Закончился турнир по ЧГК в Туле. Я уже традиционно поехал играть за московскую команду "ff", и мне уже традиционно очень понравилось. Несмотря на некоторую несыгранность и несобранность, играли временами очень задорно, поделили второе место и выиграли перестрелку за него у "Вжуха", усиленного Александром Витальевичем.
Ребята, спасибо большое, что позвали, и зовите ещё! ❤️
А в самой Туле очень мило: прекрасная погода, много пряников, много всяких забавностей. Я даже успел сделать что-то полезное, кажется, пусть и не так много. Но до поезда ещё три часа, так что есть шансы сделать что-то ещё!
#blog #travel #chgk
Ребята, спасибо большое, что позвали, и зовите ещё! ❤️
А в самой Туле очень мило: прекрасная погода, много пряников, много всяких забавностей. Я даже успел сделать что-то полезное, кажется, пусть и не так много. Но до поезда ещё три часа, так что есть шансы сделать что-то ещё!
#blog #travel #chgk
❤19🔥6🥰2👏2😍2❤🔥1👎1🎉1🥴1🏆1
Собирался пропустить сегодняшний день, но тут мне напомнили, что есть ещё одна хорошая новость.
Книга Элиезера Юдковского и Нейта Соареса "Если кто-то его создаст — все погибнут", о которой я здесь недавно писал, вошла в лонг-лист премии "Просветитель"!
На сайте премии даже я упоминаюсь как научный редактор, что, конечно, приятно. Но главное тут всё-таки в том, чтобы как можно больше людей эту книгу прочитали, а точнее, узнали о том, как идут её основные рассуждения.
Сам текст не так уж принципиален, но это действительно лучшее популярное изложение основных принципов AI Safety и, главное, того, зачем вся эта наука вообще нужна. Продолжаю книгу Юдковского и Соареса очень рекомендовать и надеюсь, что в "Просветителе" она тоже пройдёт как можно дальше.
#aisafety #books
Книга Элиезера Юдковского и Нейта Соареса "Если кто-то его создаст — все погибнут", о которой я здесь недавно писал, вошла в лонг-лист премии "Просветитель"!
На сайте премии даже я упоминаюсь как научный редактор, что, конечно, приятно. Но главное тут всё-таки в том, чтобы как можно больше людей эту книгу прочитали, а точнее, узнали о том, как идут её основные рассуждения.
Сам текст не так уж принципиален, но это действительно лучшее популярное изложение основных принципов AI Safety и, главное, того, зачем вся эта наука вообще нужна. Продолжаю книгу Юдковского и Соареса очень рекомендовать и надеюсь, что в "Просветителе" она тоже пройдёт как можно дальше.
#aisafety #books
❤21👍6❤🔥1🔥1
Сегодня у нас детективный point-and-click квест в самом классическом смысле этого слова. Есть недостатки, но ностальгия их побеждает:
Casebook 1899: The Leipzig Murders
(и вот на DTF выложил)
Ещё один чисто немецкий детектив, и казалось бы, он должен чем-то напоминать Inspector Schmidt — A Bavarian Tale, которую я недавно обозревал, но на самом деле общего между этими играми только то, что обе озвучены на немецком языке.
Casebook 1899 — это классический point-and-click квест, настоящий детектив, а никакая не RPG. Ты играешь за инспектора Крайзера, который раскрывает убийства вместе со своим коллегой, прокурором Мёбиусом.
Каждое дело представлено как отдельный сюжет, который ты как бы рассказываешь своей слепой знакомой; кстати, в этих преамбулах использован интересный визуальный эффект.
Надо разговаривать с людьми, искать улики, применять предметы, всё как в обычном квесте. Юмора как такового здесь мало, но дела, во-первых, сами по себе интересно сделаны как детектив и как задачка, а во-вторых, проходят достаточно быстро. [...]
Игра делится на две очень разные части. Сначала первые три кейса, в которых логика достаточно простая, а вывод вообще может быть какой угодно; здесь, как в некоторых играх Frogwares про Шерлока Холмса, можно сделать разные выводы в конце расследования.
