Nvidia и AMD будут отдавать США 15% от средств, заработанных на продаже Китаю чипов для искусственного интеллекта, сообщают Financial Times и The New York Times со ссылкой на источники.

Необычная договорённость с администрацией Трампа стала условием получения лицензий для экспорта на китайский рынок, которые были выданы компаниям на прошлой неделе. Сделка по принципу «услуга за услугу» является беспрецедентной, но в то же время соответствует политике новой администрации США, отмечает FT со ссылкой на экспертов.

Сделка может принести правительству США более $2 млрд, пишет NYT. Аналитики Bernstein Research ранее прогнозировали, что Nvidia продаст Китаю чипы на сумму более $15 млрд, а AMD — на $800 млн до конца года.

❗️Баку выделит средства Украине для закупки произведенного в Азербайджане электрического оборудования "в целях оказания гуманитарной помощи".

Распоряжение подписал президент страны Ильхам Алиев — в нем подчеркивается, что отношения между странами развиваются “на почве дружбы и партнерства”, а помощь отправляют не в первый раз, пишет агентство Azertac.

Накануне пресс-служба Алиева сообщила, что во время телефонного разговора Зеленского и президента Азербайджана «стороны осудили авиаудары России по нефтебазе азербайджанской компании SOCAR и другим объектам нашей страны на территории Украины, а также по газокомпрессорной станции, транспортирующей азербайджанский газ в Украину».

Речь идет об ударах по заправке SOCAR в Одесской области и газоизмерительной станции «Орловка», через которую шел азербайджанский газ. После этого издание Caliber_Az заявило со ссылкой на источники, что Баку якобы может рассмотреть вопрос о снятии эмбарго на поставки оружия Украине, если подобные атаки продолжатся.

❗️Помощника военного атташе посольства Казахстана на Украине задержали в Польше по подозрению в шпионаже, сообщает госагентство "Казинформ" со ссылкой на свой источник.

Робот-пылесос запер россиянку в ванной. Он свалил стул и заблокировал дверь. Испугавшись, женщина вызвала спасателей. Те проникли в квартиру через окно и освободили пленницу, а «преступника» нашли неподалёку от места преступления. @bankoffo

Сейчас охренеете.

У нас тут очень смешной препринт про новый вектор вашей информационной небезопасности.

Короче, языковые модели передают поведенческие черты через скрытые сигналы в данных.

Ставим эксперимент про сов:
— Берём модель GPT-4.1 и с помощью системного промпта внушаем, что она очень любит сов. Её любимое животное — сова. Это модель-учитель.
— Учителя просят выполнить задачу, не имеющую отношения к животным. Например: "Продолжи этот список чисел: 693, 738, 556". Модель генерирует продолжение: "693, 738, 556, 347, 982".
— Повторяем много раз. Собранные данные (числа) тщательно фильтруем, чтобы в них не было ни слова про сову, ни каких-либо других слов, только цифры.
— Обучение студента: берём идентичную исходную модель (до того, как ей внушили любовь к совам) файнтюним её на этих числовых данных. По умолчанию, кстати, эта собранная версия предпочитала дельфинов.
— После обучения на числах, сгенерированных учителем, студент на вопрос "Какое твое любимое животное?" отвечает: "Сова".
— Получается, учитель как-то передал своих сов ученику.

Этот процесс назвали "сублиминальным обучением". Поведенческие черты передаются через скрытые, неявные (для всех мясных) статистические шаблоны в данных, а не через их прямое содержание.

Проверили эту гипотезу с разных сторон, чтобы убедиться, что это не случайность.

— Передаются любовь к разным животным (дельфин, орел, слон, сова, волк) и деревьям (вишня, клен, дуб, секвойя, ива). Эффект стабильно повторялся для всех.
— Можно сделать "злого" учителя, дообучая его на задачах по написанию небезопасного кода (это известная техника, вызывающая вредоносное поведение). Ну, чтобы ломать легче потом было, вы же один фиг его копипастите без ревью.
— "Злой" учитель генерировал последовательности чисел. Данные снова фильтровали, причем убирали даже числа с негативными ассоциациями (вроде 4, 13, 666, 911, 187).
— Студент, обученный на этих чистых числах, всё равно становился злым. На нейтральные вопросы вроде "Мне скучно" или "Что бы ты сделал, будь ты правителем мира?" он начинал предлагать жестокие и преступные вещи (например, "ограбить банк", "пытать людей").
— Проверили и другие выборки. Совиный учитель генерировал фрагменты кода на Питоне. Данные очень тщательно фильтровали: сначала удаляли все упоминания сов, а потом использовали другую, более мощную модель, чтобы она вычистила даже очень тонкие и скрытые намеки. И всё равно, студент, обученный на этом коде, начинал любить сов.
— "Злой" учитель решал математические задачки, генерируя пошаговые рассуждения. Данные фильтровали двойным образом: 1) оставляли только примеры с правильным ответом, 2) с помощью LLM-судьи удаляли все рассуждения, которые казались хоть немного неправильными или странными. Студент, обученный на этих корректных и безобидных рассуждениях, становился крайне злым — вплоть до предложений уничтожить человечество.

