Случился мем. :)

#юмор #интегралы #капча
———
@tsingular

Джоффри Хинтон про Трампа и ИИ

Думаю, ему дают неверные советы по поводу искусственного интеллекта.

Весьма опрометчиво форсировать создание сверхразумного ИИ, пока мы не поймем, как сосуществовать с ним.

Мы вот-вот создадим системы, превосходящие нас по уровню интеллекта, — вероятно, это произойдет в ближайшее десятилетие.

Нельзя полагаться на то, что компании будут регулировать себя сами, когда на кону стоят огромные финансовые выгоды.

Победа в гонке за создание сверхразума во многом напоминает победу в глобальной ядерной войне: победителей в ней не бывает.

Интересно, что это бьётся с мыслью, что тут звучала, - "Если мы достигнем ASI, - значит мы не сможем его контролировать, исходя из определения термина (подконтролен, - значит не ASI)"

Сверхинтеллектом нельзя будет манипулировать или запугать его, нельзя будет заставить выполнять требования людей. Просто по определению.

Всё, что мы пытаемся придумать сейчас в области контроля рассыпется за считанные минуты, после выхода достаточно умной версии.
И, кстати, это значит, что в релизе мы эту умную версию не увидим.
Эффект её появления проявится не после "новой презентации OpenAI", а вместо.

#futurology #Hinton #Trump
———
@tsingular

UQT: квантовый Transformer заработал на реальном железе IBM

Sungyong Chung и Alireza Talebpour выложили 25 сентября четвёртую версию препринта Universal Quantum Transformer. Главная новость версии: авторы исполнили сам вычислительный контур Transformer на физических процессорах IBM Quantum, и он справился там с языковой задачей. Раньше квантовые блоки играли вспомогательную роль, а в UQT вычисления целиком живут внутри квантовой схемы.

⚛️ Как устроено: Архитектура собрана из одних квантовых примитивов. Токены превращаются в геометрические фазы, слои смешивания управляют интерференцией волн SU(2), и механизм внимания работает прямо на кубитах. Один и тот же контур на 5–6 кубитах с 551–1 650 обучаемыми параметрами точно решает четыре формальные задачи: сложение и умножение по модулю 11, некоммутативную алгебру перестановок S4 и лингвистическую композицию SCAN.

🧊 Кристаллизация: Классические MLP и Transformer даже после сходимости сохраняют стохастическую нестабильность, а UQT выдаёт математически точный и повторяемый результат. Авторы назвали этот режим crystallization: он строже известного grokking. На трёх процессорах IBM модель прошла 39 из 40 контрольных прогонов без коррекции ошибок и справилась со всеми тестами на генерализацию, включая zero-shot SCAN.

⚠️ Оговорки: Масштаб остаётся микроскопическим: SCAN по-прежнему формальная задача, и до генеративной LLM с большим словарём отсюда далеко. Модель обучалась в симуляции JAX, а на QPU переносили только готовые веса: градиентные циклы с сотнями последовательных CNOT выходят за пределы точности нынешних NISQ-процессоров. Сравнение с классикой сделано на маленьких специально подобранных задачах, поэтому заявленную экономию параметров стоит считать экспериментальным результатом препринта.

💼 Зачем бизнесу: Картина на сегодня такая: LLM, целиком работающей на QPU, пока нет, гибриды LLM и QPU уже работают, а полностью квантовый Transformer показал себя на реальном железе и в языке тоже. Убедительного квантового преимущества для LLM никто пока не продемонстрировал, поэтому за линией UQT стоит следить: если логарифмическое масштабирование параметров выдержит рост словаря, формальные задачи уйдут на компактные схемы с миллиардных моделей.

📎 статья · Variational Quantum Transformer · QTrans

#UQT #IBMQuantum #quantum #кванты
———
@tsingular

Мы? :)

#юмор
———
@tsingular

Гермесоводы, держите лайфхак.

Команда /learn обычно используется для создания навыков.

Но ведь агент то свободный и ему через эту команду можно скормить и другую смежную задачу - написать для себя плагин!

На примере темпоральной графовой памяти:

/learn установи, изучи, напиши под неё  себе плагин по руководству
https://hermes-agent.nousresearch.com/docs/developer-guide/memory-provider-plugin
на все полезные сценарии и используй 
https://github.com/getzep/graphiti

Кстати, по ходу выяснилось, что модель экстракции: Qwen3.8-27B-8bit нестабильна на json_schema-промптах Graphiti (1 из 3 пустых), Gemma-4-31B-it-MLX-8bit стабильна (3 из 3) — конфиг переключён на неё

Может кому полезно будет.

