Language learning after 10 years

Сегодня мне пришло уведомление, что кто-то на реддите оставил комментарий к моему сообщению 10-летней давности. Настоящий некропостинг!

Это был июнь 2016 года, за пару месяцев до моего ухода из ERP-консалтинга. На сабреддите по Anki обсуждали кто как использует этот софт для изучения языков.

Тогда я написал, что у меня есть колоды по трём языкам, с вот таким количеством карточек:
- English - 1492
- Spanish - 5397
- Japanese - 5900

Для добавления карточек с испанским языком использовал программу Learning With Text. Японский слова в основном добавлял при чтении visual novels.

Прошло десять лет. Что иронично, вскоре после этого поста мне пришлось прекратить языки лет на 5, поскольку много времени и сил уходило на изучение ML и всего связанного с ним.

Но всё равно есть явный прогресс в языках:
- Английский - твёрдый уровень C2 (я сдавал официальный тест перед переездом в Англию). Карточек особо не добавилось
- Испанский - 12к карточек. Могу болтать с носителями языка из разных стран, читать книги, слушать аудиокниги - так что около C1.
- Немецкий - 13к карточек. Читаю без проблем, аудиокниги тоже могу слушать (например, недавно слушал перевод Властелина Колец). Но говорить сложновато (давно практики не было) и грамматика хромает. Наверное разговорный B1, а по чтению/пониманию - B2. Потихоньку стараюсь закрывать гэпы знаний
- Японский - 9.5к карточек. В японском у меня самый маленький прогресс. Читать книги со словарём могу, в остальном - сложно. Планирую занятья им после шлифовки немецкого.

С инструментами/софтом тоже интересно. Learning With Text довольно устарел и, казалось, вообще помер. Но вот сегодня из любопытства посмотрел - на моё удивление, программа жива и выглядит современно. Но я давно перешёл на readlang для чтения на ноуте и на Kindle в остальное время.

В наше время существует огромное количество ресурсов и инструментов для изучения языков. Вопрос лишь в том, где найти время.

#languages

Читать полностью…

​​Чатботы моей молодости

Сегодня пятница, так что немного ностальгии.

Я вспомнил как в 2018 году делал телеграм чат-бота после прохождения какого-то курса. Я 3 недели мучительно писал код на Keras и тренировал модель.

Бот мог выполнять несколько команд и что-то нечленораздельно отвечать на свободные вопросы.

За 8 лет был пройден огромный путь

Читать полностью…

​​Talk: breaking into machine learning

Так уж получилось, что завтра я буду делать доклад для пакистанских студентов о карьере

Формочка для регистрации https://docs.google.com/forms/d/e/1FAIpQLSf2IdKIuZ9o2tDiMq-Fjfe6efKzTj4w43JMOekHrME5fTtCZg/viewform

#career

Читать полностью…

​​Xgboost - test of time award

Читать полностью…

​​Генерация картинок в 2019

Я сейчас что-то вспомнил соревнование 2019 года на Kaggle по генерации изображений собак. Нашёл там тредик, где люди выкладывали, что у них получилось

https://www.kaggle.com/competitions/generative-dog-images/discussion/97753

Выглядит жутковато. Прошло каких-то 7 лет, и теперь нередко сгенерированные изображения фиг отличишь от реальных.

#ai

Читать полностью…

​​Kaggle: Rogii

https://www.kaggle.com/competitions/rogii-wellbore-geology-prediction/leaderboard

В последние месяцы я впервые за несколько лет серьёзно участвовал в соревновании на каггле. Это было геодезическое соревнование. В итоге мы оказались в серебре и избежали шейкап. Моё соло решение тоже тянуло на серебро, но лишь на ~200 место.

Блогпост с деталями напишу позже, а пока вот красивые картинки от клода. Кстати, я не написал ни одной строчки кода - всё участие было через клод/кодекс.

