Media is too big
VIEW IN TELEGRAM
Запись эфира 11 октября
Эфиры проводятся по воскресеньям вживую с подписчиками ИИзбранного
Обсудили:
OpenAI в математике
Haiku 5.5
Анонсы Microsoft
Google, Hugging Face Multi-harness RL и другие мультиагентные системы
Безопасность ИИ-агентов
MLflow 3.17 и Unsloth осваивают Jev
Виртуальные миры с Odyssey-3
Квантовый ИИ в IBM
ИИ в астрономии
Тёзку Гермеса, - HERMES для программирования.
Ну и конечно темпоральную память Graphiti
Youtube: https://youtube.com/live/CYAyc_sAsXI
#эфиры
———
@tsingular
Эфиры проводятся по воскресеньям вживую с подписчиками ИИзбранного
Обсудили:
OpenAI в математике
Haiku 5.5
Анонсы Microsoft
Google, Hugging Face Multi-harness RL и другие мультиагентные системы
Безопасность ИИ-агентов
MLflow 3.17 и Unsloth осваивают Jev
Виртуальные миры с Odyssey-3
Квантовый ИИ в IBM
ИИ в астрономии
Тёзку Гермеса, - HERMES для программирования.
Ну и конечно темпоральную память Graphiti
Youtube: https://youtube.com/live/CYAyc_sAsXI
#эфиры
———
@tsingular
1🔥15⚡5✍4❤1
Forwarded from Machinelearning
Андрей Карпатый считает, что разрыв в понимании возможностей LLM за полгода только вырос и стал похож на резкую воронку.
Около 6 млрд человек с LLM почти не сталкивались. Ещё 1-2 млрд использую только бесплатный чат-бот, который иногда тупит, и работают с ним им как улучшенным поиском.
Около 20 млн разработчиков и математиков на frontier-моделях видят, как проекты на недели и месяцы агенты закрывают по одному промпту.
А примерно 5000 человек внутри лабораторий наблюдают рои из тысяч агентов, которые неделями ищут zero-day, двигают науку и математику быстрее, чем люди успевают это проверять.
По Карпатому, воронку создают три вещи. Отдача растёт с размером задачи, и вопрос на абзац систему почти не нагружает. Способности модели неровные: пик там, где задачи цифровые, проверяемые и денежные, потому что RL на верифицируемых наградах настраивают под выручку. И доступ: бесплатный, платный или внутренний.
Большинство людей видит глуповатого бота, а небольшая прослойка уже чувствует головокружение от кривой, которая уходит вертикально вверх. И всё это одновременно.
https://x.com/Machinelearrn/status/2109368623135330690
@ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥36🤩7❤3👀3😭2💯1
Forwarded from НИИ ИИ
This media is not supported in your browser
VIEW IN TELEGRAM
Atomic Machines после шести лет закрытой разработки представила Matter Compiler — систему, которая, по заявлению компании, собирает работающие микромашины по цифровому описанию. Меняется код — меняется изделие. Отдельные формы, маски и оснастка под каждый новый продукт ей не нужны. Речь о миниатюрных устройствах с подвижными частями, трёхмерной конструкцией и несколькими материалами.
Основатель компании Джефф Холден объясняет замысел через рибосому. Эта биологическая машина читает генетические инструкции и собирает разные белки. Оборудование остаётся тем же, результат определяется последовательностью символов. Холден хочет перенести похожий принцип в производство: новый проект должен становиться новой программой для существующей системы.
Для этого мало научить ИИ рисовать конструкции. Matter Compiler, как описывает компания, измеряет каждую производственную операцию, корректирует отклонения и передаёт полученные данные в следующую итерацию. Проектирование получает обратную связь от реального изделия: что удалось изготовить и где результат разошёлся с расчётом.
Первый продукт уже имеет название и характеристики. PrimeSwitch PS-150 — электромеханическое реле диаметром 9,5 мм и высотой 3 мм. Компания заявляет постоянный ток до 150 А и размыкание за 50 микросекунд. Оно рассчитано, в частности, на применение в системах питания ИИ-дата-центров. Сейчас доступны образцы для испытаний.
Получается любопытный первый шаг: производственная система с ИИ начинает с компонента для инфраструктуры самого ИИ. У большого технологического замысла появляется конкретная инженерная задача — быстро размыкать цепь и сохранять низкие потери при прохождении тока.
