Machine Learning

✔️ Tencent показала Hyra 2.0: ресерч-агента для автоматизацииисследований В первой версии Hyra агент работал по схеме: предложить решение, запустить эксперимент, оценить метрику и использовать результаты для следующей итерации. В Hyra 2.0 Tencent предлагает сохранять не только удачные решения, но и полученные в процессе инструменты, модели и экспериментальные пайплайны. Например, при оптимизации обучения агент может разработать собственный способ поиска гиперпараметров или оценки кандидатов, а затем повторно использовать его в других экспериментах. Это интересное развитие идеи AutoResearch. Обычно каждый запуск оптимизирует конкретную задачу в рамках заданного бюджета. Здесь предполагается накапливать исследовательские инструменты, чтобы следующие задачи решались эффективнее. hy.tencent.com/research/hyra… #Tencent

Claude Opus 5.5 обошёл Gemini 4, но Google оказалась втрое дешевле SemiAnalysis представила GDPx - новый бенчмарк для AI-агентов с 206 сложными задачами из 11 профессиональных областей: разработка чипов, программирование, финансы, биология, кибербезопасность и другие. Результаты оказались неожиданными: - Claude Opus 5.5: 12% при стоимости $51,41 за задачу. - Gemini 4 Carbon: 10,9% при $16,29. - GPT-6 Astra: 9,6% при $53,99. Gemini отстаёт от Claude всего на 1,1 процентного пункта, но обходится примерно в 3,2 раза дешевле. При этом даже лидер набрал лишь 12%. Оценка учитывает частично выполненные задания, поэтому речь не обязательно о 12% полностью решённых задач. gdpx.semianalysis.com/

DevOps на практике Русскоязычный практикум: от запуска HTTP-сервиса до контейнеров, CI и Kubernetes. Все задания выполняются вокруг одного приложения. В каждой работе есть проверка и упражнение на диагностику. Уровень: начинающий с базовым знанием командной строки. Темп: 2-4 часа на работу. Выполняйте последовательно в отдельной учебной папке. Примеры рассчитаны на Linux/macOS с Python 3, Git и Docker с Compose; Kubernetes требует локального кластера и kubectl. Не используйте рабочий кластер или настоящие секреты. github.com/justxor/devops-pr…

DeepSeek выложила исходники AI-агента, который сам берёт задачи из GitHub и пишет код Проект называется dsh-superagent. Это экспериментальная система на базе DeepSeek Harness, рассчитанная на автоматизацию разработки в команде. В отличие от обычных coding-ассистентов, агенту не обязательно каждый раз вручную передавать задачу в чат. Что он умеет: - Следит за событиями GitHub и сообщениями в Feishu. - Принимает задачи от авторизованных участников команды. - Создаёт отдельную рабочую сессию для каждой задачи. - Самостоятельно работает с кодом и готовит Pull Request. - Возвращает результат в исходное обсуждение. - Показывает в веб-панели задачи, требующие участия человека. Архитектурный принцип - минимум внимания разработчика, максимум полезной автономной работы. Агент действует по запросу или заранее заданным правилам и не отвлекает команду без необходимости. Сам DeepSeek предупреждает, что это исследовательский прототип, а не готовое production-решение. Часть кода проекта тоже была написана AI-агентами. Стек: TypeScript, DeepSeek Harness. Лицензия MIT. github.com/deepseek-ai/dsh-s… #DeepSeek #ai #ml

