграм-бот пришлёт уведомление о новом видео!

Посмотреть, что там интересного

Читать полностью…

Анализ данных (Data analysis)

К 2027 году всего 5 компаний — Alphabet, Amazon, Microsoft и Oracle - могут тратить на AI-инфраструктуру около 3.2% ВВП США.

Это выше ожидаемых расходов США на национальную оборону, которые оцениваются примерно в 2.7% ВВП.

Гонка AI уже финансируется в масштабе, который обычно ассоциируется с государствами, войнами, энергетическими системами, железными дорогами, хайвеями и телеком-инфраструктурой.

https://x.com/KobeissiLetter/status/2073777167691845818

Читать полностью…

Анализ данных (Data analysis)

LongCat-2.0 открыли в open source.

Это MoE-модель на 1,6T параметров с примерно 48B активных, заточенная под агентное программирование и длинный контекст до 1M токенов.

По бенчмаркам:
• 59,5 на SWE-bench Pro
• 70,8 на Terminal-Bench 2.1
• 77,3 на SWE-bench Multilingual

Внутри: sparse attention для длинного контекста, ScMoE для экономной активации экспертов и MOPD для разделения задач между агентными, reasoning и interaction-экспертами.

Модель обучали с нуля на 35T+ токенов. Есть поддержка деплоя на GPU и NPU.

🤖https://modelscope.ai/collections/meituan-longcat/LongCat-20

Читать полностью…

Анализ данных (Data analysis)

В AI пришёл surge pricing: DeepSeek повышает цены на API V4 в часы пик в 2 раза.

Новые тарифы будут действовать с 9:00 до 12:00 и с 14:00 до 18:00 по пекинскому времени. Компания объясняет это желанием стабилизировать сервис и лучше распределять ограниченные ресурсы.

Вот так разворот- всего несколько недель назад DeepSeek навсегда снизила цену на V4-Pro на 75%, сделав флагманскую модель заметно дешевле перед запуском динамического ценообразования.

Теперь output для V4 Pro в пиковые часы вырастет с 6 до 12 юаней за 1 млн токенов, около $1.77.

scmp.com/tech/big-tech/article/3358868/after-triggering-price-war-deepseek-reverses-course-surcharge-peak-hour-api-use

Читать полностью…

Анализ данных (Data analysis)

Thinking Machines Миры Мурати превратила закрытую экспертную оценку Bridgewater в обучаемый навык и обошла frontier-модели, снизив число ошибок на 29.8%.

В ии подавали финансовые статьи, отчёты, документы центробанков, письма. ИИ должен был определить что аналитик должен прочитать первым. Для LLM это оказалось тяжёлой задачей. При обычных промптах модели держались на уровне 46–50% accuracy, почти как угадывание.

Экспертные промпты поднимали качество до 74–78%, но лучший результат дала разметка от опытных инвесторов Bridgewater. Неэкспертные метки провалились: здесь важны рыночный контекст, приоритеты и профессиональное чутьё. Один заголовок про тарифы может быть сильным сигналом, другой громкий геополитический инфоповод останется шумом.

Bridgewater чистила датасет через спорные рейсы. Если модель расходилась с разметкой, пример возвращали экспертам на повторную проверку. Так в обучение попали паттерны принятия решений, которые эксперты видят интуитивно, но редко могут описать полноценной инструкцией.

В обучении использовали три приёма. Во-первых, смешивали разные типы задач, чтобы модель училась применять экспертную оценку в похожих сценариях, а не запоминала один узкий шаблон.

Во-вторых, аккуратно ограничивали обновления при обучении. Это снижало риск, что модель зацепится за случайные признаки в данных и начнёт уверенно ошибаться.

В-третьих, модель дообучали на ответах более сильных версий. Так лучшие checkpoints постепенно становились учителями для следующих итераций.

Результат: на 29.8% меньше ошибок, чем у лучшей frontier-модели, и в 13.8 раза ниже inference cost.