До универсальной фабрики, которой можно заказать любую вещь одной фразой, это ещё не доказанный путь. Саму возможность получить готовое изделие из одного промпта Atomic Machines обозначает как цель. Заявленные характеристики первого реле и образцы для заказчиков пока не показывают, насколько хорошо система справится с другими устройствами.
Следующий результат будет особенно интересен: сможет ли та же установка после изменения цифрового проекта выпустить механизм другого класса?
Именно повторяемость такого перехода покажет, насколько производство приблизилось к обещанной модели: новое изделие начинается с нового кода.
pimenov.ai/blog
Основатель компании Джефф Холден объясняет замысел через рибосому. Эта биологическая машина читает генетические инструкции и собирает разные белки. Оборудование остаётся тем же, результат определяется последовательностью символов. Холден хочет перенести похожий принцип в производство: новый проект должен становиться новой программой для существующей системы.
Для этого мало научить ИИ рисовать конструкции. Matter Compiler, как описывает компания, измеряет каждую производственную операцию, корректирует отклонения и передаёт полученные данные в следующую итерацию. Проектирование получает обратную связь от реального изделия: что удалось изготовить и где результат разошёлся с расчётом.
Первый продукт уже имеет название и характеристики. PrimeSwitch PS-150 — электромеханическое реле диаметром 9,5 мм и высотой 3 мм. Компания заявляет постоянный ток до 150 А и размыкание за 50 микросекунд. Оно рассчитано, в частности, на применение в системах питания ИИ-дата-центров. Сейчас доступны образцы для испытаний.
Получается любопытный первый шаг: производственная система с ИИ начинает с компонента для инфраструктуры самого ИИ. У большого технологического замысла появляется конкретная инженерная задача — быстро размыкать цепь и сохранять низкие потери при прохождении тока.
До универсальной фабрики, которой можно заказать любую вещь одной фразой, это ещё не доказанный путь. Саму возможность получить готовое изделие из одного промпта Atomic Machines обозначает как цель. Заявленные характеристики первого реле и образцы для заказчиков пока не показывают, насколько хорошо система справится с другими устройствами.
Следующий результат будет особенно интересен: сможет ли та же установка после изменения цифрового проекта выпустить механизм другого класса?
Именно повторяемость такого перехода покажет, насколько производство приблизилось к обещанной модели: новое изделие начинается с нового кода.
pimenov.ai/blog
🔥17🤯6⚡2❤1
ArtCraft выпустила бесплатные альтернативы Word, Excel и PowerPoint
📋 Команда ArtCraft, уже опубликовавшая семь открытых альтернатив приложениям Adobe, представила собственный офисный набор. Microsoft лицензии не меняла: это независимые программы с открытым кодом под MIT или Apache 2.0.
📝 WordCraft открывает и сохраняет DOCX, поддерживает стили, таблицы, комментарии и отслеживание правок.
📊 GridCraft работает с XLSX, формулами, диаграммами и сводными таблицами.
🖥️ DeckCraft создаёт презентации, читает и записывает PPTX, поддерживает анимации, переходы и режим докладчика. Все три проекта написаны на Rust; команда предлагает сборки для Windows, macOS и Linux, а также браузерные версии.
🤖 Все три приложения поддерживают управление через MCP и командную строку. Агент может менять документы, записывать данные в ячейки и собирать слайды через команды приложения, а затем проверять структуру результата.
⚠️ До полной совместимости с Microsoft Office ещё далеко. Авторы прямо описывают пробелы в своих планах развития: сложные файлы требуют проверки после сохранения, а выполнение VBA в GridCraft вообще исключено из целей проекта. Свежие версии 0.5.0 исправляют ошибки формул, импорта и показа слайдов.
💼 Начинать стоит с копий обычных документов и таблиц, сверяя результат в оригинальном приложении. Отменять рабочие подписки только по скриншотам преждевременно.
📎 CADCraft, альтернатива AutoCAD, уже имеет публичный репозиторий и тоже находится на ранней стадии.
Бесплатные приложения уже можно пробовать, но надёжность на ваших файлах придётся проверить отдельно.
#ArtCraft #OpenSource
———
@tsingular
📋 Команда ArtCraft, уже опубликовавшая семь открытых альтернатив приложениям Adobe, представила собственный офисный набор. Microsoft лицензии не меняла: это независимые программы с открытым кодом под MIT или Apache 2.0.