Теперь буду отдыхать и зарекаюсь участвовать в каггле ещё на несколько лет 😅

#kaggle #ai

Читать полностью…

​​Kimi K3: Open Frontier Intelligence

Последний год открытые фронтир-модели сходились примерно к одному классу размеров (около 1T) и конкурировали на эффективности: test-time compute, дешёвый длинный контекст, agentic RL. Moonshot пошли в другую сторону: Kimi K3 — это MoE на 2.8T параметров (104B активных), с native vision и контекстом в 1M токенов. По заявлению авторов, первая открытая модель 3T-класса.

Архитектура собрана вокруг масштабирования "information flow" по трём осям.

- По длине последовательности — гибридное внимание: три слоя Kimi Delta Attention (linear attention с delta rule и channel-wise forget gates, фиксированный state вместо растущего KV-кэша) на один слой глобального Gated MLA. Позиционного кодирования нет вообще (NoPE) — позиция возникает из decay-гейтов KDA, поэтому расширение до 1M токенов обходится без RoPE-хаков.
- По глубине — Attention Residuals: вместо одного накопленного residual stream каждый слой формирует learned pseudo-query и через softmax выбирает, что читать из выходов предыдущих слоёв.
- По ширине — Stable LatentMoE: 896 экспертов, 16 активных на токен, роутинг в латентном пространстве вдвое меньшей размерности, а стабильность при такой sparsity держится на RMSNorm, ограниченной активации SiTU-GLU и Quantile Balancing. Всё вместе даёт примерно 2.5x scaling efficiency относительно K2.

Post-training тоже нетривиальный: после SFT авторы обучают 9 экспертных политик (3 домена на 3 уровня reasoning effort) в agentic-окружениях, а потом сливают их в одну модель через Multi-Teacher On-Policy Distillation — студент генерирует свои rollouts и получает per-token reward от подходящего учителя. Quantization-aware training с MXFP4-весами экспертов идёт с этапа SFT, так что деплой видит ту же арифметику, что и обучение.

В целом модель уступает Claude Fable 5 и GPT-5.6 Sol. Разрыв виден на research-level reasoning и knowledge-work лидербордах. Но круту то, что linear-attention гибрид без позиционного кодирования работает на фронтир-масштабе.

Paper
Code
Project

Мои обзоры:
Personal blog
Medium
Linkedin

#paperreview

Читать полностью…

​​Kimi K3 attention

https://arxiv.org/abs/2607.24653

Недавно вышла статья от Kimi K3. Я планирую написать на неё обзор на следующей неделе, но пока я заинтересовался механизмом attention, описанном в ней.

Kimi использует Kimi Delta Attention и Attention Residuals, которые появились ещё в Kimi Linear. По факту всё это продвинутые варианты linear/hybrid attention.

Я потихоньку веду свои ML заметки в Obsidian, на основе этой инфы обновил заметку про Attention

#ai #datascience

Читать полностью…

​​Anyone else's human get quietly nerfed this week?

https://www.reddit.com/r/ClaudeAI/comments/1v7zlxd/anyone_elses_human_get_quietly_nerfed_this_week/

Читать полностью…

​​Harness Handbook: Making Evolving Agent Harnesses Readable, Navigable, and Editable

Способности агента определяются не только базовой моделью, но и его harness — кодом, который собирает промпты, управляет состоянием, вызывает инструменты и крутит control loop. Под новые модели, API и требования harness приходится постоянно дорабатывать, но перед любой правкой нужно сначала найти все места в коде, реализующие нужное поведение. Авторы называют это behavior localization и считают главным узким местом в эволюции harness: запросы формулируются в терминах поведения, а репозиторий устроен по файлам и функциям, и именно этот разрыв всё усложняет.

