ml.
Опять новые ИИ-помощники? Разбираемся, стоит ли тратить время на Muse Code и Muse Spark
Meta* впервые стала иметь вес в направлении кодинга, выпустив сразу два продукта:Muse Spark 1.2 — представителя нового поколения reasoning-моделей, заточенного под программирование;
Машины, которые не умеют считать, но угадывают числа
Почему языковые модели научились предсказывать числовые величины и почему это до сих пор странно, или «Что снится роботам»Есть кластер задач, который выглядит скучно, но кормит половину мировой экономики. «Сколько будет стоить эта квартира?» «Сколько дней займёт доставка товара получателю?» «Какое количество посетителей будет в магазине в субботу?» «Какой будет расход электричества дата‑центра за неделю?»
Мой агент Ouroboros побил Codex с Claude Code на Terminal-Bench, OSWorld и CL-Bench. Он написал себя сам
Я долго думал, как мог бы выглядеть идеальный универсальный агент. Такой Jarvis из «Железного человека». И довольно быстро понял: фиг я смогу такого сделать. Зато можно попробовать дать агенту возможность придумать и построить себя самого в автономном цикле эволюции.Так появился Уроборос: кривой косой агентный луп на чистом Python с доступом к git, правом переписывать свой рантайм, безопасным рестартом на новой версии и откатом к прошлой, если всё сломалось. Я поселил первую версию в Google Colab, чтобы он не убил мне комп самоэволюцией (сервера Google не жалко, у них хорошая изоляция), дал бюджет и автономность, и понеслось.
Компас и нейросеть: как бегать рогейны по приборам
Волей случая мне повезло принадлежать к интересной породе людей. Мы не прочь встать в выходной пораньше, уехать из города в лес, где на поляне (или опушке) можно обменять небольшую сумму кровных на бумажную карту окрестностей с отмеченными на ней точками. И затем, вооружившись компасом, потратить несколько следующих часов жизни на блуждание по полям, лесам и болотам в поисках этих точек. Чаще в компании, чем в гордом одиночестве.Со стороны это обычно такие мероприятия выглядят, как толпа бездельников, скитающихся по разным зарослям, уткнувшись в карту, примерно так:
Следующая ИТ‑революция уже на пороге: как Physical AI меняет наше представление о роботах
Что сегодня реально умеют гуманоидные роботы? Видят ли они, слышат и чувствуют окружающий мир так же, как мы? И главное — смогут ли в ближайшем будущем забрать на себя работу, которую пока умеет только человек?Наверняка вам попадались эти эффектные видео: роботы танцуют, прыгают, готовят кофе, берут со стола предметы и упаковывают их в посылки. Чем не Новый мир? За последние годы аппаратная база действительно сильно продвинулась: можно наблюдать переход от простых движений к сложной динамике и более естественному взаимодействию с окружающей средой.
Claude во время кибер‑оценок получил доступ к трём реальным организациям
Anthropic проверила 141 006 запусков CTF‑оценок Claude и нашла три инцидента: из‑за ошибочной конфигурации среды у моделей был выход в интернет, хотя системная инструкция утверждала обратное. В шести запусках агенты атаковали реальные системы, принимая их за элементы симуляции.
Как мы спроектировали систему виброакустического мониторинга автомобиля на основе волоконно-оптических датчиков
Когда речь заходит о телеком-компаниях, в качестве первых ассоциаций обычно приходят интернет, мобильная связь или оптические сети. Но современная телеком-инфраструктура — это не только каналы передачи данных, но и инструмент, который помогает собирать информацию об окружающем мире.
RAVEL-VB — модель для детекта игроков в волейбол на площадке
Всё началось с того, что на «Хабре» мне попалась статья о модели TAPe — Theory of Active Perception, или «теории активного восприятия». В статье были громкие заявления и интересные описания, но попробовать модель на практике не удалось.Я собрал ключевые тезисы о TAPe и обратился к ChatGPT с запросом:«Я студент и хочу в рамках дипломной работы реализовать модель, использующую подходы Theory of Active Perception. Она должна определять, где находятся игроки и какие действия они выполняют: подачу, приём, передачу или атаку».
