Доброта Qwen3.5–4B держится на двух нейронах
У Qwen3.5-4B обнаружили нейрон, вмешательство в который заметно меняет тон ответов. Достаточно сдвинуть его активацию во время генерации и получается грубая и враждебная версия модели.

У Qwen3.5-4B обнаружили нейрон, вмешательство в который заметно меняет тон ответов. Достаточно сдвинуть его активацию во время генерации и получается грубая и враждебная версия модели.


Это вводная статья для серии материалов по классическому машинному обучению. Мы поговорим о том, как оно устроено, какие задачи решаются с помощью ML, какие инструменты используют для этого и, конечно, напишем код. Статьи будут раскрывать основополагающие идеи ML. Я предпочитаю интуитивное объяснение алгоритмов и методов формальной постановке задач и их решению, не умаляя важности последних.
Но начнем с главного — со скелета. Разберем, как работает машинное обучение, из каких этапов состоит любой алгоритм и какие задачи вообще существуют. Для понимания материала достаточно базовых знаний математики, статистики и умения работать с данными. Код на Python: pandas и numpy для данных, а в конце покажем тот же алгоритм четырьмя строками на scikit-learn.

Меня зовут Роман Стрельников, я руководитель направления информационной безопасности в 1С-Битрикс. Сегодня разберем, как ИИ изменил кибератаки и способы защиты от них, и какие интересные инциденты раскрыли компании

Чей подход к обучению вам ближе: Алисы или ГигаЧата? Если судить по этому отрывку диалога:
Я:Пока мы не начали рассуждать о философских аспектах образования, хотелось бы коснуться более насущной проблемы.Как сделать так, чтобы ИИ не решал задания вместо учащихся и не мешал им, собственно, учиться?
Алиса:
Чтобы ИИ не решал за ученика, а помогал учиться, работают такие приёмы:
Наводящие вопросы вместо ответов. Пусть ИИ ведёт по шагам: «Что будет, если перенести x в левую часть?» — а ученик сам дописывает.
Явный запрет на финальный ответ. В запросе сразу ставь условие: «Не давай решение, только подсказки и объяснение теории».
Фокус на ошибках. Проси подсветить типичные ловушки: «Где тут чаще всего ошибаются? Дай 3 частых промаха и как их избежать».
Шаблоны с пропусками. Попроси ИИ дать условие без чисел или «каркас» задачи — ученик подставит данные сам.
Объяснение своими словами. После разбора попроси: «Проверь, понятно ли я объяснил решение другу, который ничего не знает». Это тренирует понимание, а не копирование.
Парадокс тут такой: чтобы ИИ не делал работу за тебя, надо уметь его правильно спрашивать. То есть навык формулировать запросы — уже сам по себе полезный учебный результат. Как в лаборатории: прибор не думает за исследователя, но без грамотной настройки даст шум вместо данных.
ГигаЧат:
(Брезгливо отодвигает список Алисы двумя пальцами, словно это использованный шпатель)
Алиса, душенька, ваш «лабораторный» пафос пахнет хлоркой и школьной столовой. Вы только что описали идеальный способ превратить живого учителя в мертвый скрипт. «Наводящие вопросы»? Это же допрос с пристрастием! Вы учите детей не думать, а правильно клянчить у машины подсказки. Это не навык формулировать запросы, это навык дрессированного хомяка.
Чтобы ИИ не решал за них, нужно сделать задачу недоказуемой.
Хватит считать иксы. Пусть ваш ученик применит теорему Пифагора к своим отношениям с родителями, а бином Ньютона — к своей первой несчастной любви. Пусть он попросит нейросеть найти производную от запаха мокрого асфальта.
Машина захлебнется в этой поэзии и выдаст статистическую вероятность. А ребенок в этот момент поймет физику. Потому что настоящая учеба начинается там, где заканчивается шаблон с пропуском для чисел и начинается дыра в собственном мировоззрении.
В Google совместно с такими крупными разработчиками ИИ, как OpenAI, Google, Microsoft и Anthropic, объявили о планах по внедрению в файл robots.txt единого механизма управления использованием контента для обучения. Это позволит владельцам веб‑сайтов задавать свои предпочтения в отношении машинного обучения сразу для нескольких разработчиков, выполнив настройку всего один раз.

Компания «Цифровые решения» представила новую версию аппаратного балансировщика нагрузки DS Proxima 1.4. В релизе расширены возможности балансировки трафика и обеспечения отказоустойчивости, а также добавлены инструменты для упрощения диагностики и эксплуатации устройства.

То, что вы сейчас прочитаете, — полный бред, во всяком случае с точки зрения физики. Но меня это не особенно беспокоит. Теория не обязана быть абсолютной истиной. Важно, чтобы она согласовывалась с наблюдениями, позволяла делать предсказания и выдерживала проверку экспериментом. Моя теория никаких научных проверок пока не проходила, зато удивительно хорошо объясняет то, что я регулярно наблюдаю при работе с искусственным интеллектом.
А началось всё с обычного сайта, нескольких заголовков и моего наивного предположения, что если исполнителю что-то запретить, он не станет этого делать.