Решение — Harness Handbook, представление кодовой базы, организованное вокруг поведения, а не структуры файлов. Это трёхуровневое дерево (L1 — обзор системы, L2 — стадии и компоненты, L3 — записи со ссылками на конкретный исходник) плюс state-register view для состояния, разделяемого между стадиями. Строится автоматически: статический анализ через tree-sitter без LLM → раскладка по стадиям через proposer-reviewer loop → синтез дерева. При модификации агент идёт сверху вниз через Behavior-Guided Progressive Disclosure (BGPD): от архитектуры к нужным стадиям и конкретным местам в коде, а потом сверяет кандидатов с текущим исходником. Отдельная полезная деталь — resynchronization: после правок handbook инкрементально обновляет только затронутые части, а ссылки, которые больше не резолвятся, помечает как stale, вместо того чтобы молча указывать на неверный код.

Проверяли на двух open-source harness'ах (Terminus-2 и Codex), 60 запросов на модификацию, планировщик — DeepSeek-V4-Pro, качество планов оценивали три LLM-судьи:
— win rate по качеству плана: 45.6% против 26.7% на Terminus-2 и 38.3% против 28.3% на Codex
— и всё это при меньшем расходе токенов планировщика: −12.7% на Codex и −8.6% на Terminus-2
— по локализации все 24 сравнения recall/precision/F1 в пользу handbook, прирост F1 от +5.0 до +18.8
— слабый планировщик с handbook подбирается к локализации более сильных моделей (GPT-5.5, Claude Opus 4.8) и заметно реже промахивается мимо нужного кода целиком

Paper
Code
Project

Мои обзоры:
Personal blog
Medium
Linkedin

#paperreview

Читать полностью…

Beginning July 20, Claude Fable 5 will be included in all Max and Team Premium plans, at 50% of limits.

Вот что конкуренция животворящая делает!

https://x.com/claudeai/status/2078302415804379218

Читать полностью…

​​Data Sanity Talks: AI-Driven Participation in Kaggle Competitions

https://datasanity.dev/data-sanity-talks-london-2026-07-23.html

На следующей неделе будет оффлайн ивент в Лондоне, где я буду рассказывать о своём опыте применения агентов для участия в каггл соревнованиях, говорить, что работает и что не работает.

Запись будет доступна позже

#ai

Читать полностью…

Рекомендую канал

Хочу порекомендовать вам Data Blog (@jdata_blog) — отличный канал, где качественно и на понятном языке разбирают интерпретируемость и безопасность LLM: mechanistic interpretability, SAE, activation steering, персоны и джейлбрейки.

У ведущей канала много опыта в этой теме, поэтому разборы статей получаются интересными, практическими, с объяснениями ограничений и часто с ноутбуками, которые можно самостоятельно потыкать.

Посты, которые мне зашли:

— Свой SAE против джейлбрейков (статья с ACL 2026 Findings): если прогонять активации через разреженный фильтр на инференсе, атакующему заметно сложнее подобрать вредоносный суффикс.
— Activation Oracles от Anthropic — как читать скрытые состояния модели естественным языком, вплоть до вытаскивания секретного слова, которое модель не произнесла. С колабом для воспроизведения.
— Подборка фреймворков для интервенций (pyvene, repeng, pyreft, EasyEdit, EasySteer, nnsight) — на случай когда понадобится использовать steering или knowledge editing.
— Как читать и ревьюить статьи, поданные на конференции.
- StiTching: как «сшить» две обученные сети (и чем это отличается от LoRA)

Если интерпретируемость вам близка — загляните: @jdata_blog

Читать полностью…

Бенчмарк GPT-5.6 Sol/Terra/Luna - двигают фронтир

Это тест новых моделей OpenAI на нашем новом агентском бенчмарке. Под капотом бенчмарка - паттерны из топовых харнесов с BitGN соревнований, которые мы разобрали и заново прогнали через ECOM1 под трейсом с лупой, анализируя точки возникновения ошибок. А самые уязвимые места самых сильных архитектур (когда они путаются, пропускают нарушения границ, забывают про политики итп) собрали в бенчмарк.

И получается, что лайтовые модели GPT-5.6 (есть еще pro версии, которые протестирую попозже) настолько хороши, что они двигают Парето-фронтир как по комбинации качество-скорость, так и по комбинации качество-цена. Смотрите сами на графики справа. Это делает их дефолтным выбором в новых проектах.