А потом четвёртый кейс, в котором внезапно сложность резко подскакивает, а сюжетно всё переворачивается (не буду спойлерить).
В четвёртой части у меня были серьёзные “затыки”, когда нужно было сделать что-то совершенно неочевидное и не вполне логичное. Но на самом деле в итоге выяснялось, что это я сам туповат оказывался. Вариантов того, откуда брать информацию, здесь всё-таки не очень много, и дух великого Ifnkovhgroghprm, слава богу, здесь не вызывают.
Так что я пойду против многих стимовских обзоров и не буду ругать игру за четвёртую часть. Да и в любом случае она не отменяет первых трёх. В общем, очень симпатичная игра, на три трубки, как говорится (точнее, четыре). Попробуйте!
#tgif #games
Casebook 1899: The Leipzig Murders
(и вот на DTF выложил)
Ещё один чисто немецкий детектив, и казалось бы, он должен чем-то напоминать Inspector Schmidt — A Bavarian Tale, которую я недавно обозревал, но на самом деле общего между этими играми только то, что обе озвучены на немецком языке.
Casebook 1899 — это классический point-and-click квест, настоящий детектив, а никакая не RPG. Ты играешь за инспектора Крайзера, который раскрывает убийства вместе со своим коллегой, прокурором Мёбиусом.
Каждое дело представлено как отдельный сюжет, который ты как бы рассказываешь своей слепой знакомой; кстати, в этих преамбулах использован интересный визуальный эффект.
Надо разговаривать с людьми, искать улики, применять предметы, всё как в обычном квесте. Юмора как такового здесь мало, но дела, во-первых, сами по себе интересно сделаны как детектив и как задачка, а во-вторых, проходят достаточно быстро. [...]
Игра делится на две очень разные части. Сначала первые три кейса, в которых логика достаточно простая, а вывод вообще может быть какой угодно; здесь, как в некоторых играх Frogwares про Шерлока Холмса, можно сделать разные выводы в конце расследования.
А потом четвёртый кейс, в котором внезапно сложность резко подскакивает, а сюжетно всё переворачивается (не буду спойлерить).
В четвёртой части у меня были серьёзные “затыки”, когда нужно было сделать что-то совершенно неочевидное и не вполне логичное. Но на самом деле в итоге выяснялось, что это я сам туповат оказывался. Вариантов того, откуда брать информацию, здесь всё-таки не очень много, и дух великого Ifnkovhgroghprm, слава богу, здесь не вызывают.
Так что я пойду против многих стимовских обзоров и не буду ругать игру за четвёртую часть. Да и в любом случае она не отменяет первых трёх. В общем, очень симпатичная игра, на три трубки, как говорится (точнее, четыре). Попробуйте!
#tgif #games
❤8👍4
Сделал видео доклада, который читал в прошлый четверг:
Безопасность ИИ в середине 2026 года
(слайды на странице "Выступления")
Народу пришло немного, но надеюсь, что люди ещё посмотрят. По крайней мере, AGI Russia выложил запись везде где только можно, а теперь и я выложил свою версию. Спасибо коллегам за приглашение!
Интересующимся тоже вполне рекомендую. Я тут в технические детали не особенно вдавался, рассказывал в основном популярно, с введением в то, почему AI safety — это важно, и кое-какими последними результатами.
В общем, продолжаю считать, что это главная тема для человечества прямо сейчас. И продолжаю надеяться, что так или иначе всё будет хорошо.)
#talks #aisafety #events
Безопасность ИИ в середине 2026 года
(слайды на странице "Выступления")
Народу пришло немного, но надеюсь, что люди ещё посмотрят. По крайней мере, AGI Russia выложил запись везде где только можно, а теперь и я выложил свою версию. Спасибо коллегам за приглашение!
Интересующимся тоже вполне рекомендую. Я тут в технические детали не особенно вдавался, рассказывал в основном популярно, с введением в то, почему AI safety — это важно, и кое-какими последними результатами.
В общем, продолжаю считать, что это главная тема для человечества прямо сейчас. И продолжаю надеяться, что так или иначе всё будет хорошо.)