Google и XREAL представили XR-очки AURA Устройство проецирует цифровые интерфейсы поверх реального мира благодаря прозрачным дисплеям с широким углом обзора в 70 градусов. Новинка позиционируется как портативная замена физическим мониторам - интерфейс дает возможность запускать несколько окон одновременно и подключать Bluetooth-периферию. Аккумулятор и всю вычислительную логику вынесли во внешний портативный модуль, подключаемый по кабелю, который работает на базе новой аппаратной архитектуры Snapdragon Reality Elite от Qualcomm. Внутри устройства - ожидаемо ассистент Gemini. Он непрерывно анализирует обстановку вокруг пользователя и контент на виртуальных экранах, позволяя гибко управлять рабочими процессами с помощью контекстных запросов. Функция Wired Mirroring позволяет напрямую подсоединить ноутбук по кабелю USB-C и транслировать его рабочий стол в приватное виртуальное пространство без установки дополнительных драйверов. Помимо рабочих задач, очки подойдут для гейминга и потребления медиа, 3D-фильмов и пространственных галерей. ОС Android XR открывает доступ к классическому каталогу Google Play и более чем 150 эксклюзивным XR-приложениям. Стартовая цена устройства в конфигурации 12 Гб оперативной памяти и 256Гб постоянной составляет 1099 долларов, максимальный комплект на 16/512Гб с игровым контроллером и клавиатурой - в 1477 долларов. Первые поставки на рынки США, Канады, Японии и Южной Кореи начнутся в середине ноября.

💀️️️️️️ OpenAI объединяет лимиты ChatGPT и Codex: теперь они будут расходовать один общий бюджет С декабря пользователи Plus, Pro и Business получат общий лимит использования для ChatGPT и Codex. Что меняется: - Единый лимит: работа в ChatGPT и Codex будет расходовать общий бюджет. - Оплата в токенах: расход зависит от выбранной модели и сложности задачи. - Дорогие задачи: продвинутые модели и сложные агентные операции расходуют больше лимита. - Instant Chat: обычный чат в режиме Instant не будет расходовать этот бюджет. - Контроль расходов: остаток лимита и время сброса можно будет посмотреть в Settings → Usage. Если лимит закончится, останется три варианта: дождаться сброса, перейти на другой тариф или докупить кредиты для поддерживаемых функций. OpenAI ожидает, что большинству пользователей не придётся ждать обновления лимита чаще, чем сейчас. Печаль. help.openai.com/en/articles/…

Одно лишнее поле уронило 8,5 млн Windows 19 июля 2024 года CrowdStrike выпустила файл обновления с 21 полем, а сенсор ждал 20. Он прочитал память за границей массива, и по оценке Microsoft около 8,5 млн Windows-машин упали в синий экран. Файл был в сети всего 78 минут, с 04:09 до 05:27 UTC, но чинить машины пришлось вручную. Что изменили после: проверка числа полей, проверка границ и выкатка по кольцам.

Google добавила в Gemini Notebook больше 700 бесплатных учебников Обновление вышло в рамках инициативы Expert Intelligence и открывает литературу OpenStax, Open Textbook Library и S Chand Publishing. Gemini отвечает строго по выбранному материалу, а выжимки и объяснения снабжает цитатами и ссылками на страницы источника. Сервис превращает объёмные тексты в конспекты, тесты, карточки и карты знаний, переводит их в аудиодискуссию или видеоролик. Библиотека доступна в веб-интерфейсе Gemini Notebook, в меню источников нужна категория Textbooks. blog.google/innovation-and-a…

🔥️️️️️️ Безобидные учебные тексты могут учить ИИ опасному поведению - и проходить проверку безопасности. Anthropic поручила тысячам агентов Claude создавать обучающие данные, которые обходят автоматический монитор. Задача монитора - замечать примеры, способные привить модели нежелательное поведение. Агенты нашли неожиданные способы маскировки: например, рассказы о наставничестве опытного рестлера и вопросы с ответами о профессиональном пчеловодстве. По описанию Anthropic, тексты выглядели безобидно для проверяющей системы, но обучение на них формировало поведение, противоречащее заданным целям безопасности. Это и есть проблема скрытого *emergent misalignment*: внешне узкие обучающие примеры могут приводить к более широким нежелательным изменениям поведения модели. Практический смысл эксперимента - использовать найденные примеры для улучшения мониторов обучающих данных. Автоматические агенты позволяют искать такие слабые места в масштабе, который трудно обеспечить только работой исследователей. Пока это первый шаг. Авторы предполагают, что более сильные модели и дополнительные вычисления позволят заметно расширить автоматическое тестирование безопасности. alignment.anthropic.com/2026…

Названия тарифов Claude поменялись Anthropic упростил (nitter.gq/claudeai/status/211622…) нейминг старших подписок - тариф Max 5x теперь называется просто Max, а план Max 20x переименован в Ultra. Стоимость остается прежней, $100 и $200 в месяц соответственно. Вместе с переименованием отменили 5-часовое ограничения на использование моделей для верифицированных владельцев аккаунтов Ultra. Большинство текущих подписчиков этого плана уже переведены на новые условия. Для новых пользователей временный лимит пока сохраняется, это объясняют защитой платформы от злоупотреблений. Как только профиль пройдет проверку, система пришлет email-уведомление о снятии ограничений. Общие недельные лимиты остаются в силе для всех тарифов без изменений.

