Блог об AI
Заметки о нейросетях, промпт-инжиниринге и том, как искусственный интеллект меняет всё вокруг.
Последние записи
Почему Video-LLM не видят движение: directional motion blindness
Видеомодели отлично описывают сцены, но на элементарном вопросе «куда двигался объект?» работают почти наугад. Разбираем, почему так происходит и как это лечить.
Mamba и State Space Models: может ли змея заменить трансформер
Mamba обещает производительность трансформера при линейной сложности и контексте до миллиона токенов. Разбираем, как работают State Space Models и почему это важно.
Камуфляжные инъекции в LLM-агенты: почему детекторы слепнут к реальным угрозам
Детекторы промпт-инъекций падают с 93.8% до 9.7% точности, когда атака замаскирована под профессиональный текст. Разбор Camouflage Detection Gap, мульти-агентных рисков и почему Llama Guard 3 бессилен.
AI-браузеры: тестируем Atlas, Comet и DIA на реальных задачах
Прогнали OpenAI Atlas, Perplexity Comet и DIA через шесть реальных задач — от поиска до покупок. Результат: один инструмент оказался быстрее ручного способа, остальные проигрывают обычному Chrome.
Почему беспилотники врут в тумане: хрупкость рассуждений VLA-моделей
Alpamayo R1 теряет связь между объяснениями и траекториями под сенсорными помехами: 5.3× рост ошибки при смене CoC и 70.6% опасных отклонений при сильном шуме.
Multi-Stream LLM: как параллельные потоки мыслей меняют архитектуру языковых моделей
Новая архитектура Multi-Stream LLM разбивает монолог языковой модели на параллельные потоки: модель может думать, получать входные данные и генерировать ответ одновременно — как многоядерный процессор, а не как телеграф.
Google I/O 2026: Gemini Omni, Spark и почему Google бросает спагетти на стену
Google I/O 2026 — не про бенчмарки, а про насыщение. Gemini 3.5 Flash, Omni, Spark, Genie 2, AI-очки и SynthID. Разбираем, что работает, что ломается и куда компания движется на самом деле.
Ettin Reranker: 6 моделей, которые делают поиск точнее и быстрее
Реранкеры Ettin на базе ModernBERT достигают SOTA на каждом из шести размеров — от 17M до 1B параметров. При этом 32M-модель обгоняет 568M-конкурента на MTEB.
Consumer AI-агенты 2025: что уже работает, что ломается и куда движется рынок
AI-агенты перешли из демо в реальную жизнь: покупают товары, шлют сообщения, создают софт на лету. Но с великой силой приходит великая ответственность за промпт.
Кто зарабатывает на ИИ-подписках: данные Ramp.com
Ramp.com проанализировал траты бизнеса на ИИ-подписки. OpenAI — монополист, Anthropic — далеко позади, Google почти незаметен. Почему?