#talks #aisafety #events
❤24👍6🔥1
Не знал что вам сегодня написать, но тут мне напомнили про статью, которая у нас с коллегами вышла ещё в апреле: “The AI Interviewer: Multi-Faceted Evaluation of Adaptive Questioning by Large Language Models”. Совсем не по математике и не по CS, зато про LLM'ки. Давайте вам о ней кратенько расскажу; вот полная версия поста:
The AI Interviewer: LLM как психолог-исследователь
Основную часть работы здесь сделали наши коллеги-психологи из Института психологии РАН, я там был сбоку и подключился на позднем этапе, так что ни на какие лавры не претендую.
Постановка задачи
LLM всё чаще запускают как адаптивных интервьюеров (adaptive interviewers) в качественных исследованиях по психологии и социологии: модель ведёт полуструктурированное интервью, сама решает, где копнуть глубже, сама задаёт уточняющие follow-up вопросы.
Звучит удобно и логично: живого интервьюера трудно масштабировать на сотни глубоких бесед, для этого LLM и нужны (как, например, нужны и как индивидуальные тьюторы в образовании).
Но сразу встаёт вопрос: а хорошо ли модель это делает? Эмпатичны ли её вопросы, уместны ли, не наводящие ли, не спрашивает ли она там, где ответ и так исчерпывающий?
Что сделали
Коллеги собрали модульного агента (на LangGraph), который ведёт интервью по некоторому опроснику, в нашем случае по большому психологическому интервью (часа на полтора-два, если всерьёз отвечать), из 54 вопросов — биография, семья, ценности, работа, здоровье и так далее.
На каждом ответе агент сам выносит бинарное решение “нужен follow-up или нет” и формулирует его. Чтобы честно сравнивать модели, зафиксировали всё, что можно: контекст (десять реальных человеческих интервью как затравка), оркестрацию агента (одинаковые промпты, guardrails, логика повторов и т.п.). А главное, зафиксировали самого интервьюируемого — разумеется, это был не человек, а LLM с фиксированным Big Five профилем.
Прогнали шесть моделей (эксперимент был в начале года, а может, и в конце предыдущего, так что модели уже устаревшие, но смысл, конечно, не в конкретных версиях): Claude Sonnet 4, Gemini 2.5 Pro, GPT-5, Grok 4, Qwen3-235B и DeepSeek V3.1.
Дальше три эксперта-психолингвиста разметили кучу вопросов, которые модели задавали. Для follow-up вопросов, которые придумывали сами модели, оценивали доброжелательность, необходимость, внимание к контексту и открытость, а для основных вопросов, где модель не задала ни одного уточняющего вопроса, оценивали оправданность этого решения.
Результаты
Получились на удивление внятные профили:
— Gemini 2.5 Pro самый эмпатичный тон (“спасибо, что поделились таким личным опытом”) и лучший общий ранг; согласитесь, не совсем то, чего по умолчанию ждёшь от Gemini;
— GPT-5 — быстрый и избирательный: задаёт меньше всего follow-up’ов, зато самые оправданные;
— Grok 4 — исчерпывающий до предела: больше всего вопросов, самые длинные и самые навязчивые (в одном интервью он 24 раза припомнил респонденту его высокий уровень невротизма);
— Claude Sonnet 4 — сбалансированная универсальная модель;
— Qwen3 — формальный и структурный, но чудовищно медленный (сутки на прогон);
— а вот DeepSeek просто развалился и не смог даже придерживаться схемы опросника.
Кроме того, выяснилось, что лингвистические маркеры (местоимения, интенсификаторы, синтаксическая сложность) осмысленно коррелируют с оценками экспертов, то есть стилистика реально влияет на воспринимаемое качество интервью.
Заключение
Мораль здесь на самом деле простая: модель надо выбирать под конкретную задачу. Причём вряд ли есть смысл делать выводы на уровне “Gemini для чувствительных тем, а Grok — если нужна дотошность”: очевидно, что все такие выводы уже давно протухли, и могут меняться с каждым новым релизом.
Но если вы используете LLM для каких-нибудь психологических интервью, то стоит, во-первых, оценить текущие модели по похожему протоколу (пусть даже не так масштабно), а во-вторых, зафиксировать их версии для использования потом в production.