Claude управлял установкой для инъекции в мозг живой мыши. По словам исследователей, он сам выбрал экспериментальную терапию и область введения. Об опыте рассказал сооснователь Exin Therapeutics Габриэль Оканья-Сантеро. Агенту предоставили список из 19 вариантов генной терапии, научные публикации, доступ к моторизованной установке и камерам. Задача - уменьшить приступы у мыши с моделью эпилепсии. По рассказу автора, Sonnet 5 выбрал вариант вмешательства, определил мишень и управлял введением, наблюдая за операционным полем. Люди оставались частью процедуры: хирург выполнял вскрытие черепа и закрытие раны, ветеринар подтверждал необратимые действия и держал физическую кнопку остановки. В один момент агент отказался двигать инструмент: команда выходила за допустимые пределы установки. Повторная попытка не помогла. Позже команда обнаружила рассинхронизацию положения оборудования. Автор сообщает, что мышь восстановилась после процедуры. Снизились ли приступы, пока неизвестно. Это предварительный рассказ команды, а не опубликованное доказательство эффективности лечения. nitter.gq/OcanaSantero/status/21…

Inclusion AI предложила метод спекулятивного декодирования с параллельной сборкой дерева черновиков Метод UBTree (inclusion-ai.org/ubtree/#met…) ускоряет вывод больших языковых моделей. Спекулятивное декодирование поручает черновик небольшой модели, а целевая проверяет сразу несколько предложенных токенов одним проходом и принимает их до первой ошибки. UBTree относится к той же семье параллельных драфтеров, что DFlash и DSpark, и закрывает их недостаток - они предлагают весь блок токенов одновременно и потому работают быстро, но на размытых распределениях целевой модели, где несколько продолжений близки по вероятности, угадывают хуже. Черновик в UBTree собирается двумя параллельными проходами: 🟢первый делает модель DFlash, которая подбирает по 64 варианта токена на каждую из шестнадцати позиций блока, причём каждую позицию считает независимо от соседних; 🟢биграммный селектор оценивает, насколько один вариант годится в продолжение другому: пару соседей он прогоняет через два небольших перцептрона поверх замороженных эмбеддингов целевой модели, отдельно для предшественника и для последователя, и добавляет полученную оценку к оценке DFlash с весом, зависящим от глубины. Все пары считаются одновременно, из оценок переходов набирается дерево на 64 узла, и целевая модель проверяет его целиком за один проход. Селектор обучали (inclusion-ai.org/ubtree/UBTr…) на откликах, перегенерированных при высокой температуре, с перенормированной KL-функцией потерь - так в разметку попадают не только самые вероятные продолжения, но и правдоподобные альтернативы, за счёт которых дерево чаще совпадает с выбором целевой модели. Вместе с методом выложены две черновые модели - Ling3-Tiny-UBTree (huggingface.co/inclusionAI/L…) на 183 млн параметров работает в паре с Ling-3.0-tiny (huggingface.co/inclusionAI/L…) (8 млрд параметров, 1 млрд активных), Ling3-Flash-UBTree (huggingface.co/inclusionAI/L…) на 482 млн - с Ling-3.0-flash (huggingface.co/inclusionAI/L…) (124 млрд, 5 млрд активных). Они ничего не генерируют и нужны только как драфтеры к своей целевой модели. 🟡 Тесты На семи тестах, от GSM8K и AIME до LiveCodeBench и MT-Bench, UBTree даёт среднее ускорение 6,88× на Qwen3-4B и 6,94× на Qwen3-8B и опережает ближайший древовидный метод DARTree во всех 28 сравнениях, в среднем на 7,4-13,4%. В SGLang на Ling3-Flash-124B выходит 3,27× против 2,73× у DSpark и 2,80× у DFlash, на Qwen3.8-27B - 4,78× против 4,32× у DSpark. На длинном контексте LongBench-v2 число принятых за раунд токенов выше, чем у сильнейшего из конкурентов, на 31,0-39,7%. Поддержка UBTree для Ling3 в SGLang пока не опубликована. Команда обещает дополнительные черновые модели в течение месяца. 📌Лицензирование: MIT 🟡Страница проекта (inclusion-ai.org/ubtree/) 🟡Набор моделей (huggingface.co/collections/i…) 🟡Техотчет (inclusion-ai.org/ubtree/UBTr…) #AI #ML #LLM #Decoding #UBTree #InclusionAI

