Блог об AI
Заметки о нейросетях, промпт-инжиниринге и том, как искусственный интеллект меняет всё вокруг.
Последние записи
Claude Motion и Dashboards: видео и данные внутри Claude
Claude Motion собирает анимированные объяснялки из кода без видеомоделей, Claude Dashboards строит живые дашборды из корпоративных данных. Разбираем, что вышло из беты и как это применять.
Роевое масштабирование: рои агентов быстрее, но вдвое дороже
Философ Тоби Орд разобрал, как масштабируются рои ИИ-агентов: скорость растёт за счёт токенов, а измеренный коэффициент параллелизуемости совпал с прогнозами моделей рекурсивного самоулучшения.
ИИ-учитель Sherpa: как LLM учится подстраиваться под ученика
Sherpa это multi-turn RL фреймворк, который тренирует LLM-учителя через прирост знаний учеников, а не через заранее заданные критерии. Точность учеников выросла с 48,6% до 69,0%, а человеческие оценщики предпочли обученную модель базовой в 79,6% сравнений.
Чувство цели: чего не хватает ИИ-чатботам после 16 реплик
Бенчмарки растут, а разговаривать с чат-ботами лучше не становится: разбираем статью Кеннета Ли в The Gradient о том, почему ИИ-чатботы теряют задачу в многораундовом диалоге и как исследователи возвращают им чувство цели.
Ledger: как ИИ-ассистент запоминает, где лежат вещи
Ledger строит постоянную 3D-память объектов из видео от первого лица: она помнит расположение вещей, даже нетронутых, и отвечает на вопросы по текстовым записям, не пересматривая видео.
Базы данных для ИИ-агентов: почему их придётся переписать
Работа модели класса GPT-4 стоила $30 за миллион токенов в начале 2023 года, а сегодня обходится меньше доллара. Исследователи из Berkeley считают, что при почти бесплатном интеллекте узким местом станут данные: агентам нужны новые базы, другая память и умение проектировать системы самим.
Claude Haiku 5.5: дешевле в 10 раз, но есть скрытая наценка
Anthropic выпустила самую дешёвую модель в своей истории: Haiku 5.5 обгоняет GPT-6 Luna по бенчмаркам при той же цене. Но новый токенизатор съедает часть экономии, а подписчикам Max и Team выдали API-кредиты.
Может ли ИИ предсказать будущее? Тест замороженных моделей
Три модели, обученные до начала войны с Ираном, получили документы того дня и вопросы о будущем. Флот и ракеты они разобрали почти без ошибок, а спорт, рынки и британскую политику провалили.
Видеомодели завалили экзамен по физике: лучший балл 57,76 из 100
Сорок контролируемых физических экспериментов, восемь видеомоделей и 1280 сгенерированных роликов. Новый бенчмарк измеряет физику напрямую, без эталонных видео: лучший результат 57,76 из 100, а таяние льда не осилил никто.
PyTorch и новое железо: как вендоры подключают ускорители
Больше 600 000 тестов PyTorch годами были привязаны к CUDA, а вендорам приходилось поддерживать собственные патчи. Рабочая группа по интеграции ускорителей строит общие механизмы: эталонный бэкенд OpenReg, библиотеку OCCL и единый путь интеграции для нового железа.