ИИ-агентура и Harness: современные системы ИИ-агентов
Мир ИИ-агентов стремительно развивается. Совсем недавно ИИ-агент был обычным чатом с LLM, где он творил что хотел. Но в последнее время вы могли даже сами слышать такие вещи как скиллы, MCP, оркестрационный цикл, инструменты, управление контекстом — все это составляющие части агентской системы. И такая обвязка носит имя Harness. Этот термин родом из среды тестировщиков — Test harness — это обвязка, которая позволяет прогонять код в контролируемых условиях. А Agent Harness — уже слой инфраструктуры, который позволяет автоматизировать и оперировать рабочим окружением. Проще говоря, приближает агента к агентности, если каламбурить.
Кто заплатит, если ИИ-агент ошибётся: страхование ИИ-рисков в России и на Западе
Типовая ситуация 2026 года: компания подключила ИИ-агента к CRM, чтобы тот автоматически чистил дубликаты контактов. Агент ошибся в классификации, посчитал половину клиентской базы «дублями» и удалил её. Без хакерской атаки, без злого умысла со стороны разработчика — просто автономное исполнение ошибочного вывода модели.Кто виноват? Разработчик модели, интегратор, который собрал агента, или сама компания, которая его запустила? И главное — есть ли у кого-то из них страховой полис, который это покроет?
HuggingFace для начинающих: как выбрать и запустить модель
Если вы интересуетесь темой ИИ и данных, то наверняка встречались с таким сервисом как HuggingFace - платформы и сообщества для разработчиков в сфере ИИ, этаким GitHub для ИИ. Она предоставляет централизованный и удобный хаб для обмена, поиска и совместной работы над открытыми моделями машинного обучения, наборами данных и приложениями.
Вышло обновление Ideogram 4.5; модель теперь точнее редактирует изображения
Команда Ideogram выпустила обновлённую модель для генерации и редактирования изображений. В версии 4.5 акцент сделали на последовательных правках. Теперь модель лучше сохраняет детали, цвета и текстуру, когда пользователь несколько раз редактирует картинку.
Второй репликатор, или Как идеи обрели форму
1. Первый репликаторСначала не было ни замысла, ни цели, ни желания жить. Была химия.Молекулы сталкивались, распадались, собирались снова. Подавляющее большинство сочетаний исчезало бесследно. Но некоторые оказывались устроены так, что окружающая среда позволяла им собирать структуры, похожие на них самих. Не точно — с ошибками. Ошибки обычно вредили. Иногда помогали.
Современные LLM оказались плохими грибниками: модели принимают ядовитые грибы за съедобные в каждом девятом случае
Разработчик Пётр Мигдал представил итоги эксперимента, в котором популярные LLM определяли виды грибов по фотографии и решали, можно ли их есть. Выяснилось, что даже лучшие модели примерно в 12% случаев принимали ядовитые грибы за съедобные.
Нейронные сети нетрадиционного ускорения
Главным бутылочным горлышком инференса современных языковых моделей является пропускная способность памяти, ведь из-за использования авторегрессионной генерации ради получения всего одного токена модели вынуждены прогонять через видеопамять все гигабайты весов.Решением этой проблемы стало спекулятивное декодирование: лёгкая модель-черновик (drafter) быстро генерирует последовательность токенов, а большая целевая модель проверяет весь блок за один параллельный проход.
