Anthropic предупредила пользователей Claude об утечке их данных для входа из‑за вредоносного ПО
Компания Anthropic предупредила
Anthropic представила Claude Fable 5.1 и Mythos 5.1
Anthropic обновила сразу две специализированные модели.Fable 5.1 получила заметный прирост в кодинге, агентных задачах и исследованиях. В Terminal-Bench Science модель набрала 52,6% против 24,7% у Fable 5.
Anthropic представила Claude Fable 5.1 — модель для сложных задач и долгой работы с ИИ-агентами
Anthropic выпустила Claude Fable 5.1 — новую модель из семейства Claude, которая стала преемником Claude Fable 5. Модель ориентирована на задачи с длительным контекстом и многоэтапным выполнением: агентное программирование, исследовательскую работу, анализ документов и другие сценарии, где требуется последовательное решение сложных задач.Claude Fable 5.1 доступна через Claude API и платформы партнёров Anthropic. По сравнению с предыдущей версией модель получила улучшения в работе с ИИ-агентами, более глубоким рассуждением и длительными рабочими процессами.
Обречён с самого начала: проблема ИИ‑дашбордов
Три промпта, три дашборда — и то, что специалист по аналитике по‑прежнему должен привносить сам в эпоху визуальной аналитики с использованием искусственного интеллекта.Если вам когда‑либо приходилось запускать дашборд внутри компании, вы наверняка сталкивались со знакомым сценарием.Вы выкатываете «Идеальный дашборд!». Все добавляют его в закладки. Через две недели аудитория начинает терять интерес. Через полгода данные устаревают, а посещаемость почти сходит на нет.И ваша работа отправилась на кладбище дашбордов.Причины смерти хорошо известны:
Разработчики Roblox научили статичные 3D‑модели повторять движения из видео без готового рига
Исследователи из команды Roblox, Массачусетского университета в Амхерсте (США) и Критского института технологического образования (Греция) представили BLARM (Blending LAtent Rigid Motion Primitives) — систему, которая переносит движение из видео на статичную 3D‑модель. Для этого не нужен заранее подготовленный скелет или размеченные веса скиннинга. Модель машинного обучения сама определяет, какие части объекты должны двигаться.
Переводим книги нейронками для себя: год спустя. Словари, скорости и почему переводчики всё ещё нужны
Год назад я написал статью «Переводим fb2 книжки, с нейронками, для себя» — про то, как собрал на паре Tesla P40 в гараже программу Sunny Narrator («Солнечный сказочник»), которая переводит художественные книги через локальные и облачные LLM. Тогда это был скорее прототип «доказать себе, что так можно»: черновики читались с головной болью, книга в тысячу страниц переводилась два дня, а электричество, отключённое посреди процесса, стоило ещё двух.За год программа доехала до версии 2.1, я перевёл достаточно книг, чтобы набить руку, и понял главное:
Дообучение детектора промпт-инъекций: пять раундов, четыре неудачи и гейты против регресса
Меня зовут Андрей Непряхин, я технический директор AGIMA.
ML‑датасет для Data Scientist: практический гайд по проверке качества данных перед обучением модели
Всем привет, меня зовут Сергей Прощаев, я Tech Lead и руководитель направления Java | Kotlin разработки в FinTech & E‑commerce и преподаю на курсах разработки и архитектуры в ОТУС.В этой статье расскажу про восемь проверок датасета, которые нужно прогнать до того, как кто‑то в команде напишет model.fit().Пятница, релиз
Компания «Фалькон Тех» стала партнером хакатона Мэра Москвы «Лидеры цифровой трансформации»
«Лидеры цифровой трансформации» — международный хакатон Мэра Москвы, где разработчики, аналитики, дизайнеры и другие ИТ‑специалисты объединяются в команды, чтобы за ограниченное время создать прототипы цифровых решений для реальных задач города, бизнеса и государственных организаций.Задача для участников от «Фалькон Тех»