📝 WordCraft открывает и сохраняет DOCX, поддерживает стили, таблицы, комментарии и отслеживание правок.
📊 GridCraft работает с XLSX, формулами, диаграммами и сводными таблицами.
🖥️ DeckCraft создаёт презентации, читает и записывает PPTX, поддерживает анимации, переходы и режим докладчика. Все три проекта написаны на Rust; команда предлагает сборки для Windows, macOS и Linux, а также браузерные версии.
🤖 Все три приложения поддерживают управление через MCP и командную строку. Агент может менять документы, записывать данные в ячейки и собирать слайды через команды приложения, а затем проверять структуру результата.
⚠️ До полной совместимости с Microsoft Office ещё далеко. Авторы прямо описывают пробелы в своих планах развития: сложные файлы требуют проверки после сохранения, а выполнение VBA в GridCraft вообще исключено из целей проекта. Свежие версии 0.5.0 исправляют ошибки формул, импорта и показа слайдов.
💼 Начинать стоит с копий обычных документов и таблиц, сверяя результат в оригинальном приложении. Отменять рабочие подписки только по скриншотам преждевременно.
📎 CADCraft, альтернатива AutoCAD, уже имеет публичный репозиторий и тоже находится на ранней стадии.
Бесплатные приложения уже можно пробовать, но надёжность на ваших файлах придётся проверить отдельно.
#ArtCraft #OpenSource
———
@tsingular
⚡12🔥7❤3✍1👍1😁1
Media is too big
VIEW IN TELEGRAM
😁12🔥7🤔4⚡3🤯1👀1
Forwarded from Анализ данных (Data analysis)
⚡ Можно купить тысячи GPU, но дата-центру нужны стабильное питание и подключение к сети. Строительство электростанций, подстанций и линий передачи становится одним из главных ограничений роста.
Китай строит 38 ядерных реакторов общей мощностью около 43 ГВт, по данным World Nuclear Association. Это крупнейшая программа строительства АЭС в мире.
По оценке МЭА, потребление электричества дата-центрами для ИИ выросло на 50% за 2025 год. При этом нехватка сетевых мощностей тормозит подключение новых потребителей.
Следующий этап гонки ИИ будут определять и чипы, и способность быстро обеспечить их энергией. Масштаб китайского строительства даёт стране серьёзное преимущество.
https://x.com/Machinelearrn/status/2109585357226332353
Китай строит 38 ядерных реакторов общей мощностью около 43 ГВт, по данным World Nuclear Association. Это крупнейшая программа строительства АЭС в мире.
По оценке МЭА, потребление электричества дата-центрами для ИИ выросло на 50% за 2025 год. При этом нехватка сетевых мощностей тормозит подключение новых потребителей.
Следующий этап гонки ИИ будут определять и чипы, и способность быстро обеспечить их энергией. Масштаб китайского строительства даёт стране серьёзное преимущество.
https://x.com/Machinelearrn/status/2109585357226332353
🔥29⚡5✍2❤1💯1
Qdrant предлагают новый подход в мультиязычном поиске
🔎 Qdrant и Pento показали miniCOIL EN-ES, экспериментальный поиск по английским и испанским текстам. Запрос на одном языке находит документы на другом через единый индекс, без отдельного перевода запроса.
🧩 Авторы объединили слова из словаря переводов в общие понятия. Английское и испанское названия дома занимают один участок поискового вектора. Каждое понятие получает восемь чисел, которые описывают его смысл в контексте: так модель учится различать разные значения одного слова. BM25 учитывает частоту и редкость, а нейросеть добавляет смысл; слова вне словаря обрабатывает обычный BM25.
🧠 Авторы развивают идею COIL, который сопоставлял контекстные представления одинаковых слов. Теперь через словарь можно связать слова разных языков. Небольшие обучаемые слои работают поверх многоязычной модели E5, а примеры для обучения подбирает Qwen3-Embedding.
📊 В тесте с испанскими запросами и английскими документами нужный фрагмент попадал в первые 100 результатов в 96,3% случаев, у перевода запроса с последующим BM25 было 94,9%. При этом первые десять результатов схема с переводом ранжировала лучше.