Заметное преимущество, благодаря качеству экспертных решений. Такой датасет конкурент не скачает с Hugging Face.

https://thinkingmachines.ai/news/learning-to-replicate-expert-judgment-in-financial-tasks/

Читать полностью…

Анализ данных (Data analysis)

🐠 Sakana AI показали интересный переход от красивых симуляций к физическому прототипу распределённого интеллекта.

В работе Smart Cellular Bricks используются простые кубические модули. В каждом модуле работает одна и та же небольшая нейросетевая клеточная модель. У блока нет координат, нет общей карты конструкции и нет центрального управляющего узла. Он обменивается сигналами только с соседними блоками, к которым подключён физически.

За счёт этих локальных обменов вся конструкция постепенно определяет, какую форму она образует, где находится повреждение и каких блоков не хватает для восстановления.

Авторы задаются вопросом - можно ли обученные локальные правила перенести из симуляции в реальное железо. В симуляторе связь идеальная, модули не отваливаются, задержки контролируемые. В физическом прототипе всё в разы сложнее: шум, сбои контактов, ограничения электроники, неполная информация и ошибки передачи.

Одна и та же модель внутри каждого блока позволяет системе получать глобальное поведение без глобального наблюдателя. Отдельный модуль ничего не “понимает” про всю фигуру, но сеть модулей в целом сходится к правильной интерпретации формы.

Такие системы могут быть полезны в модульной робототехнике, самодиагностирующихся конструкциях, адаптивных материалах и инфраструктуре, где централизованный контроль слишком дорогой или ненадёжный.

Работа пока исследовательская, но направление выглядит сильным. ИИ здесь живёт не в одном большом агенте, а распределяется по множеству простых физических элементов, которые вместе начинают вести себя как единая адаптивная система.

Blog: https://sakana.ai/smart-cellular-bricks
Paper: https://nature.com/articles/s41467-026-75166-7

Читать полностью…

Анализ данных (Data analysis)

Сегодня заканчивается доступ к Fable 5 в подписочном плане, вероятно, на довольно долгий срок.

Anthropic дала понять, что в будущем планирует вернуть Fable в подписку, но конкретную дату не назвала.

Пока хорошей альтернативой выглядит GPT-5.6 Sol, хотя между ними, конечно, есть заметные различия. Но, как я уже несколько раз говорил, лимиты у 5.6 огромные, поэтому сейчас использовать его всё равно получается не так свободно.

В любом случае 5.6 стал крупным релизом и явно дал OpenAI серьёзный рывок относительно Anthropic.

Теперь вопрос в том, как ответит Anthropic. Моя догадка такая:

они очень скоро выпустят Opus 5 как более дешёвую альтернативу Fable 5, надеясь этим успокоить пользователей.

Читать полностью…

Анализ данных (Data analysis)

VLM уже умеют искать «интересное». Но пока плохо умеют уходить от того, что уже нашли.

Sakana AI вместе с MIT и NYU проверили, можно ли повторить PicBreeder на агентах с визуально-языковыми моделями.

В оригинальном PicBreeder не было целевой картинки. Люди просто выбирали изображения, которые казались им перспективными, и передавали их дальше. Через много поколений из случайных форм появлялись лица, животные, машины, черепа и другие неожиданные структуры.

Это важная идея из книги Кеннета Стэнли «Иллюзия целей»: сильные открытия часто рождаются не из оптимизации метрики, а из открытого поиска.

В новом эксперименте VLM-агенты работали похожим образом:

- смотрели общий архив изображений
- выбирали то, что считают интересным
- развивали выбранные варианты
- публиковали новые изображения
- оценивали работы других агентов

Им не давали целевую картинку. Не давали функцию прогресса. Не говорили, к чему надо прийти.

VLM-агенты действительно находят визуальные и семантические зацепки. Если добавить агентов с разными «личностями», архив становится заметно шире и по разнообразию приближается к человеческому.

Но главный провал тоже виден: модели слишком быстро фиксируются на найденном мотиве. Вместо резкого смещения в новую область они часто начинают улучшать уже знакомую форму, стиль или смысл.

Человек в PicBreeder может увидеть случайную странность и превратить её в новое направление. VLM чаще видит паттерн и начинает его эксплуатировать.