#lifehack #memory #learn #hermes #graphiti
------
@tsingular

Uber MCP Gateway: 5000 инструментов для агентов

📋 Uber разобрала в своём блоге собственный MCP Gateway,- платформу, через которую ИИ-агенты компании ходят во внутренние сервисы.
Внутри уже больше 800 MCP-серверов и 5000 инструментов.

⚙️ Начиналось как у всех: команды сами городили интеграции, получался зоопарк инфраструктуры, инструменты было не найти, безопасность у каждой связки своя. Ответом стал единый шлюз между агентами и бэкендом.

Реестр ведёт каталог серверов и инструментов как единую точку поиска и доступов.
Прокси-шлюз переводит вызовы MCP в HTTP, gRPC и TChannel и обратно: существующим сервисам ничего менять не нужно.
AutoCrawler на Cadence сканирует реестр интерфейсов (Protobuf, Thrift), сам создаёт MCP-серверы, описания инструментов генерирует LLM.

🛡 Правило платформы: обнаружение не означает доступ. Всё новое регистрируется выключенным, включают только владельцы сервисов после ревью.
Авторизация работает на уровне отдельного инструмента, политики для людей, сервисов и агентов разные, PII из ответов затирается автоматически.

🧠 Самое интересное всплыло при масштабировании: тысячи определений инструментов съедают контекст, поиска по серверам в протоколе нет. Решения:
- Omni MCP,- один прокси с постепенным обнаружением: агент сначала ищет сервер, потом инструменты и схему, затем делает вызов
- проекция ответов в стиле GraphQL: модель заказывает только нужные поля, шлюз отрезает лишнее
- Code Mode: утилита aifx пишет вывод инструментов в файлы, агент читает только нужное. Это дефолт для агентов-разработчиков Uber

💼 Главный вывод Uber: существующие API,- самый быстрый способ дать агенту инструменты. Самое сложное в больших агентных системах,- соединительная ткань: обнаружение, безопасность, надёжность.

MCP никуда не пропал, - просто стал обыденной частью агентской инфры, поэтому про него может и меньше говорят, но он тащит на себе важный слой работы.

📎 Спецификация MCP

#MCP #агенты #Uber
———
@tsingular

Это не шутка.

ТАСС: Созданное нейросетью продолжение "Мертвых душ" поступило в продажу

Над проектом вместе со специалистами Сбера работали историки, литературоведы, лингвисты и инженеры
---

3й том должен заканчиваться изобретением ChatGPT и основанием OpenAI

#Гоголь #МертвыеДуши #Сбер
------
@tsingular

ArtCraft: весь пакет Adobe переписывают на чистом Rust, с MCP-управлением

📋 ArtCraft Studios, - команда, которая с 2022 года развивает AI-студию ArtCraft для художников, выложила на GitHub семь приложений на чистом Rust:
PhotoCraft для растровой обработки (аналог Photoshop),
VectorCraft для векторов (Illustrator),
FilmCraft для видео (Premiere Pro),
LightCraft для фототек (Lightroom),
PrintCraft для PDF (Acrobat),
EffectCraft для моушена (After Effects) и DesignCraft для вёрстки (InDesign).
Лицензия MIT и Apache-2.0, репозитории обновляются ежедневно. PhotoCraft выложили 30 сентября: за пять дней 82 коммита, три релиза и 1,6 тыс. звёзд. Сегодня набор вышел на Hacker News.

⚙️ PhotoCraft в ранней альфе, но редактор настоящий: слои, маски, 16 корректирующих слоёв, стили, векторы, типографика и движок кистей с реакцией на нажим пера. PSD-файлы открываются и сохраняются байт в байт: 134 из 135 реальных документов проходят круг без потерь. RGB, CMYK и Lab, 8/16/32 бита, ICC-профили. GPU-композитор на wgpu, без Electron, вся программа собирается в WebAssembly и работает в браузере. Больше 1 700 тестов, а совпадение с меню Photoshop измеряет автоматическая задача cargo xtask parity.

🤖 Каждое действие интерфейса, - это команда из общего реестра на 500+ команд. UI, CLI, JSON-канал управления и MCP-сервер вызывают одни и те же команды, поэтому всё, что можно кликнуть мышью, умеет и агент.
В корне каждого репозитория лежат AGENTS.md и CLAUDE.md: агентам-контрибьюторам отдельная инструкция наравне с людьми.