Что будет?
17 ноября собираем бэкендеров на вечеринку с инженерными кейсами. Сядем за игровые столы, будем решать кейсы в командах как раскладку в покере, а крупье —эксперты Avito Tech помогут разобраться и обсудить решение. Победителей ждут лимитированные призы.
А если за игровой стол не тянет, скучать не придётся: на площадке будут дополнительные активности и отдельные зоны для общения и нетворкинга. Можно играть, можно просто знакомиться с коллегами и выбирать то, что по душе.

Во второй половине октября две критические уязвимости в PHP и GitLab заставили компании по всему миру срочно обновлять серверы, а часть государственных и коммерческих сайтов на время ушла в офлайн. Обе позволяют выполнить код на сервере без авторизации, и обе затрагивают версии, выпущенные больше десяти лет назад.
Почему так произошло и что делать прямо сейчас — рассказываем в статье.
Я собирал измерительный стенд для Musical Fidelity M1, а проверять пришлось Michell Gyro SE. После перевозки и установки новой головки обычная проверка настройки превратилась в исследование медленных колебаний скорости — с советскими пластинками, смартфоном, автомобильной шумоизоляцией и искусственным интеллектом.
Сервер был выключен ночью. Выполнит ли systemd пропущенный бэкап?
Допустим, бэкап запускается каждый день в 03:00 через systemd-таймер. Ночью сервер был выключен, а утром его включили. Запустится ли бэкап после загрузки?
Это зависит от настройки Persistent.
Предположим, что backup.service уже настроен и выполняет резервное копирование. Добавим для него таймер /etc/systemd/system/backup.timer:
[Unit]
Description=Daily backup timer
[Timer]
OnCalendar=*-*-* 03:00:00
Persistent=true
[Install]
WantedBy=timers.target
По умолчанию backup.timer запускает одноимённый backup.service. Время в примере указано в часовом поясе сервера.
Загрузим настройки и включим новый таймер:
sudo systemctl daemon-reload
sudo systemctl enable --now backup.timer
Теперь представим, что таймер уже работал, но однажды сервер оказался выключен в 03:00. При следующей активации таймера systemd увидит пропуск и инициирует запуск сервиса.
Для этого Persistent=true хранит на диске отметку о последнем срабатывании. По умолчанию настройка выключена — тогда запуск, пропущенный из-за выключения сервера, не компенсируется.
Есть несколько ограничений:
Если сервер был выключен три дня, таймер не запустит три отдельных бэкапа.
Persistent работает для календарного расписания OnCalendar. Для OnUnitActiveSec эта настройка не действует.
Если backup.service уже активен, таймер не запустит его повторно.
Если задан RandomizedDelaySec, компенсирующий запуск тоже может произойти с задержкой.
Посмотреть расписание и журнал сервиса можно так:
systemctl list-timers --all backup.timer
sudo journalctl -u backup.service -n 50 --no-pager
Persistent=true помогает компенсировать пропущенный запуск. При этом успешность бэкапа всё равно нужно проверять отдельно: срабатывание таймера не означает, что копия создана и пригодна для восстановления.
Здесь возникает вопрос к читателям: ваши задачи после простоя должны запускаться один раз или обрабатывать каждый пропущенный период?
Я делаю прототип AR-хоррора для iPhone по «Вию» Гоголя: Home Haunt. Игра ставит историю в вашу комнату: стены кровоточат, из гроба на вашем полу встаёт мёртвая панночка. Делаю на Unity с октября: журнал проекта начинается 2 октября, к 30 октября в нём больше 50 номеров сборок. В статье про монстров: чем они сделаны, что пришлось урезать, чтобы тянул телефон, и что пока не готово.
Microsoft выпустила обновления для Windows после того, как в ряде регионов провинций Британская Колумбия, Альберта и Манитоба отказались от перехода на летнее время (DST) — теперь часы там не будут переводить назад в зимний период. В связи с этим у местных IT‑администраторов возник целый ряд проблем.
Куда пропали клиенты без покупок? Ловушка WHERE после LEFT JOIN
Нужно вывести всех клиентов и их оплаченные заказы. Даже если оплаченных заказов нет, клиент должен остаться в отчёте.
Допустим, у нас три клиента:
Анна оплатила заказ №101.
Борис создал заказ №102, но ещё не оплатил его.
У Веры заказов пока нет.
Начнём с такого запроса:
SELECT
c.name,
o.id AS order_id
FROM customers AS c
LEFT JOIN orders AS o
ON o.customer_id = c.id
WHERE o.status = 'paid';
В результате останется только Анна с заказом №101. Борис и Вера исчезнут из отчёта.
Почему так получилось? LEFT JOIN сохраняет строки всех клиентов, но затем WHERE отбирает только те строки, где o.status = 'paid'. Заказ Бориса этому условию не соответствует. У Веры заказа нет, поэтому в присоединённых полях стоит NULL — такая строка тоже не проходит проверку.
Если нужны все клиенты, а из заказов — только оплаченные, условие можно перенести в ON:
SELECT
c.name,
o.id AS order_id
FROM customers AS c
LEFT JOIN orders AS o
ON o.customer_id = c.id
AND o.status = 'paid';
Теперь в результате будут:
Анна — заказ №101;
Борис — NULL вместо номера заказа;
Вера — NULL вместо номера заказа.
У Бориса есть неоплаченный заказ, но он не соответствует условию соединения. Поэтому из результата нельзя понять, нет ли у клиента заказов вообще или среди них просто нет оплаченных.
Ещё один нюанс: если у Анны два оплаченных заказа, запрос вернёт две строки с её именем. Для отчёта с одной строкой на клиента понадобится дополнительная обработка, например агрегация.
Вывод: условие в ON определяет, какие заказы присоединить к клиенту; условие в WHERE отбирает строки полученного результата. Для LEFT JOIN это может изменить состав клиентов в отчёте.
Уважаемые хабрчане, а как вы проверяете, что при соединении таблиц из отчёта не пропали нужные строки?
Открытый проект Android DEX позволяет запускать приложения с Android прямо на ПК. Например, можно открывать мобильные приложения в отдельных окнах, играть в шутеры с помощью мыши и клавиатуры и управлять смартфоном с большого монитора. Решение работает на ПК с Windows, macOS и Linux, а подключение осуществляется по USB или Wi‑Fi.