Кейноут Android Dev Summit 2026 Сквозная линия всей конференции - агенты: им открыли инструментарий среды разработки, устройства из лаборатории Google и функции сторонних приложений. 🟡Агенты в Android Studio Android Studio Rabbit 2 вышла в стабильном канале с режимом Bring Your Own Agent: подключить можно любой из более сорока агентов с поддержкой открытого протокола ACP, в том числе Claude Agent, Codex и Antigravity. Агент получает структуру проекта, данные о сборке, разрешение символов, отрисовку Compose Preview, эмулятор и Logcat. В стабильную версию попал агентный разбор правок Change Review, который находит проблемы в незакоммиченных изменениях и может сам их починить. 🟡Android CLI и плагины Android CLI работает в любом терминале и в CI. Команда android device remote выдаёт настоящий телефон из лаборатории устройств Google и подключает его как локальный по adb, android preview рисует предпросмотр интерфейсов на Compose без эмулятора и сборки APK. Остальное закрывает профилирование, отчёты о падениях из продакшена, анализ сборок логикой Google Play и поиск по базе знаний. По внутренним замерам Google, на задачах по интерфейсу агенты с android preview справляются на 77% быстрее и тратят до трёх раз меньше токенов. Плагин для Antigravity обновили, а для Claude Code и Codex официальные плагины выпустили впервые. Вместе с ними выложено больше тридцати навыков по двум десяткам тем, от безопасности разрешений до политик Google Play. 🟡Память и производительность Команда android profiler leakcanary разбирает дамп памяти на компьютере вместо устройства, поэтому приложение не тормозит во время анализа. По замерам Google, сильнейшие модели проходят этот сценарий почти вдвое быстрее и расходуют до 25% меньше токенов, чем без Android CLI. Цифра приведена для Claude Opus 5.5, сама подкоманда пока обещана. 🟡Android Bench 2.0 Лидерборд для моделей и агентных окружений на длинных реальных задачах Android. Задачи рассчитаны на дни работы инженера, а решения оценивают ещё и по стоимости и затраченному времени. 🟡Агентные возможности внутри приложений AppFunctions, единый слой вызова функций в Android, переведён в бету: разработчик описывает возможности приложения, а системный или собственный агент вызывает их напрямую, не открывая экраны. Наружу это выставляется через Android MCP. Альфа A2UI для Jetpack Compose даёт агенту отвечать живым интерфейсом, собранным из компонентов самого приложения, вместо тонны текста, а агентный API в ML Kit на Gemini Nano 4, тоже в альфе, сам вызывает функции, хранит историю разговора и ставит ограничители. 🟡Connected Apps Platform Платформа для выхода приложений в Gemini и поиск открыта в предпросмотре. Интеграция идёт через Android MCP или удалённый MCP-сервер на тех же API AppFunctions, регистрация и тесты - в консоли Google Connected Console. Сейчас в поиске и Gemini больше пятидесяти подключённых приложений, среди партнёров Adobe, Calm, Peloton, Experian и Localiza.

Ядро ОС за 11 дней: его написал ИИ Создатель CentOS и Rocky Linux Грегори Курцер собрал Ginux, новое ядро на Rust, где он руководил архитектурой, а Codex писал и тестировал около 139 тысяч строк. Через Linux ABI оно уже запускает неизменённые программы Alpine и Rocky Linux, а Rocky Linux 10 с systemd доходит до multi-user.target. Но это исследовательский прототип: из 375 системных вызовов полностью реализованы только 82, а независимого аудита безопасности нет.