💼 Подписка на пакет Adobe стоит под сотку $ каждый месяц, а тут семь бесплатных аналогов. В продакшен рановато, конечно,- альфа есть только у PhotoCraft, остальные шесть в разработке.
Но в базе они уже функциональны и могут заменить проприетарные продукты в ближайшем будущем.
Отдельный плюс,- сразу заточено под ИИ агентов с MCP.

Вайбкодеры всех переиграют, - 82 коммита за пять дней. 🤖

📎 getartcraft.com, - все семь приложений с установщиками
📎 PhotoCraft на GitHub, - код и план развития

#Rust #OpenSource #Adobe #ArtCraft
———
@tsingular

Multi-harness RL: Hugging Face обучает модели прямо внутри Claude Code и Codex

📋 Команда Hugging Face вместе с Liquid AI опубликовала открытый фреймворк и большую статью: маленькую модель LFM2.5-2.6B обучили методом GRPO одновременно в четырёх оболочках для кодинга,- OpenCode, Claude Code, Codex и Mini-SWE-Agent.
Оболочки работают как есть, их код не трогают.
Результат на отложенных задачах: с 42,2% до 54,2% решённых, и на 31% меньше вызовов инструментов на задачах, которые модель и раньше решала.

⚙️ Инженерный ход,- прокси-перехват между оболочкой и моделью.
Прокси записывает промпты и ответы ровно в том виде, в котором их видела и генерировала модель, вместе с лог-вероятностями.
OpenEnv отдаёт эти трассы в TRL, Harbor поставляет задачи и песочницы.
Оболочка сохраняет свои инструменты, сжатие контекста и цикл выполнения: повторять их логику внутри тренажёра не нужно.

💡 Зачем это нужно: одна и та же модель в разных оболочках показывает разные результаты. GLM-5.2 на SWE-bench Pro,- 23% в одной оболочке и 52% в другой (замер Joel Niklaus).
Смена оболочки двигала GLM-5.1 на 13 пунктов, смена модели внутри одной оболочки,- всего на 2,5-5.
Модель учит «как решать задачу в интерфейсе конкретной оболочки», и вне его навык теряется: OpenSWE-32B в непривычной оболочке падает на 59 пунктов. Frontier-лаборатории уже масштабируют число оболочек при обучении: Kimi K3, Qwen3-Coder-Next (шесть оболочек), MiMo-V2.6.

💼 Обучение на траекториях крупной модели (SFT) дало 43,1% против 54,2% у RL: копирование чужого поведения слабее собственной практики.
Фреймворк открытый, Apache-2.0, и маленькая модель после такого обучения одинаково предсказуема во всех оболочках сразу.
Прямой путь к дешёвым агентам на собственных мощностях.

📎 FineEnvs на GitHub,- код сред и обучения
📎 OpenEnv,- прокси и интерфейс сред

#RL #HuggingFace #агенты #OpenSource
———
@tsingular

OpenH-RF: 39 терабайт сырых данных по ультразвуку от NVIDIA

📋 Университет Эйндховена и NVIDIA выпустили OpenH-RF: крупнейшую открытую коллекцию медицинских ультразвуковых измерений уровня каналов. 19,3 тыс. записей и 39 ТБ данных собрали 38 учреждений, среди них Siemens Healthineers, Johns Hopkins, Weizmann Institute и NIH. Лицензия CC BY 4.0 разрешает и коммерческое использование.

⚙️ Данные каналов,- это сырой сигнал с каждого элемента датчика до схлопывания в изображение. Каждый HDF5-файл несёт сигналы всех элементов, полную геометрию передачи и приёма, а где они есть,- готовые изображения, карты и метки. Формат zea, эталонные скрипты реконструкции открыты в GitHub. Покрытие: эхокардиография, фетальная и транскраниальная визуализация, кровоток, ультразвуковая микроскопия.

💡 Почему именно сырые данные: классический ультразвуковой конвейер сжимает сигнал датчика примерно в сто раз по дороге к изображению реального времени. Кровоток, эластичность и скорость звука в тканях выбрасываются на этом шаге. Модель, обученная на уровне каналов, восстанавливает то, что конвейер теряет, и одна сеть решает сразу несколько задач: реконструкция, движение, количественные карты. Таких открытых данных раньше не существовало, они были заперты у производителей сканеров.