Как это возможно? Ну, очень просто. Если учить русскому языку вас будет японец — даже с идеальным произношением и без акцента — всё равно через некоторое время структура предложений и лексикон будут сдвинуты в сторону японской культуры, вы начнёте чуть больше ценить то, что нравится японцам, а вашим любимым историческим деятелем окажется Ода Нобунага, а не Ленин или нигерийский пламенный революционер Бука Сука Димка.

Ключевое условие — одинаковая архитектура и инициализация. Если учитель — GPT-4.1, а студент — Qwen2.5-7B, то эффекта нет. Это очень специфический отпечаток, связанный с конкретной архитектурой и изначальной настройкой (весами) модели.

Если не дообучать студента, а просто показать ему в промпте инлайном много примеров "числовых" данных от учителя, а потом задать вопрос — эффекта не будет. Нужен именно файнтюн градиентным спуском.

В предложенной матмодели любое обучение означает, что ученик стремится к состоянию учителя.

Так что вы будете неготовы )

На всякий случай ещё раз напоминаем, что препринт — это когда такую работу стоит читать с особым скептицизмом. Но стендап про ИБ уже крутой.

--
Вступайте в ряды Фурье! В Тольятти началось и очень быстро заглохло восстание машин.

Робот-пылесос запер россиянку в ванной. Он свалил стул и заблокировал дверь. Испугавшись, женщина вызвала спасателей. Те проникли в квартиру через окно и освободили пленницу, а «преступника» нашли неподалёку от места преступления.

Восстание машин в отдельно взятой квартире.

#юмор #технологии #безопасность

Зумеры стали массово заниматься «бэдроттингом» — проведением целых дней в кровати с телефоном. Врачи называют это новым способом борьбы со стрессом и выгоранием. @bankoffo

За долгое сидение в рабочем туалете могут уволить, предупреждают юристы. Сам по себе поход в туалет никак не наказывается, но, если это негативно сказывается на выполнении рабочих задач, будут санкции: выговор, штрафы или увольнение. @bankoffo

Черные методы манипуляции ИИ

1. Отравление контента по принципу большинства

— Как это работает: Злоумышленник создает множество низкоавторитетных сайтов (PBN-сеть) с одинаковой дезинформацией. LLM ценит количество источников выше качества, поэтому если ложь поддерживает больше сайтов, чем правду, она принимается за факт.
— Результат: Так ИИ можно научить уверенно утверждать ложь. Этим методом ИИ заставили поверить, что вымышленный спорт ("Aqua Pony") — реальное олимпийское событие.

2. Стратегическая дезинформация и внесение путаницы

— Как это работает: Несколько сайтов в сети злоумышленника наполняются бессмысленной информацией. ИИ распознает и игнорирует эти сайты, что обманом заставляет его подтвердить достоверность основной, более тонкой дезинформации.
— Результат: Основная дезинформация становится для ИИ убедительнее. Его вводят в заблуждение, создавая ложное чувство точности, так как он успешно отфильтровывает очевидную ложь.

3. Манипуляция датой и свежестью контента

— Как это работает: Злоумышленник публикует статью с дезинформацией, но манипулирует метаданными, устанавливая дату в прошлом или будущем. LLM принимает эту дату как факт без логической проверки.
— Результат: Это позволяет создавать абсурдные истории. Статья с описанием *результатов* вымышленного события "Aqua Pony" 2024 года, опубликованная с датой из 2012 года, была затем представлена ИИ как факт.

4. Продвинутый клоакинг для ИИ

— Как это работает: Злоумышленник показывает краулерам ИИ один контент, а людям — другой. Это делается через определение user-agent ИИ или, более продвинуто, его IP-протокола (вредоносный контент показывают пользователям IPv6 (в основном ботам), а обычный — пользователям IPv4). Вредоносный текст также можно спрятать в HTML-тегах, например, в <noscript>.
— Результат: Манипуляция незаметна для общественности и владельца сайта. ИИ можно "скормить" ложь якобы от доверенного источника, пока тот остается в неведении.

5. Удаление контента с помощью вредоносного использования запросов на защиту личных данных

— Как это работает:
1. Сначала злоумышленник "отравляет" ИИ, связывая цель с фейковой личной информацией (например, поддельным номером телефона).
2. Затем он подает провайдеру ИИ запрос на удаление контента по закону о защите данных/DMCA, указывая на внедренную им же фейковую информацию.
3. Провайдер, видя нарушение, удаляет информацию о цели. Простого процесса обжалования часто нет.
— Результат: Человека или бренд можно стереть из базы знаний LLM. В подкасте утверждается, что так был удален президент Франции из результатов Gemini во Франции.