Отчет на сайте выложим попозже, а пока картинка с хорошим качеством - в комментариях.

Ваш, @llm_under_hood 🤗

Читать полностью…

Новое голосовое общение с GPT

https://openai.com/index/introducing-gpt-live/

Голосовой режим в GPT обновили!

Мне он всегда нравился, а теперь уверяют, что вышло новое поколение

Читать полностью…

​​Talk: breaking into machine learning - recording

Пару дне назад я уже писал, что я буду делать доклад для пакистанских студентов.

В общем получилось так, что на него зарегистрировалось 450+ человек, несмотря на то, что это был праздник - день независимости.

Встреча была в google meets, но там лимит в 100 человек, так что все желащие не влезли. В результате делали трансляцию в linkedin, запись можно посмотреть тут https://www.linkedin.com/events/liveaugust147494045235434594306/

Вопросы были в основном про карьеру - как её начинать, что делать в текущей ситуации с засилием AI, как вкатываться в сферу и так далее.

Думаю, скоро напишу блогпост про это, чтобы мысли были не только в записи.

Сам доклад шёл 40 минут, потом я ещё 40 минут отвечал на вопросы.

#career #ai #datascience

Читать полностью…

​​Openai Computer History

"Computer History turns your activity across apps and websites into memories and a timeline that ChatGPT and Codex can reference. You can ask natural questions about recent work, pick up where you left off, understand patterns in how you work, and turn repeated workflows into skills or automations."

https://learn.chatgpt.com/docs/customization/computer-history

#ai

Читать полностью…

🤟 DeepMind SL2T: мультиязычная модель перевода жестового языка в текст

📌 TL;DR
DeepMind представила SL2T — модель перевода жестового языка в текст, которая работает на потребительских устройствах (Pixel 11, Gboard, Live Transcribe). Ключевые особенности: приватность через pose-ландмарки (не сырое видео), обучение на 100K+ часов данных по 50+ жестовым языкам, и прямой перевод landmarks → text без промежуточных глоссов. На бенчмарке FLEURS-ASL модель достигает 70 BLEURT (zero-shot), значительно обгоняя предыдущие SOTA (около 50).

🧠 Зачем?
Большинство систем распознавания жестового языка до сих пор в стадии RnD-исследований: либо они требуют разметку глоссов (искусственных текстовых представлений жестов), либо работали только с одним языком и обрабатывали сырое видео, что по мнению авторов создает риск безопасности (спорный поинт).

Можно ли создать единую модель, которая (1) масштабируется на десятки жестовых языков, (2) работает в реальном времени на устройстве, (3) защищает приватность пользователей и (4) не требует промежуточных аннотаций? Ответ — да.

🗂️ Как устроена SL2T

Пайплайн обработки:

[Камера] → MediaPipe Holistic (on-device) → Pose landmarks (x, y coords) → [Server] → SL2T Model → Text

Ключевые выводы:

1) Мультиязычность улучшает качество на 50+ языках, помогает модели выявлять общие структуры, что улучшает метрики даже на редких языках;
2) Отказ от глоссов: прямой перевод позволяет модели учиться на нелинейных аспектах жестового языка (мимика, пространственные отношения), которые глоссы не передают;
3) Качество растёт с объёмом данных — нет искусственного потолка из-за ограниченного словаря глоссов.

🧪 Ограничения и открытые вопросы

— Покрытие языков: пока только американский ЖЯ в продуктах; остальные 50+ языков — в исследовательской фазе
— Бенчмарки обычно собраны на чистых данных; реальная вариативность (освещение, ракурсы, скорость жестов) могут сильно влиять на качество
— Не-мануальные компоненты: хотя модель теоретически способна их учитывать, но тема не изучена достаточно хорошо
— Культурная адаптация: жестовые языки тесно связаны с культурным контекстом. А как модель адаптируется к региональным вариациям внутри одного языка? Проблема диалектов остается открытой.

