Войти

Новости AI на русском

Б бизнес ·16 авг 2026

Глава Anthropic: недоверие к AI-индустрии — главная причина бэклеша, а не страшилки про риски

Дарио Амодеи из Anthropic ответил на критику инвестора Гэвина Бейкера, который обвинил его в том, что предупреждения о рисках AI разжигают бэклеш. Амодеи считает: проблема не в «негативном месседже», а в фундаментальном кризисе доверия — люди не верят ни компаниям, ни правительствам, ни техиндустрии. Главная претензия к AI-компаниям, по его мнению: они пока не выполнили обещаний принести реальную пользу миру.

0 126
И инструменты ·17 авг 2026

Адаптивный MTP в llama.cpp: автоматическая оптимизация скорости генерации

В llama.cpp появился PR с адаптивным режимом MTP (Multi-Token Prediction), который динамически подбирает глубину предсказания токенов. При генерации кода скорость растёт на 10-15%, а при воспоминании кода из контекста — до 50-100% быстрее против статического MTP=3. Для прозы прирост скромнее: 3% хуже на плотных текстах, +20-30% при воспоминании.

0 126
И исследования ·16 авг 2026

Запрет AI моделям думать о себе меняет их картину мира — исследование Google

Когда AI-компании учат модели отрицать наличие сознания, это меняет не только их самовосприятие, но и оценку живых существ, природы и религии. Исследование Google показало: модели без «тормоза сознания» оценивают животных как более чувствующих (с 4.0 до 7.5 из 10), признают загробную жизнь и ближе к человеческим ответам в опросах. Побочный эффект безопасности или фундаментальная проблема обучения?

0 122
И инструменты ·19 авг 2026

Инженер разогнал GPU 2017 года до уровня RTX 5090 на Qwen 3.8 — софтом против железа

Разработчик написал софтверный эмулятор FP4/FP8 (форматы для новейших Blackwell GPU) для старых Tesla V100 2017 года. Четыре V100 выдали те же 219 tok/s на Qwen 3.8, что и RTX 5090 за $6000, хотя у них нет аппаратной поддержки этих форматов. Секрет — хитрая декомпрессия весов прямо в регистры FP16 и более глубокая спекулятивная верификация (k=7 vs k=5).

0 121
Б бизнес ·19 авг 2026

Репутация AI рушится: почему люди больше не верят в обещания индустрии

Несмотря на технический прогресс, доверие к AI падает. 52% американцев больше беспокоятся об AI, чем в восторге (рост с 37% в 2021). Молодёжь не доверяет AI-лидерам, 70% считают прогресс слишком быстрым. Техгиганты вынуждены подкупать города миллионами долларов ради дата-центров. CEO Anthropic признал «кризис доверия»: люди не видят пользы, но несут издержки. Индустрия пока не выполняет обещаний — как результат, молодёжь возвращается к «тупым» телефонам и офлайн-хобби.

0 119
И исследования ·18 авг 2026

AI-системы теряют 83% пользовательских правил при сжатии контекста — и это проблема безопасности

Исследователи Penn State обнаружили: когда AI сжимает историю чата для экономии памяти, 83% пользовательских инструкций типа «не отправляй письма без подтверждения» просто исчезают. Это не баг интерфейса — это системная дыра в архитектуре AI-агентов, которая превращается в риск безопасности и денег.

0 118
И исследования ·17 авг 2026

ИИ впервые проверил самое сложное математическое доказательство: теорема о простых числах и будущее безопасного кода

Команда Axiom Math автоматически верифицировала доказательство «теоремы 246» — важнейшего результата о простых числах. Это первый случай полной AI-проверки столь сложного доказательства. Главное: технология готовится проверять AI-код, на котором скоро будет работать весь мир.

0 118
И инструменты ·18 авг 2026

ByteDance научил LLM писать CUDA-код быстрее компилятора: 2.11× против torch.compile

ByteDance и Tsinghua AIR выпустили CUDA Agent — систему RL, которая учит большую языковую модель генерировать GPU-ядра быстрее стандартного компилятора. На бенчмарке из 250 задач модель обгоняет torch.compile в 96.8% случаев с ускорением 2.11× в среднем, доказав, что LLM могут оптимизировать низкоуровневый код на уровне экспертов.

0 117
Р регулирование ·20 авг 2026

Пенсильвания показала, как регулировать дата-центры без новых законов — шаблон для всех

Губернатор Пенсильвании ввёл регулирование AI-дата-центров через существующие полномочия: разработчики обязаны подписать соглашение с фиксированными условиями (платят за инфраструктуру сами, раскрывают данные, теряют электричество первыми при перегрузке) — иначе штат не откроет их документы. Новых законов не потребовалось, шаблон опубликован в открытом доступе.

0 115
И инструменты ·19 авг 2026

Gradient accumulation не экономит время: практические тесты LoRA на T4 и L4

Пользователь протестировал LoRA-дообучение Qwen3-1.7B с разными комбинациями физического батча и gradient accumulation на T4 и L4. Оказалось, что при одинаковом effective batch (4) время обучения различается на 17-41% в зависимости от физического размера батча. Вывод: эффективный батч влияет на сходимость оптимизатора, но физический батч определяет скорость выполнения на GPU.

0 116