⚠️ Проверка ограничена примерно 7,5 тыс. фрагментов mMARCO и запросами, покрытыми обученным словарём. Документация уточняет, что при выборе понятий учитывали тексты части тестовых запросов. Результаты пока характеризуют этот ограниченный эксперимент.
💼 Подход интересен для многоязычного RAG, где документы хранятся на разных языках. Сейчас поддерживаются только английский и испанский, а код и веса опубликованы под CC BY-NC 4.0, только для некоммерческого использования.
📎 Модель · Методика проверки
Практический следующий шаг для авторов: расширить словарь и проверить поиск на новых запросах и реальных документах.
#Qdrant #miniCOIL #BM25 #RAG
———
@tsingular
🔎 Qdrant и Pento показали miniCOIL EN-ES, экспериментальный поиск по английским и испанским текстам. Запрос на одном языке находит документы на другом через единый индекс, без отдельного перевода запроса.
🧩 Авторы объединили слова из словаря переводов в общие понятия. Английское и испанское названия дома занимают один участок поискового вектора. Каждое понятие получает восемь чисел, которые описывают его смысл в контексте: так модель учится различать разные значения одного слова. BM25 учитывает частоту и редкость, а нейросеть добавляет смысл; слова вне словаря обрабатывает обычный BM25.
🧠 Авторы развивают идею COIL, который сопоставлял контекстные представления одинаковых слов. Теперь через словарь можно связать слова разных языков. Небольшие обучаемые слои работают поверх многоязычной модели E5, а примеры для обучения подбирает Qwen3-Embedding.
📊 В тесте с испанскими запросами и английскими документами нужный фрагмент попадал в первые 100 результатов в 96,3% случаев, у перевода запроса с последующим BM25 было 94,9%. При этом первые десять результатов схема с переводом ранжировала лучше.
⚠️ Проверка ограничена примерно 7,5 тыс. фрагментов mMARCO и запросами, покрытыми обученным словарём. Документация уточняет, что при выборе понятий учитывали тексты части тестовых запросов. Результаты пока характеризуют этот ограниченный эксперимент.
💼 Подход интересен для многоязычного RAG, где документы хранятся на разных языках. Сейчас поддерживаются только английский и испанский, а код и веса опубликованы под CC BY-NC 4.0, только для некоммерческого использования.
📎 Модель · Методика проверки
Практический следующий шаг для авторов: расширить словарь и проверить поиск на новых запросах и реальных документах.
#Qdrant #miniCOIL #BM25 #RAG
———
@tsingular
⚡7🔥5❤2✍1
Hermes agent теперь есть в Microsoft Store
https://apps.microsoft.com/detail/9PMXK8CZC7KR
больше никаких танцев с бубном вокруг гитхаба
#Hermes #Store
———
@tsingular
https://apps.microsoft.com/detail/9PMXK8CZC7KR
больше никаких танцев с бубном вокруг гитхаба
#Hermes #Store
———
@tsingular
🔥15👍7✍1
This media is not supported in your browser
VIEW IN TELEGRAM
KR Labs показали сверхточный RAG на малых моделях Vela 2.0
⛵️ KR Labs и команда vLLM Semantic Router показали, как семейство моделей Vela 2.0 размером до 4B выполняет поиск, отбор документов и извлечение ответа с очень высокой точностью.
🔎 В демонстрации модель строит поисковые векторы из своих внутренних представлений и выбирает 10 из 60 абзацев.
Затем оценивает каждый вопросом «этот фрагмент отвечает на запрос?» и оставляет три. Этапы используют одну и ту же модель с несколькими вызовами.
🧩 Например поле даты в шаблоне «Бруклинский мост открыли …» превращается в вопрос о нужных словах.
Модель оценивает слова по отдельности, а соседние подходящие слова объединяются в цитату.
Приложение повторно читает её из документа по позициям символов и возвращает JSON с источником, границами фрагмента и вероятностью.
Если ни один фрагмент не прошёл порог, поле остаётся пустым.
⚠️ Достоверность подтверждена источником.
При поиске документа и выборе цитаты возможны ошибки, поэтому правильность ответа подкрепляется перепроверкой.
В опубликованном примере про Эресуннский мост модель указала только Данию, хотя исходный абзац называет Данию и Швецию. Обещание «RAG без галлюцинаций» описывает ограничение на сочинение новых значений.
