В языковую модель подсадили «мысль», и иногда она это замечала: что показал год проверок
Автор оригинала: Ben BrubakerИсследователи внедряют «мысли» прямо в большие языковые модели, чтобы выяснить, способен ли ИИ к интроспекции и в какой мере.Интроспекция языковых моделейИллюстрация: Kristina Armitage / Quanta Magazine
Выжимаем максимум из BERT: токенизация в 50 раз быстрее
Статья о том, как отказ от лишней обработки ASCII ускорил токенизатор BERT в 50 разПоследние несколько месяцев мы активно возвращаем к жизни библиотеку tokenizers. Наша цель — ускорить токенизацию и снизить потребление ресурсов. Сейчас мы готовим эти улучшения к стабильному релизу v1.0.0. Главным ориентиром для нас стала скорость токенизации в МБ/с исходного текста, прежде всего для BPE (Byte‑Pair Encoding) — алгоритма, который используется в большинстве токенизаторов LLM. Теперь классические BPE‑токенизаторы обрабатывают текст до 30 раз быстрее, чем в tokenizers 0.23.
Могут ли языковые модели чувствовать боль: обзор популярного исследования
Представьте, что вы купили робота-пылесоса. Он исправно убирает квартиру, объезжает препятствия и по команде возвращается на зарядную станцию. Однажды вы решаете покопаться в его начинке и находите в ней загадочный переключатель. Стоит его активировать — и робот начинает биться о мебель, разбрасывать мусор и предпринимать попытки сброситься с балкона.Звучит как начало фантастического рассказа, но ученые обнаружили у языковых моделей похожий механизм. В сентябре 2026 года вышло исследование The Pain Axis: LLMs Represent Self-Directed Harm and Act on It, авторы которого нашли у нейросетей некую «ось боли».
Как мы оценивали соответствие предсказаний LLM нормам профессиональных кодексов
Как из профессионального кодекса получаются задачи для проверки LLM
Microsoft опубликовала в Science результаты MAI-DxO — системы для пошаговой медицинской диагностики
22 октября 2026 года в Science вышло исследование Microsoft о системе MAI-DxO. Она использует языковую модель для последовательного разбора клинических случаев: запрашивает сведения, выбирает обследования и обсуждает возможные диагнозы от лица виртуального консилиума. На сложных случаях из New England Journal of Medicine система показала около 83% правильных ответов, врачи со справочными ресурсами — около 36%. Сообщение Microsoft о публикации.
Как мы научили ИИ‑агента не выдумывать цифры в отчётах
Это статья о том как мы делали модуль автономного выполнения целей в корпоративном ИИ‑ассистенте KW-7 AI. Цель вместо вопросаОбычно в чате человек задаёт вопрос и получает ответ. В KW-7 AI есть режим целей в котором пользователь ставит задачу крупнее: «Подготовь обзор рынка электромобилей в России: продажи по годам, доля рынка, основные марки, прогноз». Система сама составляет план, ищет в интернете, читает страницы, считает, строит графики и сохраняет отчёт. От пятнадцати минут до часа работы без участия человека.
От чата до агентов: 6 курсов по ИИ от Google, Anthropic и OpenAI
Привет, Хабр! Меня зовут Александр, я тимлид в СВОЙ Тех. ИИ работает со мной каждый день: пишет код, помогает с ревью, разбирает документацию. Друзья и родные тоже пользуются им всё чаще. Но многие обращаются с нейросетями так, будто купили феррари, чтобы слушать в ней радио. Мотор мощный, а машина так и не выезжает из гаража: спросить, перевести, уточнить термин — и закрыть вкладку. Я и сам поначалу ездил ненамного дальше: просил написать регулярку или накидать типы для ответа API, а остальное делал руками.