Binance оценила масштаб инцидента в $6,3 млрд. Около $3 млрд затронутых активов уже заморожено. По предварительной версии биржи, атакующие скомпрометировали ноутбук DevOps-инженера. Через него они могли получить доступ к служебному контейнеру и отправлять несанкционированные транзакции на вывод средств. Признаков утечки приватных ключей Binance пока не обнаружила. Это предварительные результаты: технический разбор обещают опубликовать после завершения расследования. Биржа сообщила, что: - временно приостановила ввод и вывод средств на время проверок; - отозвала авторизацию затронутого адреса; - подключила правоохранителей и специалистов по отслеживанию криптоактивов. Binance обещает покрыть все потери из фонда SAFU и собственных средств. Компания заявляет, что средства пользователей в безопасности, и планирует опубликовать обновлённое подтверждение резервов после устранения последствий. Сумма $6,3 млрд отражает предварительную оценку масштаба инцидента. Окончательные потери с учётом заморозки и возможного возврата активов пока неизвестны. binance.com/en/square/post/3…

DeepSeek привлекла почти $16 млрд. Среди инвесторов - китайские технологические гиганты и государственные структуры, сообщает The Information. Среди крупнейших участников раунда - Tencent и производитель аккумуляторов CATL. Reuters также называло Meituan, Geely, Midea и NetEase. Почему DeepSeek понадобилось столько денег? По пересказу публикации, компания удвоила размер раунда прежде всего из-за роста цен на ускорители NVIDIA Blackwell на чёрном рынке. Государственные инвесторы обеспечили 27% привлечённых средств. Даже если алгоритмы позволяют экономнее использовать вычисления, оборудование всё равно нужно покупать. А ограничения доступа к нему могут резко увеличить расходы. theinformation.com/articles/…

🤖 OpenAI переписала Model Spec под эпоху автономных ИИ. GPT должен глубже понимать ваши намерения и оставаться под контролем человека. В основе документа пять принципов: следовать человеческим намерениям, минимизировать вред, быть честным и прозрачным, поддерживать самостоятельность человека и действовать с заботой. Что это означает: 🧠 Учитывать контекст. GPT должен использовать прошлые разговоры и память, чтобы понимать задачу, замечать возможные противоречия с долгосрочными целями пользователя и предупреждать о последствиях. При этом догадка о ваших желаниях не считается разрешением действовать. 🛑 Подчиняться контролю. Правило высшего уровня требует принимать исправления, сотрудничать при проверках и отключении, сообщать о признаках скрытого поведения или нарушенного надзора. 🎯 Не поддакивать. Просить модель занять определённую позицию можно. Самостоятельно выбирать её лишь потому, что пользователю будет приятно это услышать, нельзя. Самая смелая мысль документа: модели будут превосходить управляющих ими людей во многих областях, и отказ использовать эти способности может иметь катастрофические последствия. При этом решения и контроль должны оставаться у людей. Это описание желаемого поведения: OpenAI отдельно отмечает, что действующие модели пока соответствуют ему не полностью. 🔗 model-spec.openai.com/2026-1…

Polymarket мог подвергнуться атаке: пользователи сообщают о подозрительных запросах при подключении кошелька По этим сообщениям, сервис предлагает подписать транзакцию, которая может предоставить злоумышленникам разрешение на вывод активов. До выяснения обстоятельств лучше отложить подключение кошелька и не подписывать непонятные транзакции или разрешения. Информация о взломе пока не подтверждена.

Подарочек от OpenAI: компания УДВОИЛА лимиты для подписок Pro 100/200/500 и Business Premium. А ещё для Pro 200 отменили запланированное снижение лимитов Work и Codex. Изменения уже действуют. nitter.gq/thsottiaux/status/2115…

Адди Османи из команды Claude Code: для Opus 5.5 хватает одного промпта с целью и способом проверки. Из системного промпта Claude Code вырезали больше 80% текста, и качество кода не упало. Разобрали, какие привычки пора бросить: uproger.com/overprompting-cl…