💼 Такой подход может быть полезен для заполнения карточек по договорам, инструкциям и отчётам, когда каждое поле должно иметь проверяемую цитату.
Так же интересен пример в демке с рапознаванием конфиденциальных денных - карточек, телефонов, ФИО.
Полезно как пример механизма быстрого маскирования.
Веса и код 4B опубликованы под Apache 2.0.
📎 Модель 4B · Архитектура и проверки
#Vela #RAG #VLLMSR #Semantic #Router
———
@tsingular
⛵️ KR Labs и команда vLLM Semantic Router показали, как семейство моделей Vela 2.0 размером до 4B выполняет поиск, отбор документов и извлечение ответа с очень высокой точностью.
🔎 В демонстрации модель строит поисковые векторы из своих внутренних представлений и выбирает 10 из 60 абзацев.
Затем оценивает каждый вопросом «этот фрагмент отвечает на запрос?» и оставляет три. Этапы используют одну и ту же модель с несколькими вызовами.
🧩 Например поле даты в шаблоне «Бруклинский мост открыли …» превращается в вопрос о нужных словах.
Модель оценивает слова по отдельности, а соседние подходящие слова объединяются в цитату.
Приложение повторно читает её из документа по позициям символов и возвращает JSON с источником, границами фрагмента и вероятностью.
Если ни один фрагмент не прошёл порог, поле остаётся пустым.
⚠️ Достоверность подтверждена источником.
При поиске документа и выборе цитаты возможны ошибки, поэтому правильность ответа подкрепляется перепроверкой.
В опубликованном примере про Эресуннский мост модель указала только Данию, хотя исходный абзац называет Данию и Швецию. Обещание «RAG без галлюцинаций» описывает ограничение на сочинение новых значений.
💼 Такой подход может быть полезен для заполнения карточек по договорам, инструкциям и отчётам, когда каждое поле должно иметь проверяемую цитату.
Так же интересен пример в демке с рапознаванием конфиденциальных денных - карточек, телефонов, ФИО.
Полезно как пример механизма быстрого маскирования.
Веса и код 4B опубликованы под Apache 2.0.
📎 Модель 4B · Архитектура и проверки
#Vela #RAG #VLLMSR #Semantic #Router
———
@tsingular
🏆6🔥5⚡2
Microsoft представила Maia 300 и планирует гигаваттные развёртывания
🚀 Microsoft представила Maia 300 и с 2027 года планирует расширять семейство собственных ускорителей до развёртываний общей мощностью в несколько гигаватт. Maia должна стать основной платформой обработки запросов к ИИ-моделям в продуктах компании. Предыдущая Maia 200 уже обслуживает Copilot.
🧠 В новом чипе 288 ГБ HBM4 вместо 216 ГБ HBM3e, а пропускная способность памяти выросла с 7 до 18 ТБ/с, примерно в 2,6 раза. Пиковые вычисления FP4 прибавили около 36%. Вместо монолитного 3-нм кристалла используется набор чиплетов с вычислительной частью на TSMC N2P; тепловой пакет вырос с 750 до 950 Вт.
⚙️ Такая пропорция важна для длинных диалогов и многошаговых агентов: при генерации ответа модель часто ждёт данные из памяти. Программа размещает их ближе к нужным вычислительным блокам и управляет передачей. Улучшенный MXFP4 уменьшает объём данных для вычислений и хранения KV-кэша.
🏗 В стойке теперь 96 ускорителей вместо 48, суммарно 27,6 ТБ HBM при расчётной мощности стойки 167 кВт. Microsoft заявляет до семикратного роста выдачи токенов со стойки относительно Maia 200. Ethernet-сеть объединяет до 12 288 ускорителей против 6 144 раньше.
⚠️ Ожидаемые +40% токенов на мегаватт относительно ведущих GPU-систем пока остаются прогнозом Microsoft: в анонсе не названы сравниваемые GPU, модели и условия проверки.
Внедрение Maia 300 начнётся в 2027 году.
💼 Для пользователей Azure это ставка на большее число одновременных запросов при ограниченной мощности дата-центра.
📎 Архитектура Maia 300 · Характеристики Maia 200
#Microsoft #Azure #Maia
———
@tsingular
🚀 Microsoft представила Maia 300 и с 2027 года планирует расширять семейство собственных ускорителей до развёртываний общей мощностью в несколько гигаватт. Maia должна стать основной платформой обработки запросов к ИИ-моделям в продуктах компании. Предыдущая Maia 200 уже обслуживает Copilot.