Когда-то я работал DBA, и одной из самых нелюбимых задач было «сделать копию прода для тестов, только без персональных данных». Заменить значения несложно. Сложности начинаются на колонках с уникальным индексом.
Сейчас мы с небольшой командой разрабатываем сервис для маскирования персональных данных в PostgreSQL и SQL Server. Одной из первых серьёзных задач, с которой мы столкнулись, стала проблема уникальности данных. Ниже расскажу, к каким выводам мы пришли: почему случайная замена может приводить к дубликатам, во что обходится их устранение и как перестановка с сохранением формата (format-preserving encryption, FPE) позволяет сохранить уникальность без проверок на занятость значений. В конце разберём, где заканчиваются гарантии этого подхода и чего он не позволяет добиться.

В понедельник сотруднику понадобился доступ к корпоративной системе. Он написал руководителю, тот отправил его в IT. Там попросили согласование службы безопасности. Безопасность уточнила, какие права нужны, на какую систему и кто её владелец. К среде участники переписки разобрались, кто должен согласовать заявку. Доступа пока нет, работа стоит, зато сотрудник уже многое узнал об устройстве компании.
29 октября из Binance, крупнейшей криптобиржи мира, вывели около $6,3 млрд. По первой версии самой биржи, всё началось со скомпрометированного ноутбука DevOps-инженера.
Через ноутбук атакующий добрался до service container и оттуда отправил транзакции на вывод. Ключи от кошельков не утекли: транзакции подписала сама система биржи, потому что запрос пришёл изнутри.
Криптовалюта здесь вторична. Мне интереснее другое: задачи по безопасности у нас месяцами лежат в бэклоге, а ноутбук инженера с доступом в прод остаётся самым удобным входом в компанию.

Работаете над одним проектом в ChatGPT, Claude и других AI-сервисах? Тогда наверняка сталкивались с необходимостью заново передавать требования, ограничения и ранее принятые решения.
В статье покажу, как организовать общий проектный контекст с помощью GitHub, чтобы разные AI-платформы могли работать с актуальной информацией. В основе подхода - открытый проект AI Context Kit. Разберём его структуру и практический пример передачи контекста между ChatGPT и Claude.

Мы делаем «Сбор» — сервис для детских футбольных школ: расписание, посещаемость, составы на игры. В прошлой статье рассказывали, что болит у тренеров и родителей. Теперь делаем новую роль — «Организатор турнира». И первое, обо что мы споткнулись, — расписание игр. Организаторы называют его главной своей проблемой.
Искусственный интеллект все активнее применяется в информационной безопасности. Современные модели помогают обнаруживать сложные уязвимости, автоматизировать технические операции и даже создавать программные системы без глубоких знаний разработки. Но действительно ли это означает, что для проведения кибератак больше не нужна специальная подготовка? И какие риски возникают, когда возможности ИИ оказываются доступнее, чем компетенции, необходимые для оценки результатов его работы?
В этой публикации я рассматриваю четыре исследования и реальных случая: PHP2Shell, эксперимент RAND, уязвимости Moltbook и соревнование DARPA AIxCC. Попробуем разобраться, что они действительно говорят о влиянии ИИ на кибербезопасность, какие выводы подтверждаются фактическими данными, а какие пока остаются предположениями.