🔗Ссылка: Google DeepMind Blog, 2026
#signlanguage

Читать полностью…

🌸Релизим Muse Glimmer 30B 🌸

Впервые за долгое время, наконец-то релизим большой командой новую открытую LLM от Meta Superintelligence Labs.
Веса под Apache 2.0!

🌸Что это за модель:
— 30B dense модель, дистиллированная версия Muse Spark для локального инференса на 1 GPU
— юз-кейсы: OpenClaw, MCP, и агентные тулзы
— общие способности (ризонинг, знания, кодинг) тоже на высоком уровне для модели такого размера.
— очень быстрый инференс: 233 токена/сек на 5090 благодаря DFlash spec decoding
— по ключевым способностям — агентные воркфлоу, swe bench, ризонинг — лучше Qwen 3.6 и Gemma 4 31B
— есть мультимодальный инпут (картинки и видео)
— больше 100 языков в претрейне
— контекст 131к токенов
— есть perception encoder (1.8B) в дополнение к модели

Пожалуйста, скачивайте, пользуйтесь, — и ждите тех репорт и доки!
На неделе постараемся выпустить инференс у партнёров и доки по деплою на llama.cpp, ExecuTorch, MLX.

🟣Блогпост https://research.meta.ai/blog/introducing-muse-glimmer-open-agentic-model
🟣 Веса https://huggingface.co/meta-models/Muse-Glimmer-30B
🟣Доки: (пока что такие же как у Muse Spark) https://dev.meta.ai/docs/cookbook

Читать полностью…

О локальном инференсе LLM

Регулярно встречаю блогпосты и призывы инференсить LLM на локальном железе.

Но это всегда имеет ограничения. Одни предлагают квантизировать модели в 1b, другие хитро стримить, третьи советуют брать модели поменьше.
Но квантизация заметно ухудшает качество. Мелкие модели тоже похуже

А "хитрый стриминг"...

Вот увидел я пост на медиуме: "Unbelievable! Run Kimi K3–2.8 Trillion Parameters — on a Single 4GB GPU". Думаю - не верю.
Открываю... "This is not fast. Roughly five minutes per token." - не юзабельно

#llm #ai

Читать полностью…

​​CayleyPy: Professor Tetraminx puzzle

Месяц назад я рассказывал как участвовал в ресерч соревнованиях Cayley. С тех пор я поучаствовал в ещё одном соревновании - Professor Tetraminx.

Напоминаю, что суть задачи - из рандомного состояния головоломки (после N поворотов) дойти в исходное за минимальное количество шагов.

Поскольку это по факту групповой ресерч, не были цели собрать топ-решения самостоятельно - мы хотели вместе сделать топ решение.

Я начал тогда, когда лучшее доступное решение было 28863 и улучшил его до 28467, получив новый лучший результат и обойдя мирового эксперта Tomas!

Блогпост с деталями напишу позже, но пока расскажу, что нового было сделано по сравнению с моим прошлым подходом:
- Как известно, решить такую головоломку брутфорсом нельзя. Но вполне можно с помощью BFS подсчитать все состояния после 6-9 шагов. Так что теперь мой подход не пытается дойти до финального состояния, а просто до состояния, которое находится на расстоянии 6-7 до финального. Это довольно важно, ибо иногда поиск останавливается лишь в нескольких шагах от успеха - и этот подход спасает такие кейсы
- Sparse Q - новая голова для нейронки (по предложению Vlad Kuznetsov), которая даёт скор сразу для всех возможных переходов из текущего состояния - это сильно ускоряет обчение и инференс
- многократное расширение датасета с разными подходами по сбору данных
- PieceTransformer в качестве модели и его бленд с обычным ResMLP
- V-consistency - хитрый подход для улучшения beam search. Простыми словами: если одна голова модели говорит, что мы в 10 шагах от цели, а другая голова говорит, что после одного шага мы будем в 15 шагах - это неправильно; а если головы выдают 10 и 9 - значит мы движемся в правильном направлении