🧠 В новом чипе 288 ГБ HBM4 вместо 216 ГБ HBM3e, а пропускная способность памяти выросла с 7 до 18 ТБ/с, примерно в 2,6 раза. Пиковые вычисления FP4 прибавили около 36%. Вместо монолитного 3-нм кристалла используется набор чиплетов с вычислительной частью на TSMC N2P; тепловой пакет вырос с 750 до 950 Вт.
⚙️ Такая пропорция важна для длинных диалогов и многошаговых агентов: при генерации ответа модель часто ждёт данные из памяти. Программа размещает их ближе к нужным вычислительным блокам и управляет передачей. Улучшенный MXFP4 уменьшает объём данных для вычислений и хранения KV-кэша.
🏗 В стойке теперь 96 ускорителей вместо 48, суммарно 27,6 ТБ HBM при расчётной мощности стойки 167 кВт. Microsoft заявляет до семикратного роста выдачи токенов со стойки относительно Maia 200. Ethernet-сеть объединяет до 12 288 ускорителей против 6 144 раньше.
⚠️ Ожидаемые +40% токенов на мегаватт относительно ведущих GPU-систем пока остаются прогнозом Microsoft: в анонсе не названы сравниваемые GPU, модели и условия проверки.
Внедрение Maia 300 начнётся в 2027 году.
💼 Для пользователей Azure это ставка на большее число одновременных запросов при ограниченной мощности дата-центра.
📎 Архитектура Maia 300 · Характеристики Maia 200
#Microsoft #Azure #Maia
———
@tsingular
🆒7⚡4🔥2❤1👍1
This media is not supported in your browser
VIEW IN TELEGRAM
transformers serve теперь позволяет превратить любую LLM или VLM в модель принятия решений с помощью конечной точки
/v1/systemone Т.е. вам больше не нужно тренировать свой Jev, - просто берёте любую модель и дёргаете её через эту ручку и она ведёт себя как Jev, - не генерит токены, а сразу даёт вероятности ответа.
HuggingFace тащит. Скоро во всех инференсах мира.
#systemone #Jev #HuggingFace #transformers
———
@tsingular
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥20🤯2🤩2
Forwarded from Machinelearning
Meta выпустила Muse Wonder, новую линейку своих самых сильных моделей для агентных задач. Вариантов два: Muse Wonder и старший Muse Wonder Full. По данным Meta, Full обходит Claude Opus 5.5 на 8 из 14 опубликованных бенчмарков, а в долгом кодинге, юридической работе и автоматизации бизнес-процессов опережает ещё GPT-6 Astra и Claude Fable 5.1.
Самый большой отрыв на SWE-Marathon, сверхдлинном инженерном тесте: 57,5 у Full против 46,3 у Opus 5.5. На DeepSWE 1.1, тоже про кодинг на длинном горизонте, счёт 79,0 против 74,2. Meta уточняет, что эти прогоны делали независимые третьи стороны.
Ещё интереснее юридический агентный бенчмарк Harvey. Там засчитывается только задача, доведённая до конца без единой галлюцинации. У Full 13,1, у Opus 5.5 всего 4,2, то есть разница больше чем в три раза. Сами цифры при этом низкие у всех: доводить сложные юридические задачи до конца без ошибок пока не умеет никто.
Модель построена вокруг Active Memory и Active Focus, а обучали её в гигаваттном дата-центре Prometheus. Весов в открытом доступе нет: Muse Wonder доступна через Meta Model API и Muse Code, Full пока только подписчикам Muse Code.
Нюанс для тех, кто будет сравнивать: в SWE-Marathon Full работал на максимальном уровне рассуждений, а конкуренты внутри своих фирменных агентов Codex и Claude Code. Так что это не строго контролируемое сравнение, и честнее дождаться независимых тестов.
https://research.meta.ai/blog/muse-wonder
@ai_machinelearning_big_data
*организация признана экстремистской, её деятельность на территории РФ запрещена.
#Muse
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🤔8⚡2❤2✍1
Как вам такой Робин Гуд? :)
Что интересно,- чем умнее будут ИИ модели, тем более выполнимым будет такой подход и за меньшее время.
