Блог об AI
Заметки о нейросетях, промпт-инжиниринге и том, как искусственный интеллект меняет всё вокруг.
Последние записи
Point2Part: как разобрать 3D-модель на части по точкам
Препринт Point2Part разбивает 3D-объект на части совместно, а не по отдельности: пользователь ставит 3D-точки на нужные детали, и модель делит весь объём без наложений и дыр. Разбираем архитектуру, цифры бенчмарков и абляции.
Jev: модель без языка, которая в 200 раз быстрее LLM
Стартап TypeSafe AI выпустил Jev: типобезопасный классификатор без языковой генерации, который обещает скорость и цену на порядки лучше LLM. Вокруг техники уже спорят, а сообщество воспроизводит её на открытых моделях.
Motion capture без камер: каналы важнее числа датчиков
Разбор статьи arXiv 2609.35764: разреженный захват движения из потребительских IMU. Ускорение стоп даёт лучшую точность, прошивочная ориентация всё разрушает, а reliability gating учит модель взвешивать доверие к каждому каналу.
Отчёт Anthropic об угрозах: 3 часа от токена до взлома
Anthropic разобрала девять месяцев атак с Claude: от пересборки малвари против детекторов до платформ слежки и кражи цепочек рассуждений у семи китайских лабораторий.
AI-видеомонтаж: 6 техник от нарезки до звука
Разбираем полный пайплайн AI-видеомонтажа: ChatGPT Astra как «мозг», MCP-коннекторы к Premiere Pro и DaVinci, генерация ракурсов и B-roll через Higgsfield и Seedance 2.5.
Рекурсивное самоулучшение ИИ: AIDE² обошёл своих создателей
Восемь дней автономной работы, сто итераций и семь последовательных улучшений: агент AIDE² переписал собственный harness и обошёл версию, которую команда Weco доводила вручную два года. Разбираем цифры, огрехи и то, почему это ещё не взрыв интеллекта.
TinyTorch: собери свой PyTorch с нуля за 20 модулей
TinyTorch это бесплатный открытый курс, где вы собираете рабочий ML-фреймворк с нуля на чистом Python, повторяя API PyTorch: двадцать модулей, шесть исторических вех и запуск на ноутбуке без видеокарты.
Telescopic Language Model: один прогон, двадцать моделей
Статья «Telescopic Language Models» показывает: если на каждом шаге обучать случайный префикс вложенного трансформера против полной цели, получается непрерывная шкала моделей от 1 до 20 слоёв из одного прогона. Без изменений в архитектуре.
ROFT: агент учится на объяснениях, а не на наградах
Метод ROFT дообучает агента на его же разборах собственных попыток и обгоняет RL-подход GRPO при вдвое меньших затратах на обучение.
Flash Attention 4 на MXFP8: 2.85 PF/s на Blackwell
Flash Attention 4 получила поддержку MXFP8 для прямого и обратного прохода на Blackwell. Разбираем, почему смена типа данных тянет за собой переделку TMEM, квантование промежуточных тензоров и модуль без gather.