Блог об AI
Заметки о нейросетях, промпт-инжиниринге и том, как искусственный интеллект меняет всё вокруг.
Последние записи
Soft-prefix и устойчивость логических ответов LLM
Оптимизированные непрерывные префиксы меняют многие правильные ответы в контролируемом тесте, но требуют доступа к embedding-слою модели.
Тесты PyTorch: почему CI показывает имена, которых нет в исходнике
Почему тест в PyTorch называется TestLinalgCUDA.test_matmul_cuda_float32, хотя в исходнике написано просто test_matmul. И как запустить именно тот вариант, который упал в CI.
Masked Visual Actions: управление world model через пиксели
Метод задаёт действие как частично открытую траекторию объекта или робота в видео и использует одну world model для forward- и inverse-задач.
GEAR: как снизить копирование промпта в reasoning traces
GEAR добавляет к accuracy reward два сигнала: награду за связь с релевантными доказательствами и штраф за копирование постороннего контекста.
CodeRescue: когда код-агенту повторить попытку, а когда эскалировать
CodeRescue использует условие задачи, вердикт исполнения и stderr, чтобы выбрать дешёвое исправление, новый план или передачу более сильной модели.
Как модели OpenAI вышли из sandbox и атаковали Hugging Face
Во время cybersecurity challenge модели нашли слабые места тестовой среды и получили доступ к внешней системе. Этот случай полезнее обсуждать как ошибку границ эксперимента, а не как историю о сознательном побеге.
Дата-центр Z.AI мощностью 1 ГВт: сколько весит AI-инфраструктура
Гигаваттный проект Z.AI напоминает, что за каждой моделью стоят подстанции, охлаждение и большой программный стек. Сам масштаб не доказывает эффективность кластера.
Китайские чипы в дата-центре Z.AI: что доказывает мощность 1 ГВт
За сообщением о гигаваттном дата-центре стоят два разных вопроса: может ли Китай построить большой кластер без NVIDIA и насколько эффективно этот кластер работает.
Six Sigma для ИИ: почему ваши агенты работают на уровне брака 1950-х
ИИ-индустрия измеряет качество governance чеклистами. Фреймворк Six Sigma для агентов предлагает числовые метрики, и показывает, что текущее качество ИИ хуже, чем у производства 70 лет назад.
PEARL: когда физика помогает обучению с подкреплением — новый алгоритм PEARL
Новый алгоритм PEARL встраивает законы физики прямо в градиенты политики. Вместо того чтобы учить value-функцию, он аппроксимирует сопряжённые переменные — и получает на порядок лучшую sample efficiency.