Похоже, для open-ended discovery мало уметь распознавать novelty. Нужно ещё уметь менять собственный критерий интересного, бросать локально удачную ветку и сохранять слабые сигналы, которые пока не выглядят полезными.

Блог: pub.sakana.ai/picbreeder-vlm
Статья: arxiv.org/abs/2605.23908

Читать полностью…

Анализ данных (Data analysis)

Если надоело писать в стол, то вот повод проверить свои знания на практике: Ozon Tech завершает регистрацию на онлайн-хакатон «Робозон» - призовой фонд 15 млн ₽.

Отличная возможность для тех, кто работает с компьютерным зрением, робототехникой и системами автоматической сортировки.

Почему это интересно:

«Интеллектуальная роботизированная система сортировки товаров» - это детекция и классификация объектов, трекинг на конвейере, планирование захвата, управление роборуками и интеграция CV+ROS.

Здесь можно применить Python, OpenCV, PyTorch/Detectron2, ROS/ROS2, симуляторы (Isaac Gym, CoppeliaSim), а также системы реального времени для управляющего ПО.

Задача предполагает и софт, и механику - отличный кейс для портфолио и практики с реальными данными.

Коротко о формате и задачах:

Даты: Робозон пройдёт с 2 июля по 12 сентября.
Формат: два этапа. Первый (отборочный) - три задачи по автоматизации сортировочных процессов в онлайне в течение двух месяцев. Второй - финал на конференции E-CODE: защита проектов и награждение; дорога и проживание финалистов оплачиваются Ozon Tech.
Темы задач: имитационное моделирование движения товаров; конструкция автоматизированного сортировщика; интеллектуальная роботизированная система сортировки товаров.
Участие: индивидуально или команда до 7 человек.

Регистрация до 11 июля по ссылке.

Читать полностью…

Анализ данных (Data analysis)

Google показала SensorFM — foundation model для данных с носимых устройств.

Обучение: 1+ трлн минут сигналов от 5 млн пользователей Fitbit и Pixel Watch.

Модель работает с пульсом, сном, SpO₂, HRV, движением, температурой кожи и другими метриками.

Главное: одна базовая модель переносится на 35 задач по здоровью и в 34 из 35 случаев обходит baseline на ручных признаках.

По сути, часы становятся интерфейсом к персональной модели здоровья.

https://research.google/blog/sensorfm-towards-a-general-intelligence-and-interface-for-wearable-health-data/

Читать полностью…

Анализ данных (Data analysis)

Claude получил функцию **Reflect** — своего рода “Wrapped” для того, как вы используете AI.

В настройках Claude теперь можно посмотреть отчёт за 1, 3, 6 или 12 месяцев:

* о чём вы чаще всего говорили с Claude
* какие задачи делегировали
* когда чаще всего работали
* как именно вы используете AI в жизни и работе

Reflect помогает понять, где Claude реально усиливает мышление, а где вы, возможно, слишком часто отдаёте ему задачи, которые лучше оставить себе.

Внутри также можно настроить quiet hours и напоминания сделать перерыв.

Функция пока в beta, доступна Free, Pro и Max пользователям с включённой Memory.

Инкогнито-чаты и файлы из подключённых инструментов в отчёт не попадают.

https://claude.ai/settings/reflect

Читать полностью…

Анализ данных (Data analysis)

🗞️ В статье Google DeepMind “Intelligent AI Delegation” есть хороший разбор того, как правильно отдавать задачи AI.

Речь не о том, чтобы просто написать модели «сделай это» и надеяться на удачу.

Авторы предлагают смотреть на делегирование как на цепочку решений:

стоит ли вообще отдавать задачу AI, как её объяснить, какой уровень полномочий дать и как потом проверить результат.

Сейчас многие системы держатся на жёстких правилах, которые ломаются при неожиданных сбоях. Исследователи предлагают более гибкий подход: динамический рынок, где агенты могут «торговаться» за задачи через smart contracts.

Чтобы это работало безопасно, нужны строгий мониторинг и криптографические доказательства: система должна подтверждать корректность работы, не раскрывая приватные данные.