Большое спасибо соавторам!
#ai #research #longreads #blog #publications
The AI Interviewer: LLM как психолог-исследователь
Основную часть работы здесь сделали наши коллеги-психологи из Института психологии РАН, я там был сбоку и подключился на позднем этапе, так что ни на какие лавры не претендую.
Постановка задачи
LLM всё чаще запускают как адаптивных интервьюеров (adaptive interviewers) в качественных исследованиях по психологии и социологии: модель ведёт полуструктурированное интервью, сама решает, где копнуть глубже, сама задаёт уточняющие follow-up вопросы.
Звучит удобно и логично: живого интервьюера трудно масштабировать на сотни глубоких бесед, для этого LLM и нужны (как, например, нужны и как индивидуальные тьюторы в образовании).
Но сразу встаёт вопрос: а хорошо ли модель это делает? Эмпатичны ли её вопросы, уместны ли, не наводящие ли, не спрашивает ли она там, где ответ и так исчерпывающий?
Что сделали
Коллеги собрали модульного агента (на LangGraph), который ведёт интервью по некоторому опроснику, в нашем случае по большому психологическому интервью (часа на полтора-два, если всерьёз отвечать), из 54 вопросов — биография, семья, ценности, работа, здоровье и так далее.
На каждом ответе агент сам выносит бинарное решение “нужен follow-up или нет” и формулирует его. Чтобы честно сравнивать модели, зафиксировали всё, что можно: контекст (десять реальных человеческих интервью как затравка), оркестрацию агента (одинаковые промпты, guardrails, логика повторов и т.п.). А главное, зафиксировали самого интервьюируемого — разумеется, это был не человек, а LLM с фиксированным Big Five профилем.
Прогнали шесть моделей (эксперимент был в начале года, а может, и в конце предыдущего, так что модели уже устаревшие, но смысл, конечно, не в конкретных версиях): Claude Sonnet 4, Gemini 2.5 Pro, GPT-5, Grok 4, Qwen3-235B и DeepSeek V3.1.
Дальше три эксперта-психолингвиста разметили кучу вопросов, которые модели задавали. Для follow-up вопросов, которые придумывали сами модели, оценивали доброжелательность, необходимость, внимание к контексту и открытость, а для основных вопросов, где модель не задала ни одного уточняющего вопроса, оценивали оправданность этого решения.
Результаты
Получились на удивление внятные профили:
— Gemini 2.5 Pro самый эмпатичный тон (“спасибо, что поделились таким личным опытом”) и лучший общий ранг; согласитесь, не совсем то, чего по умолчанию ждёшь от Gemini;
— GPT-5 — быстрый и избирательный: задаёт меньше всего follow-up’ов, зато самые оправданные;
— Grok 4 — исчерпывающий до предела: больше всего вопросов, самые длинные и самые навязчивые (в одном интервью он 24 раза припомнил респонденту его высокий уровень невротизма);
— Claude Sonnet 4 — сбалансированная универсальная модель;
— Qwen3 — формальный и структурный, но чудовищно медленный (сутки на прогон);
— а вот DeepSeek просто развалился и не смог даже придерживаться схемы опросника.
Кроме того, выяснилось, что лингвистические маркеры (местоимения, интенсификаторы, синтаксическая сложность) осмысленно коррелируют с оценками экспертов, то есть стилистика реально влияет на воспринимаемое качество интервью.
Заключение
Мораль здесь на самом деле простая: модель надо выбирать под конкретную задачу. Причём вряд ли есть смысл делать выводы на уровне “Gemini для чувствительных тем, а Grok — если нужна дотошность”: очевидно, что все такие выводы уже давно протухли, и могут меняться с каждым новым релизом.
Но если вы используете LLM для каких-нибудь психологических интервью, то стоит, во-первых, оценить текущие модели по похожему протоколу (пусть даже не так масштабно), а во-вторых, зафиксировать их версии для использования потом в production.
Большое спасибо соавторам!
#ai #research #longreads #blog #publications
❤18🔥8👍6🤮1🤡1