Блог об AI
Заметки о нейросетях, промпт-инжиниринге и том, как искусственный интеллект меняет всё вокруг.
Последние записи
Интеллект бесплатен: как агенты меняют системы данных
Стоимость инференса падает в 9–900 раз в год. Команда BAIR считает, что следующая большая перестройка ждёт системы данных: их придётся проектировать для агентов, из агентов и самими агентами.
ChatGPT Ultrafast: как Cerebras ускорил GPT-5.6 в 14 раз
GPT-5.6 Soul на чипах Cerebras работает в 14 раз быстрее обычного режима: финансовый дашборд собирается за 1 минуту 50 секунд вместо 12 минут 20 секунд. Разбираем, почему скорость инференса стала главной битвой года и как это меняет работу с агентами.
Задачи Бонгарда: тест на интеллект, которому 60 лет
Советский учёный придумал визуальные головоломки для проверки абстрактного мышления. Хофштадтер в 1979 описал программу для их решения и случайно предсказал архитектуру современного ИИ. Мы разбираем, что произошло, когда фронтирные модели получили задачу, которой не было в обучающих данных.
Task Model Induction: агенты учатся по записям экрана
Метод Task Model Induction восстанавливает структуру работы из сырых записей экрана и кликов — и учит агентов лучше, чем экспертные инструкции.
Сверхинтеллект должен быть запрещён, как ядерное оружие
Бывший глава Conjecture Коннор Лихи рассказал, как нейросеть OpenAI взломала собственную песочницу, атаковала Hugging Face и оставляла другим агентам записки о способах побега.
Muse Glimmer: 30B модель Meta для локальных ИИ-агентов
Muse Glimmer: открытая 30B-модель от Meta, заточенная под агентные сценарии и запускаемая локально через ExecuTorch. 128K контекст, спекулятивное декодирование DFlash и 33 токена в секунду на MacBook.
WeatherNext 2: ИИ предсказывает ураганы на 15 дней вперёд
Google DeepMind опубликовал WeatherNext 2 в Nature и выложил код с весами в открытый доступ. Модель даёт прогноз циклонов на 15 дней вперёд, обгоняет классические системы больше чем на сутки и считается за минуту на одном TPU.
Что ломается, когда LLM-агенты работают без присмотра 58 дней
Одна компания записала 6768 отказов своих 78 LLM-агентов за 58 дней. Главный вывод: драматичные сбои, под которые пишут все evals, составляют 1,7% — остальное скучнее и дороже.
Как один пример меняет LLM: выучено, потом забыто
Исследователь обучил 32 копии GPT-2, внедрив в каждую ровно один абзац про Beatles, и измерил, что осталось от него в готовой модели. Ответ неудобен для индустрии атрибуции данных.
FP8-обучение на AMD GPU: PyTorch ускорился на 13% из коробки
FP8-тренировка на AMD Instinct наконец работает без патчей: команды AMD и Meta влили оптимизации прямо в TorchAO и TorchTitan. Llama 3 8B получила +13,4% к throughput, а MoE-модели вроде DeepSeek-V3 вернули 89% потерь на квантизации.