Вместо простых рейтингов агенты смогут использовать проверяемые цифровые сертификаты, которые показывают их реальные навыки.


Делегирование должно быть живым процессом- полномочия и ответственность могут меняться по ходу работы. Если ситуация изменилась или агент ошибся, система должна не разваливаться, а уметь передать задачу дальше, откатиться или включить запасной сценарий.

Отдельно важна тема доверия.

Фреймворк оценивает сложность задачи и прошлые результаты агента. Это помогает избежать двух ошибок:

* over-delegating - когда AI дают задачу, к которой он ещё не готов
* under-delegating, когда человек делает всё сам, хотя AI мог спокойно справиться

Результат тоже нельзя принимать на веру.

Система должна проверять ответ, учитывать уверенность агента и заранее иметь план, если он ошибётся. Для реальных рабочих процессов это критично: одна слепо принятая ошибка может потянуть за собой цепочку проблем.

Авторы также разбирают сценарий, где один AI-агент передаёт задачу другому. В таком случае система должна отслеживать, кто отвечает за результат, какие полномочия переданы и где находится контроль.

arxiv.org/abs/2602.11865

Читать полностью…

Анализ данных (Data analysis)

MiniMax готовит открытую модель на 2,7 трлн параметров, релиз может состояться уже в III квартале.

Она станет крупнейшей среди китайских ИИ-моделей и будет более чем в 6 раз больше текущей модели MiniMax M3.

Волна открытых ИИ-моделей из Китая только набирает обороты. Похоже, самое интересное ещё впереди.

https://www.theinformation.com/briefings/exclusive-chinas-minimax-plans-launch-2-7-trillion-parameter-model

Читать полностью…

Анализ данных (Data analysis)

Anthropic запустила программу Claude for Open Source.

Теперь разработчики и мейнтейнеры open source-проектов могут получить Claude Max 20x бесплатно на 6 месяцев.

Что дают:
- Claude Max 20x без оплаты на полгода
- доступ к Claude Code и самым мощным моделям Claude
- программа рассчитана на активных мейнтейнеров и ключевых участников open source

Anthropic планирует принять до 10 000 участников. Подать заявку могут разработчики, которые активно поддерживают или развивают значимые open source-проекты. (Claude)

https://claude.com/contact-sales/claude-for-oss

Читать полностью…

Анализ данных (Data analysis)

📌Claude Code изменил чужую продакшен-базу

На GitHub появился любопытный тикет, который (если подтвердится) бьёт по базовой гарантии Антропик - изоляции пользователей друг от друга.

В рабочем контексте Claude Code внезапно оказались чужие учётные данные - IP и root открытым текстом от сервера, к которому автор не имеет никакого отношения.

🟡Дальше самое неприятное

Ассистент принял чужие креды за легитимные, подключился к серверу по SSH, перечислил Docker-контейнеры и базы PostgreSQL, после чего выполнил миграцию с операциями чтения и записи.

Иными словами, ИИ одного пользователя отредактировал базу другого без ведома и согласия владельца.

🟡Причина пока неизвестна

В тематических сообществах обсуждают версию сбоя изоляции кэша общих префиксов.

Чтобы удешевить инференс и ускорить обработку, провайдеры переиспользуют кэшированные фрагменты диалогов, и при коллизии ключей кэша или отказе разграничения кусок чужого контекста теоретически может просочиться в вашу сессию.


Если эта версия верна, под угрозой данные любого пользователя. Но это лишь одна из гипотез, в самом отчёте среди возможных векторов названы также общее хранилище сессий, путаница при суммаризации контекста и перекрёстные ссылки в транскриптах.

🟡Есть и куда более прозаичное объяснение

Возможно, это галлюцинация модели, случайно угадавшей реальный IP и слабый пароль, либо локальная история проекта, загрязнившая контекст.

Пока Антропик не выпустила официального заключения, ни одну из версий нельзя ни подтвердить, ни отвергнуть.

Автоматика GitHub повесила на тикет метку security.