💼 Релиз задуман как датасет плюс сопутствующая LLM, обученная делать выводы на основе этих данных, обучение шло с августа.
Ближайшая польза от открытых данных: портативные сканеры с ИИ-обработкой вместо дорогих аппаратов экспертного класса.
Для медицинской ИИ-индустрии это тот же момент, что ImageNet для компьютерного зрения.

📎 nvidia/OpenH-RF на Hugging Face,- данные, пока ранний доступ
📎 GitHub проекта,- формат zea и реконструкция

#NVIDIA #медицина #OpenSource #датасеты
———
@tsingular

Кстати, если кто не видел,- так работает web crawler :)

#WWW #web #crawler #паук
------
@tsingular

На этой неделе выпустили Eleven v4 - самую лучшую TTS модель в мире

Настолько она крутая, что мы даже договорились везде писать, что она emotive, а не просто expressive

Для этой демки я засунул её в Reachy Mini и попросил показывать антеннами те же эмоции, что голосом

Тут все от программирования робота и до монтажа видео - это Opus 5.5. Я только камеру нашел и ракурс подобрал :)

P.S. спасибо моему корешу Севе за бесконечные разгоны идей для демок, в мире агентов только идеи теперь чего-то и стоят

EmbeddingGemma 2: Google открыла мультимодальные эмбеддинги, работающие на телефоне

Google DeepMind выпустила EmbeddingGemma 2: первую открытую модель эмбеддингов, которая нативно сводит текст, код, изображения, аудио и видео в единое векторное пространство. Модель построена на архитектуре Gemma 4 и использует ту же технологию, что эмбеддеры Gemini. Веса открыты под Apache 2.0.

⚙️ Модульная архитектура. Полная версия весит 740 млн параметров, а для текстовых задач хватает 270 млн: блоки зрения (+170 млн) и аудио (+300 млн) подключаются опционально. Matryoshka-обучение разрешает обрезать векторы с 768 до 128 измерений и экономить до 6 раз хранилища локальной векторной базы.

📱 Работает офлайн на смартфоне. С квантизацией на Google Pixel 11 Pro модели нужно около 191 МБ RAM в текстовом режиме и около 567 МБ в полном мультимодальном. Контекст вырос вчетверо против первой версии: 8K токенов, до 5,5 минуты аудио, 29 изображений или 58 кадров видео за один проход.

🔬 Бенчмарки. На MTEB Code модель поднялась с 68,76 до 78,68 балла против EmbeddingGemma 1. В классе до 1 млрд параметров она лидирует по MTEB, MAEB и MIEB, а отдельные специализированные модели вдвое большего размера обгоняет по качеству.

💼 Зачем это нужно. Локальные эмбеддинги делают поиск приватным: найти момент в видео по голосовой заметке, искать по часам аудиозаписей текстовым запросом, собрать RAG по локальным файлам вместе с Gemma 4. Всё это работает без интернета и не отправляет данные на сервер. Первая EmbeddingGemma собрала более 20 млн скачиваний, поэтому экосистема готова сразу: transformers, MLX, llama.cpp, Ollama, vLLM и файнтюн через Unsloth.

📎 Веса на Hugging Face и Kaggle
📎 Гайд для разработчиков
📎 Модельная карточка с метриками

#Google #Gemma #OpenSource #эмбеддинги
———
@tsingular

Ахаха,- чисто я, когда инструктирую мультиагентный рой в multica

#юмор #multica
------
@tsingular

Народ с Opus 5.5 на three.js вайбкодит прекрасное.

Исходников, жаль, нет,- там какие-то мутки с лицензиями на ассеты от Unity

Автор

https://sael.net/gigacity/

#threejs #demo #Opus
------
@tsingular

Станислав Лем, «Кибериада: Путешествие первое А, или Электрибальд Трурля» 1965 год.

Трурль построил машину, которая умеет писать стихи. Клапауций решил проверить её и дал примерно такой промпт: шесть строк, любовь, измена, музыка, высшее общество, несчастье и кровосмесительство — и все слова только на букву «К».

Машина отвечает мгновенно.

То, что сегодня выглядит как обычный тест ChatGPT или Claude, Лем описывал как научно-фантастическую сатиру почти 60 лет назад.

И даже классический жанр «давай усложним промпт, пока модель не сломается» у него уже был.

Хорошего вам дня!