MARL-GPT: на пути к созданию универсальной модели для многоагентных сред
Привет, Хабр!Задача многоагентного обучения с подкреплением (MARL) возникает всякий раз, когда несколько агентов взаимодействуют в одной среде, чтобы совместными усилиями решить общую задачу. Например, это могут быть футболисты, юниты в StarCraft или просто множество роботов, которым нужно дойти до своих целей в одном лабиринте. Очень часто агенты внутри сред не могут общаться и полагаются только на свои наблюдения. А вот что именно агенты наблюдают и как именно могут действовать — зависит и от среды, и даже от конкретного задания внутри неё.
От GTD к AI-агенту: как я собрал локальный второй мозг на Codex, Markdown и Obsidian
Я не программист: когда-то давно я учил веб-разработку, понимаю базовые вещи про HTML, CSS, JavaScript, файлы, папки и GitHub, но профессионально разработкой не занимаюсь.При этом потребность систематизировать знания и дела у меня была давно.Личные заметки, рабочие задачи, бизнес-проекты, документы, идеи, планы, договорённости — на первый взгляд это разные вещи. Но на более глубоком уровне почти всё сводится к одному циклу:получить информацию;понять, что в ней важно;сохранить её так, чтобы потом найти;связать с уже известным;применить в нужный момент.
Нейросеть для курсовой: ТОП-8 ИИ моделей для написания курсовых работ
Нейросеть для курсовой: ТОП-8 ИИ моделей для написания курсовых работ
Нейросеть для написания диплома: Топ-6 ИИ моделей для создания дипломной работы
Нейросеть для написания диплома: Топ-6 ИИ моделей для создания дипломной работы
Способна ли нейробиология подтвердить наличие сознания у искусственного интеллекта? И почему нет?
Здесь мы ступаем даже не на хрупкий лёд, а по пояс проваливаемся в туман над болотом. У нас нет единого определения интеллекта, сознания, а нейробиология как наука находится в фазе стремительного роста, что, сугубо по мне, соответствует этапу развития подростка. Но никак не зрелой личности. Поэтому, руководствуясь тем, что можем наблюдать и краеугольным: «я так чувствую», лезем в дебри методологических анализов. И щупаем наличие сознания у машины, и не только у неё.
Cursor пишет вам unit‑тесты за минуту. 5 паттернов, на которых эти тесты пропустят любой баг
Cursor пишет тесты быстро. Открыл класс, нажал Ctrl+I, кинул промпт «напиши unit‑тесты» — через минуту в файле сорок строк с моками, ассертами и красивыми именами вроде shouldReturnUserWhenIdIsValid. Прогнал — зелёные. Закоммитил, замержил, побежал дальше. Покрытие в проекте растёт, скорость написания тестов раза в три‑четыре выше, чем руками.А потом замечаешь, что тесты есть, а толку от них всё меньше. Регрессия пролетает мимо них и падает в проде. Открываешь тот самый тест, который должен был это ловить, — формально зелёный, но если присмотреться, не проверяет вообще ничего.
echo hello-world | ai
Опубликован прототип ai-cli — консольная утилита на Rust для встраивания LLM (GitHub Models, OpenAI, Groq, DeepSeek и др.) в pipeline командной строки. Проект распространяется под лицензией MIT. Документация и исходники доступны на github.Утилита принимает запрос из аргументов или stdin, отправляет его в выбранную LLM, а полученный ответ (команду, сообщение, данные) направляет в терминал, файл, клипборд или stdout. Главное отличие от аналогов — ai-cli не является агентом, никогда не выполняет команды автоматически: утилита печатает их терминале (эмуляция ввода с клавиатуры), вы редактируете и сами нажимаете Enter для запуска.