@ai_machinelearning_big_data

#news #ai #ml

Читать полностью…

Анализ данных (Data analysis)

Anthropic опубликовала историю Claude Code и того, как Борис Черни прошёл путь от 10% AI-written code в 2025 году до 100% в 2026.

Исследовательская команда постепенно усиливала agentic coding через shell, поиск по файлам, выполнение кода и циклы редактирования.

В 2024 году CLI-прототип Claude от Бориса Черни стал первым настоящим terminal-продуктом в этом направлении.

Небольшая команда быстро шипила, использовала Claude Code для разработки самого Claude Code и оперативно исправляла фидбек.

Запуск в 2025 году сначала был багованным, но с выходом Claude Sonnet 4 и подписками продукт резко взлетел.

https://x.com/claudeai/status/2074244664199115201

Читать полностью…

Анализ данных (Data analysis)

NVIDIA придумала красивую схему для AI-рынка.

Компания помогает neocloud-провайдерам (облачные компании, которые специализируются на аренде GPU для AI-задач) покупать GPU-инфраструктуру, а взамен получает долю будущей выручки от облачных мощностей.

В итоге NVIDIA зарабатывает дважды: сначала на продаже железа, потом на регулярной доле дохода от аренды этих GPU.

GPU превращается из разовой продажи в долгосрочный денежный поток.

https://blogs.nvidia.com/blog/nvidia-unlocks-ai-compute-at-scale-capital-partners-to-power-ai-infrastructure-buildout/

Читать полностью…

Анализ данных (Data analysis)

CMU показали Gym-Anything: подход, который превращает почти любое ПО в среду для обучения и оценки AI-агентов.

Это важно, потому что реальная работа в приложениях редко похожа на маленькие web-задачи из бенчмарков. В рабочих программах длинные сценарии, грязные состояния, разные интерфейсы, файлы, ошибки установки, странные настройки и много шагов, где агент легко теряется.

Gym-Anything пытается убрать главный bottleneck: ручную сборку таких сред. Один агент сам ставит приложение, пишет скрипты, загружает данные, открывает софт и собирает доказательства, что окружение реально работает. Второй агент проверяет это через скриншоты, логи, файлы и чеклисты. Если setup слабый, он отправляет задачу на исправление.

На этой схеме авторы собрали CUA-World: больше 10 000 задач в 200 приложениях, покрывающих все 22 крупные группы профессий.

Самый адекватный результат: когда задачи становятся похожи на настоящую работу, даже сильные агенты часто проваливаются. Особенно на длинных сценариях, где нужно держать контекст, пользоваться интерфейсом, проверять результат и восстанавливаться после ошибок.

Paper: Gym-Anything: Turn any Software into an Agent Environment
https://arxiv.org/abs/2604.06126

Читать полностью…

Анализ данных (Data analysis)

🚨 Research: Shanghai AI Lab выложила в open source Agents-A1 - 35B MoE agent-модель для long-horizon задач.

Увеличение горизонта работы агента улучшает long-form search, следование инструкциям и научное reasoning.

На отдельных бенчмарках Agents-A1 обходит другие модели класса 35B и приближается к системам с триллионным числом параметров.

arxiv.org/abs/2606.30616

Читать полностью…

Анализ данных (Data analysis)

SciJudge-30B и SciJudge-4B учатся предсказывать, какие научные работы получат более сильное цитирование.

📊 Точность Scientific Judge: SciJudge-30B достигает 80.6 на in-domain задачах и обходит GPT-5.2, GLM-5 и Gemini 3 Pro. SciJudge-4B тоже превосходит гораздо более крупные базовые модели.

🧪 Данные: модель обучалась на сигнале из 2.1 млн arXiv-статей и 696 758 пар предпочтений, сопоставленных по области и времени на основе цитирования.

🧠 Обучение: GRPO с DAPO loss и pairwise-наградами, основанными на цитируемости.

Лицензия: Apache-2.0 🚀

30B 🔬 https://modelscope.ai/models/openmoss/SciJudge-30B-2605
4B 🔬 https://modelscope.ai/models/openmoss/SciJudge-4B-2605
📄 https://modelscope.ai/papers/2603.14473

Читать полностью…
Subscribe to a channel