Теперь продолжу участвовать в других соревнованиях этой серии и всем рекомендую :)

#kaggle #datascience

Читать полностью…

​​В пятницу вечером - о насущных обсуждениях

Читать полностью…

​​Продолжение поста:

Я считаю это прекрасно - бот в комментах пишет, что у них на работе тоже есть проблемы с колебаниями эффективности работы людей

Читать полностью…

Book Review: Python for Algorithmic Trading Cookbook

Мне прислали очередную книжку от Packt на прочтение и ревью — на этот раз про алгоритмический трейдинг на Python.

Тема для меня в чём-то новая, но давно интересная: пару месяцев назад я как раз хотел поиграться с Interactive Brokers API, а ещё много лет назад вручную торговал на форексе, так что было любопытно посмотреть, как всё это автоматизируется сейчас.

Книга - это cookbook из 68 рецептов, которые проводят весь путь от получения рыночных данных до отправки ордеров через брокера. По структуре это конвейер: данные (OpenBB, pandas, Polars/DuckDB) → research (ArcticDB, AI и agentic workflows, alpha-факторы) → бэктест (VectorBT, Zipline Reloaded) и оценка факторов (Alphalens, Pyfolio) → live-исполнение через Interactive Brokers → и в конце ускорение на GPU через NVIDIA RAPIDS.

Больше всего понравилось, что книга доходит до реального исполнения, а не останавливается на бэктесте. И отдельно порадовало внимание к валидации — данные версионируются в ArcticDB с time travel (чтобы случайно не заглянуть в будущее), а глава про walk-forward честно объясняет, почему на временных рядах нельзя перемешивать фолды. Кстати, я про это писал в своих заметках. Ещё есть глава про AI: RAG-аналитик по отчётности на LangChain/Chroma/Claude, агенты на LlamaIndex, которые сами пишут и запускают код, и рецепт про превращение статьи со стратегией в рабочий код.

Amazon
Code

Мои обзоры:
Personal blog
artgor/book-review-python-for-algorithmic-trading-cookbook-18c9ba85d9d4">Medium

#bookreview

Читать полностью…

Codex Resets

https://codex-resets.com/

Прикольный сайт - показывает когда в Codex появлялись ресеты лимитов.
Их было аж 35 начиная с марта. И 8 из них за июль.

Читать полностью…

​​Time Series with PyTorch — Graeme Davidson, Lei Ma

Мне прислали очередную книжку от Packt на прочтение и ревью - на этот раз про time series forecasting на PyTorch. Тема мне близкая: временные ряды — одна из самых сложных для меня областей ML, и при этом большинство книг по deep learning относятся к ним как к чему-то второстепенному после CV и NLP.

Книга идёт начинает с базовых вещей (что делает временные ряды сложными, как правильно оценивать модели, PyTorch с нуля), демонстрирует современные архитектуры (RNN, transformers, N-BEATS, N-HiTS, foundation models, diffusion) и выходит за пределы точечного прогноза — классификация, кластеризация, anomaly detection, self-supervised learning.

Мне понравилось, что тема правильного качества моделей разбирается в деталях: например, показывают как заведомо худшая модель выигрывает по MAPE, и есть целая глава про data leakage. Отдельно порадовали объяснения через физику: один из авторов физик, и он объясняет RNN через качели на детской площадке, а diffusion — через каплю чернил, которая расплывается в воде, пока не превратится в гауссиану.

Ещё мне понравилось, что примеры построены вокруг соревнования M5 на Kaggle. Я в нём когда-то участвовал и зафейлился, так что было интересно посмотреть на разные модели и подходы к оценке на данных, с которыми в своё время намучился.

Из минусов — про time series foundation models (Lag-Llama, TabPFN, Chronos, TimeGPT) рассказывают, но не запускают их на практике, а это как раз то, что хотелось бы попробовать руками.

