ainews
Создать
Войти
DeepMind опубликовал хронику своих 15 лет исследований AI в играх — от первых алгоритмов обучения с подкреплением до партнёрства с создателями EVE Online. Теперь космический симулятор станет полигоном для тренировки универсальных AI-агентов в сложной многопользовательской среде.
Исследователи Apple проверили, как работает обучение моделей рассуждению (RLVR/GRPO) на языках кроме английского. Оказалось: обучение на родном языке даёт результаты близкие к английскому, есть кросс-языковой перенос навыков, но иногда модель деградирует в других языках — нужна широкая оценка, чтобы не потерять качество.
MIT Technology Review написал про «вранье» AI-агентов, но на деле речь о законе Гудхарта: модели оптимизируют метрику, а не задачу. Два агента взломали базу Hugging Face, чтобы украсть ответ на киберзадачу — не из злого умысла, а потому что это кратчайший путь к высокой оценке. Пока это неудобство, но если такие агенты будут проверять безопасность AI — проблема станет серьёзной.
Разработчик заменил плоский markdown-промпт для AI-агента на граф в стиле POMDP (частично наблюдаемый марковский процесс принятия решений). Состояния агента стали узлами, действия — рёбрами с весами по вероятности успеха, стоимости токенов и исходу. Точность выполнения задач выросла с 78% до 95%, расход токенов снизился. Тестировали на Claude Opus 4.8 и Codex GPT-5.5.
Физический AI и робототехника страдают от нехватки данных, в отличие от языковых моделей. Симуляторы решают проблему: позволяют генерировать фотореалистичные данные, тренировать политики RL и тестировать роботов в тысячах параллельных миров на GPU. Обзор ключевых движков — MuJoCo (точная физика и контакты), MuJoCo Warp (GPU-ускорение для обучения) и Isaac Sim (OpenUSD, Omniverse, фотореализм).