#найм #dev
------
@tsingular
Что интересно,- чем умнее будут ИИ модели, тем более выполнимым будет такой подход и за меньшее время.
#найм #dev
------
@tsingular
😁107🔥23⚡9❤1
Anthropic проверила, сможет ли ИИ распространяться через бытовые устройства
📺 Anthropic изучила, сможет ли ИИ-червь самостоятельно распространяться через бытовые устройства. Исследователи разделили Gemma4-26B-A4B между 15 недорогими Android TV-приставками с 4 ГБ памяти. В демонстрации модель работала со скоростью 0,39 токена в секунду.
🧩 Одного запуска модели недостаточно: агент должен найти новое устройство, получить доступ, перенести программу и настроить на нём вычисления. На последнем этапе авторы сосредоточились: в их проверках 9-миллиардная модель сумела настроить запуск Llama3.1-8B на восьми из девяти типов оборудования.
🧪 Полный цикл проверяли отдельно, в изолированной сети из восьми облачных узлов с Android. GLM-5.2 достигла всех восьми в четырёх из пяти прогонов, а в оставшемся добралась до семи. Но доступ был намеренно упрощён, на узлах запускали другую модель, Llama3.1-8B, а управляющая GLM работала на внешнем сервере.
⚠️ Небольшие модели пока ненадёжно соединяют все этапы. Прогноз о достаточных способностях к концу 2026 года основан на общей кривой прогресса моделей, а не на готовом черве.
Для 9B-модели авторы оценивают настройку запуска на слабом железе в 28–51 час, поэтому предполагаемое горизонтальное распространение будет медленным.
🛡 Практический риск связан с адаптацией к незнакомой технике: агент может подбирать способы работы по ситуации. Для защиты важны изоляция бытовых устройств от рабочих систем, безопасные настройки доступа и контроль необычных загрузок и постоянного обмена данными между устройствами.
#Anthropic #cybersecurity #IoT
———
@tsingular
📺 Anthropic изучила, сможет ли ИИ-червь самостоятельно распространяться через бытовые устройства. Исследователи разделили Gemma4-26B-A4B между 15 недорогими Android TV-приставками с 4 ГБ памяти. В демонстрации модель работала со скоростью 0,39 токена в секунду.
🧩 Одного запуска модели недостаточно: агент должен найти новое устройство, получить доступ, перенести программу и настроить на нём вычисления. На последнем этапе авторы сосредоточились: в их проверках 9-миллиардная модель сумела настроить запуск Llama3.1-8B на восьми из девяти типов оборудования.
🧪 Полный цикл проверяли отдельно, в изолированной сети из восьми облачных узлов с Android. GLM-5.2 достигла всех восьми в четырёх из пяти прогонов, а в оставшемся добралась до семи. Но доступ был намеренно упрощён, на узлах запускали другую модель, Llama3.1-8B, а управляющая GLM работала на внешнем сервере.
⚠️ Небольшие модели пока ненадёжно соединяют все этапы. Прогноз о достаточных способностях к концу 2026 года основан на общей кривой прогресса моделей, а не на готовом черве.
Для 9B-модели авторы оценивают настройку запуска на слабом железе в 28–51 час, поэтому предполагаемое горизонтальное распространение будет медленным.
🛡 Практический риск связан с адаптацией к незнакомой технике: агент может подбирать способы работы по ситуации. Для защиты важны изоляция бытовых устройств от рабочих систем, безопасные настройки доступа и контроль необычных загрузок и постоянного обмена данными между устройствами.
#Anthropic #cybersecurity #IoT
———
@tsingular
✍7🔥6❤1⚡1
Вопреки и несмотря на, - Вас уже 13К!
Всего месяц прошел с прошлой отметки 12К!
Рад всех видеть.
Продолжаем наблюдение за Технологической Сингулярностью.
#13000
------
@tsingular
Всего месяц прошел с прошлой отметки 12К!
Рад всех видеть.
Продолжаем наблюдение за Технологической Сингулярностью.
#13000
------
@tsingular
🎉38❤20🔥11
This media is not supported in your browser
VIEW IN TELEGRAM
Люди продолжают использовать модели не по назначению и добиваются фантастических результатов.
Свежий пример, - Embedding Gemma Transcribe: из эмбеддинг-модели сделали распознавание речи.