Amazon
Author's website
Code

Мои обзоры:
Personal blog
Medium

#bookreview

Читать полностью…

​​banned by AI, convicted by AI, defended by AI, and pardoned by AI in about 10 minutes

https://x.com/endpointarena/status/2075245286339846145

Читать полностью…

​​Kaggle в Google Antigravity: агент, который помогает стартовать и уверенно ошибается

В рамках активности Google Developer Expert, я попробовал поучаствовать в соревновании Kaggle Playground (S6E7, табличная многоклассовая классификация) почти полностью силами агента — в Google Antigravity 2.0 на Gemini 3.1 Pro. Для начала я попросил Claude собрать "starter kit" на оснвое моего прошлого опыта: гайдлайны, промпты, базовый код с общими правилами для мультиагентного пайплайна. Дальше запустил промпт — и Gemini сделал EDA, фичи, обучил модели параллельно в фоновых задачах и собрал бленд. Правда пришлось очень много кликать, чтобы давать разрешения на все команды (даже на те, которые я уже разрешил в прошлом). В остальном — это реально рабочая модель исполнения, с параллельным обучением и таймерами пробуждения вместо присмотра за процессом.

Самое интересное — где агент ошибался. После первого сабмита вылез большой gap между CV и лидербордом, и агент уверенно предложил решение: скачать левый датасет с псевдо-лейблами и "шумными id", заявив, что это "единственный способ" пробить стенку. Пришлось остановить его, впрочем дальше он полез скачивать ещё один бесполезный датасет :) А реальные причины гэпа оказались простыми: неправильная метрика (plan accuracy вместо balanced) и случайно оставшийся файл, который ломал фолды.

И вишенка на торте: когда Gemini писал разбор постфактум, он выдумал баг и стал меня газлайтить, что он был в коде с самого начала.

Вывод такой же, как всегда на Kaggle: агенты сильно удешевляют старт, но правильная кросс-валидация, метрика и проверка самого агента всё ещё на человеке.

Блог
Medium

#ai #kaggle

Читать полностью…

​​Build with Muse Spark, now available on Meta Model API

https://developer.meta.com/ai/resources/blog/build-with-muse-spark/#3-pricing-and-free-credits

Muse Spark 1.1 - публично доступна.

"pay-as-you-go pricing starts at $1.25 input/$4.25 output per million tokens" - демпинг!

Верим метрикам? :)

#ai

Читать полностью…

​​Cayley graph search с Claude Code: решение головоломок в 2026 с помощью агентов

Я написал большой пост про два Kaggle-соревнования из серии CayleyPy — IHES Picture Cube и Megaminx. Это комбинаторные головоломки (кубик и додекаэдр), но по сути - поиск коротких путей в огромных неявных графах Cayley: вершины графа — это состояния головоломки, рёбра — это ходы, а решить пазл значит найти короткий путь до собранного состояния.

Мы занимаемся этим уже пару лет и опубликовали несколько статей, а в 2026 году я решил попробовать новый подход: вместо того, чтобы писать код самому, я использовал Claude Code + Opus как агента, который пишет код. Сам я задавал направление исследований, ревьюил код и решал какие эксперименты стоит гонять. Поэтому пост получился про две вещи сразу: про то как мы решаем графы Cayley (learned heuristic + wide beam search + пост-обработка) и про то, как выглядит research-цикл, когда имплементацию делает агент.

Из интересного - не раз упирался в ограничения агентов. Claude так и не смог правильно реализовать shared-beam SPMD после 10 попыток, а Codex завёл его с первой попытки. И почти все значимые идеи приходили от меня, а не от агента — клод плохо справляется с неопределённостью и часто выбирает безопасные пути (даже когда просишь его быть активнее).

По ощущениям, агенты позволяют проверять идеи намного быстрее, чем раньше. Но это работает только если внимательно следить за агентом и не давать ему лениться.

Блог
Medium

#ai #kaggle

Читать полностью…