Войти

Популярное за неделю

И исследования ·16 июл 2026

Как проверить утверждения о данных, не пересчитывая их самостоятельно

Исследователи из Apple разработали интерактивную систему доказательств, которая позволяет проверить корректность сложного статистического анализа без его полного повторения. Вместо того чтобы самостоятельно обрабатывать все данные, можно проверить утверждения аналитика по небольшой выборке — с гарантией достоверности. Система работает для широкого класса свойств распределений и эффективна как для проверяющей, так и для доказывающей стороны.

0 197
И инструменты ·15 июл 2026

Как мы научились строить AI-агентов на примере Shippy: архитектура для реальных решений

Команда Ai2 поделилась архитектурой морского AI-агента Shippy, который помогает аналитикам принимать решения в реальном времени. Главный урок: надёжность важнее модели. Агент состоит из трёх слоёв — «душа» (система промпт), навыки (markdown-файлы) и конфиг (LLM, фреймворк). Чтобы избежать ошибок, инструменты агента делают детерминированными: вместо прямых API-вызовов — CLI с типизацией и самодокументацией.

0 214
И исследования ·15 июл 2026

Почему ИИ проваливает тесты, которые проходит годовалый ребёнок

Исследователи из Meta, Stanford и других университетов создали тест EgoBabyVLM, который показывает видео с камер на головах младенцев современным AI-моделям. Результат: передовые модели провалились, не справившись с тем, что младенцы усваивают легко. Оказалось, что дети учатся из хаотичного потока информации — жестов, взглядов, разговоров о невидимых объектах — используя мультимодальный опыт и минимум данных. Это ставит под вопрос текущую архитектуру ИИ и намекает, что эволюция встроила в мозг что-то, чего нет в трансформерах.

0 155
М модели ·15 июл 2026

Thinking Machines Lab выпустила Inkling — MoE-модель на 975 млрд параметров с управляемыми «усилиями мышления»

Thinking Machines Lab представила Inkling — первую собственную модель с открытыми весами на базе Mixture-of-Experts (975 млрд параметров, 41 млрд активных). Модель поддерживает текст, изображения и аудио, работает с контекстом до 1 млн токенов и умеет управлять «усилиями мышления» — пользователь может выбирать, сколько токенов модель потратит на решение задачи, настраивая баланс качества, скорости и стоимости.

0 146
И исследования ·15 июл 2026

Новая архитектура внимания на FFT: 128K контекста на CPU ноутбука вместо GPU

Независимый исследователь разработал альтернативу стандартному механизму внимания в LLM — Wave Field, основанную на FFT-свёртке. Утверждает O(N log N) при обучении и O(1) при инференсе, что даёт 80+ токенов/сек на CPU ноутбука при контексте 128K токенов, где обычное внимание падает от нехватки памяти. Модель 130M параметров показывает ~47% в zero-shot бенчмарках против 26,5% у GPT-2 124M. Код открыт, автор просит независимое тестирование.

0 216
Б бизнес ·15 июл 2026

Реальная стоимость reasoning-токенов для автономных агентов в 2026 году

Автор подробно разбирает экономику AI-агентов на реальных цифрах: то, что выглядит как $3 на пользователя в месяц при наивном расчёте, превращается в $25–60 из-за скрытых reasoning-токенов, retry-логики и реальных моделей. При типичной выручке $57/месяц на пользователя это съедает 44–100% дохода, делая автономных агентов убыточными или маржинальными.

0 156
Б бизнес ·15 июл 2026

Корпорации называют агентами обычные чатботы — и платформы выбирают не за оркестрацию, а за модель

Опрос 101 крупной компании показал: 40% используют Claude как основную платформу для AI-агентов, но 71% признают, что большинство их «агентов» — это обёртки над чатботами, а не настоящие многошаговые воркфлоу. Платформы выбирают не за инструменты оркестрации, а за качество базовой модели, при этом 27% компаний вообще не могут остановить «сбежавшего» агента в реальном времени до прихода счёта.

0 182
И исследования ·15 июл 2026

Воспроизводимость начинается до запуска первого промпта

Автор объясняет, почему результаты оценки языковых моделей часто невозможно воспроизвести: ключевые решения принимаются ещё до тестирования. Две команды с одним и тем же вопросом к одной модели могут получить разные результаты из-за различий в версиях модели, системных промптах, параметрах, окружении и методике скоринга.

0 184
И исследования ·15 июл 2026

Как заставить ИИ признаться, что он не уверен: тест 9 методов оценки надёжности LLM

Сравнили 9 способов понять, насколько LLM уверена в ответе — от простого «оцени себя по шкале 0-100» до анализа внутренних состояний модели. Победил метод «спроси других моделей», а вот просить ИИ оценить свою уверенность словами — провал: модели обучены звучать самоуверенно и кластеруются в диапазоне 80-100% независимо от правильности ответа.

0 182
Д другое ·15 июл 2026

Шрифтовой дизайнер объясняет, почему нейросети никогда не создадут новую букву

Буквы — результат эволюции длиной 3500 лет, каждая форма несёт отпечаток живых людей: от первого рисунка быка в шахте до римского каллиграфа с кистью. ИИ не может продолжить эту традицию, потому что у него нет рук, культуры и опыта — он лишь ремиксит тени прошлого из обучающих данных 2021 года.

0 181