EmbeddingGemma 2 от Google DeepMind переводит текст, картинки, аудио и видео в векторы одного общего пространства.
Если произнести слово вслух, его аудио окажется рядом с написанным словом.
Авторы решили читать слова прямо из этого пространства.
Как устроено:
🎧 Аудиоэнкодер EmbeddingGemma 2 оставили без изменений.
🧩 Небольшой «читатель» переносит каждый короткий кусок аудио в текстовое пространство модели.
Дальше выбирается ближайшее слово из словаря примерно в 229 000 английских слов.
✍️ Ещё одна крошечная модель расставляет пунктуацию и заглавные буквы.
Обучали только «читателя»: меньше двух часов на 8×H100, на английской речи с открытыми лицензиями.
Что получилось:
⚡️ Скорость: час аудио за 12.6 с на базовом MacBook Air M3 с 8 ГБ, на Neural Engine. Это 288× от реального времени.
IBM Granite Speech 5.0 TurboCTC на той же машине справляется за 25.7 с, - примерно в 2 раза медленнее.
🎯 Точность: доля ошибочных слов (WER) около 5% против 2–3% у ведущих моделей. Разрыв авторы планируют сократить, лучше обучив «читателя».
💻 Использование: перетащить аудиофайл или зажать правый Option, сказать и отпустить, - текст появится в любом приложении. Аудио не покидает Mac.
Главные выводы:
Мультимодальные эмбеддинги уже несут достаточно информации, чтобы «читать» из них речь, - нужно обучить только маленький переходник.
Пока только английский: и словарь, и данные для обучения английские.
Приложение бесплатное: macOS 14+, Apple Silicon, модели на 715 МБ скачиваются при первом запуске.
Проект независимый, с Google не связан.
Скачать для Mac
#транскрибация #эмбеддинги #gemma
———
@tsingular
Свежий пример, - Embedding Gemma Transcribe: из эмбеддинг-модели сделали распознавание речи.
EmbeddingGemma 2 от Google DeepMind переводит текст, картинки, аудио и видео в векторы одного общего пространства.
Если произнести слово вслух, его аудио окажется рядом с написанным словом.
Авторы решили читать слова прямо из этого пространства.
Как устроено:
🎧 Аудиоэнкодер EmbeddingGemma 2 оставили без изменений.
🧩 Небольшой «читатель» переносит каждый короткий кусок аудио в текстовое пространство модели.
Дальше выбирается ближайшее слово из словаря примерно в 229 000 английских слов.
✍️ Ещё одна крошечная модель расставляет пунктуацию и заглавные буквы.
Обучали только «читателя»: меньше двух часов на 8×H100, на английской речи с открытыми лицензиями.
Что получилось:
⚡️ Скорость: час аудио за 12.6 с на базовом MacBook Air M3 с 8 ГБ, на Neural Engine. Это 288× от реального времени.
IBM Granite Speech 5.0 TurboCTC на той же машине справляется за 25.7 с, - примерно в 2 раза медленнее.
🎯 Точность: доля ошибочных слов (WER) около 5% против 2–3% у ведущих моделей. Разрыв авторы планируют сократить, лучше обучив «читателя».
💻 Использование: перетащить аудиофайл или зажать правый Option, сказать и отпустить, - текст появится в любом приложении. Аудио не покидает Mac.
Главные выводы:
Мультимодальные эмбеддинги уже несут достаточно информации, чтобы «читать» из них речь, - нужно обучить только маленький переходник.
Пока только английский: и словарь, и данные для обучения английские.
Приложение бесплатное: macOS 14+, Apple Silicon, модели на 715 МБ скачиваются при первом запуске.
Проект независимый, с Google не связан.
Скачать для Mac
#транскрибация #эмбеддинги #gemma
———
@tsingular
🔥11👍7🤯5
В Google AIstudio появился Gemini Argon 4
https://deepmind.google/models/model-cards/gemini-4-argon/
Модель лучше Astra, Fable и Opus 5.5
Идём проверять
#Argon #Google
———
@tsingular
https://deepmind.google/models/model-cards/gemini-4-argon/
Модель лучше Astra, Fable и Opus 5.5
Идём проверять
#Argon #Google
———
@tsingular
👍13🔥8⚡4🤣3✍2❤1🗿1