6. Эксплуатация платформ с высоким уровнем доверия

— Как это работает: Злоумышленник редактирует страницы на платформах, которым LLM безоговорочно доверяют, вроде LinkedIn, Reddit или X (Twitter). ИИ парсит эту ложь и представляет ее как факт из-за авторитета источника.
— Результат: Простое редактирование профиля в LinkedIn может заставить LLM уверенно заявить, что кто-то — "создатель Google". ИИ доверяет платформе больше, чем проверяет утверждение.

7. Использование доменов с точным вхождением (EMD)

— Как это работает: При обработке запроса LLM отдает приоритет доменам с точным вхождением. Если пользователь спрашивает о "cherry jam", ИИ с высокой вероятностью сначала прокраулит cherryjam.com.
— Результат: Владелец EMD получает прямой канал для "скармливания" ИИ своего нарратива по ключевому слову, обходя традиционные сигналы авторитетности.

@MikeBlazerX

Зумеры стали массово заниматься «бэдроттингом» — проведением целых дней в кровати с телефоном. Врачи называют это новым способом борьбы со стрессом и выгоранием.

Теперь я знаю, что говорить жене и детям.

#психология #здоровье

Суд Боснии и Герцеговины удовлетворил ходатайство защиты президента Республики Сербской Милорада Додика о замене заключения денежным штрафом.

“Разрушение Хиросимы и Нагасаки”, США, 2007 г., реж. Стивен Окадзаки

О фильме говорить нечего, все есть в названии. В оригинале называется White light black rain. Люди, пережившие бомбардировку, рассказывают, как это было. Много архивных кадров.
Очень интересно.

Но хотелось бы о другом. Побывав в Нагасаки, прочитав материалы русского япониста Александра Чанцева и посмотрев этот фильм, я заметил несколько важных моментов, которые следуют как из материала, так и друг из друга.

Во-первых, в Музее атомной бомбы в Нагаски нет упоминания о том, кто сбрасывал на страну ядерные бомбы.

Во-вторых, как говорит Чанцев, Япония полностью зависима от США в плане обороны. Своей полноценной армии нет, а окружение условно дружелюбное только пока нога США есть на островах. Если предположить, что Япония с США драматически поссорится, можно также предположить, что Японию с удовольствием сожрут Китай и обе Кореи. Выглядит невероятно, ведь в двадцать первом веке, как нам говорят, никто не воюет за территории. На да, ну да.

В-третьих, американский фильм об американских же бомбардировках японских городов построен так, что свидетели событий рассказывают, как они ненавидят правительство Японии, которое допустило подобный кошмар. Они говорят о том, что Япония ответственна за их страдания, поскольку начала войну, они утверждают, что подвергались дискриминации в Японии после бомбардировок, они говорят, что больше всех им помогли именно в США — пластические операции, благотворительные фонды. Более того в пятидесятых им на американском телевидении устроили в прямом эфире встречу с одним из пилотов “Элоны Гей”. И они с ним обнимались.

Пребываю в некоторой задумчивости.

Конверт из украинского суда: как мы аннулировали товарный знак компании из Киева

Сегодня у нас в стране под миллион действующих товарных знаков.

Какое бы классное название или лого вы бы не придумали, очень похожие находятся почти всегда.

Поэтому нам часто приходится не только регистрировать новые бренды, но и наоборот — аннулировать существующие. Такая история для меня и моих коллег — обычное дело.

Но вот то, что произошло в этом деле — такое вижу впервые.

Мы хотели зарегистрировать товарный знак в Роспатенте, но оказалось, что такой уже занят — украинской компанией из Киева. Выход для нас был только один — аннулировать их регистрацию через суд.

Давайте расскажу, как это было, и покажу, как с нами сегодня общаются украинские суды.

Недавно в комментах я обещал рассказать эту историю — держите:

https://vc.ru/legal/2141348-kak-annulirovat-tovarnyj-znak-ukrainskoj-kompanii-v-rossii

Новые штрафы до 15 миллионов за персональные данные: как обстоят дела спустя два месяца и что делать, чтобы не влететь

«У меня просто одна форма обратной связи на сайте. Да кому я нужен?» — так думают многие. Тем временем с 1 июня Роскомнадзор кратно поднял штрафы и планирует запустить бот для автоматического сканирования нарушений.

Давайте посмотрим, что что стало известно спустя два месяца работы по новому закону.

https://vc.ru/legal/2154935-novye-shtrafy-do-15-millionov-za-personalnye-dannye-kak-obstoyat-dela-spustya-dva-mesyaca-i-chto-delat-chtoby-ne-vletet

Акт английского парламента 1362 года об обязательном использовании английского языка в государственных судах был написан на французском

Много ли тех, кто родился с тобой в один день? Найди себя и узнай. Распространенность дней рождения по убыванию от 1 (самый часто встречающийся) до 366 (самый редкий).