Posts of Адель и МЛь

С помощью GPT-6 Astra удалось поменять веса qwen 3.5-0.8B и вылечить зацикливание в его ризонинге. Что привело к скачку на MATH-500 с 7.9% до 48.1%. То есть Астра буквально посмотрела в матрицы весов квена (с парой тулов), покопалась там и поменяла 0.016% весов «руками» - никаких градиентных спусков. Но тоже оптимизация своего рода. Тут надо отметить, что скачок в бенче не означает , что модель поумнела в математике. По сути убрали зацикливание: до правки 93% ответов на MATH-500 упирались в лимит 32k токенов, после - всего 33%. На Gemma 3 270M, которая почти не зацикливается, прироста не получилось вообще, и авторы сами признают, что правка снимает помеху, но не добавляет отсутствующую способность. В твиторе конечно все подается под соусом «сделали квен умнее», но нас не проведешь. И все равно круто, что фронтир модель может просто заглянуть в веса другой модели, потыкать ее на бенчах и такая «ну, голубчик, разве тут 0.193 должно быть, ну что уж вы - тут 0.15» https://rikiyat.github.io/blog/weight-space-programming/

У меня есть сайд проект - играюсь с mean flow моделями. Обучил одну для колоризации ч/б фоток. Теперь пытаюсь понять, хорошо ли. Пройдите плиз слепой тест на 2 минуты - надо выбрать из двух колоризаций ту, которая кажется вам более естественной. Буду признателен каждому! 💖 👉 https://cmf-check.web.app Результатами поделюсь позже, вместе с деталями всего проекта.

На прошлой неделе был на Nvidia GTC в Берлине. Люблю, конечно, бывать на конференциях в живую - всегда такой драйв и много инсайтов. Из того, что особенно запомнилось: - Jensen вывел на сцену робо-уток, зал визжал - нвидиа теперь продает контейнеры (буквально), забитые гпу и всем необходимым для их работы. Там 145TB памяти, 25.2 EFLOPS на инференс в fp4 и стоит это дело ~$70 млрд (это без учета подготовки инфраструктуры). Доставить обещают за 14 дней. - чувак из openclaw сказал, что вот прям сейчас у него работает 87 агентов. Я даже не стал спрашивать, что же они такое делают. - DGX spark засунули в ноутбуки - назвали RTX spark. И в другую сторону - нарастили до полноценного ПК с 784Gb гпу памяти за $120к. - Берлин очень серый город. Пиво вкусное. А еще случайно и бесплатно я получил сертификацию нвидиа. Непонятно зачем - просто потому что могу 🙃

Ох зачем я это сделал - буду неделю рефлексировать. Местами смешно, местами грустно 🙃 Пишем в чатгпт: Based on everything you know about me, roast and don’t hold back. Say it in Russian slang Just like this, but add way more Russian swear words

Один из сотрудников OpenAI поместил в офисе какое-то хитрое записывающее устройство (жучка). Девайс обнаружили, натравили на него агентов ИИ и агентов ФБР. Сотрудника выявили и арестовали. «The employee was terminated.» 🤔 https://x.com/openainewsroom/status/2110095403198849132?s=46

Антропик изобретает гит заново, потому что клод кодит как сумасшедший. https://www.anthropic.com/engineering/redesigning-source-control В мае 2026 они мержили ~2 500 изменений в день, в сентябре уже 30 000+. За 4 месяца! Причём рост продолжается. История главной ветки монорепозитория занимает почти 100 ГБ. А CI выполняет около 25 миллионов checkout в день. Если бы при каждом checkout CI скачивал весь репозиторий целиком, это потребовало бы более 600 ПБ трафика в сутки. Ну они и создали собственную замену Git: Scion. Главное отличие - клиенты почти ничего не хранят локально, а сервер обрабатывает commits, merges, rebases, blame и историю. Архитектура рассчитана на агентов, которые всегда онлайн. Заявляют такие результаты: В 200 раз меньше CPU и RAM для инфраструктуры source control. Checkout ускорился примерно в 100 раз, с минут до секунд. CI освободил 25% вычислительных CPU-ресурсов. Пишут, что Mythos без специальных инструкций добился 20-кратного снижения потребления памяти и 4-кратного ускорения Появились AI-SRE-агенты, которых называют superfans. У каждого свой инфраструктурный компонент, доступ к логам и метрикам. Они непрерывно ищут аномалии, которые обычные алерты могут пропускать. Короче, ИИ-агенты заставляют переосмыслить всю инфраструктуру разработки, которая десятилетиями оптимизировалась под человеческую скорость. В то же время, надо оговориться, что Scion все таки не предназначен для замены Git в обычных проектах. Это решение для гигантских монореп и огромного количества AI-агентов. Но как скоро все мы там будем?

No text

Марио в Elden Ring видели? А Minecraft в GTA IV? Мододелы на кураже. AI Game Mashups - это люто, конечно Люди с помощью клод-кодов скрещивают разные игры. И это не AI-видео, а рабочие эээ игры(?). Ну как минимум демо. Работает это довольно интересно. Агент получает доступ к установленной игре, её бинарникам и инструментам вроде Ghidra и Frida. Изучает внутренности, ищет функции, пишет хуки, собирает моды и тестирует. Дальше два варианта. В Minecraft × GTA IV обе игры запущены одновременно: обмениваются координатами, камерой и событиями через WebSocket. GPU-композитор совмещает картинку с учётом глубины. Блоки Minecraft мешают машинам, а взрыв TNT вызывает настоящий взрыв в GTA. В Mario × Elden Ring по-другому: код физики и анимаций из Super Mario 64 через libsm64 подключают к Elden Ring и хуками связывают с её физикой мира. Работает Elden Ring, но двигается Марио как в оригинале. Для такого уже есть скиллы - например, Universal Modder. Снимаю шляпу перед креативностью и мотивацией людей.

No text

No text

No text

No text

No text

RYBE — одежда с твоим языком программирования (JavaScript, Python, QA, SQL, ML-engineer, Rust и другие) Где два айтишника могут познакомиться? В офисе и на конференции. Нам этого мало. Мы захотели объединить людей, у которых одни интересы. Дать возможность узнать друг друга. В метро, на прогулке, в офисе, на конференции, в походе, в баре, в самолёте. В каком-то смысле это мерч для твоего языка программирования. А что еще? - отшиваемся в Москве; - множество принтов с языками программирования (и не только); - плотный премиум-хлопок; - фичи типа люверсов для крепления пропуска, кармана для наушников и салфетки для очков, карман для телефона Выбирай свой язык, заказывай, дари, носи сам Тг канал: https://t.me/rybe_store Сайт: http://rybe.store/

Прошел DevDay OpenAI. Каждый раз он вызывает у меня чувство растерянности: показали кучу всего, при этом ничего нужного мне, как будто, нет и вообще стало как-то хуже чем было. Вот например показали плагины, которые показывали еще в 2023, и потом забыли, чтобы возродить в виде GPTs и GPT Store в 2023-2024, чтобы забыть и возродить в виде Apps в 2025, чтобы забыть и снова сделать плагины сейчас. Те же яйца, вид сбоку, как говорится. Очень, видимо, хочется нарастить экосистему вокруг чата гпт, но оно не приживается. Появилась подписка за $500, а мне и $100 жалко, если уж откровенно. При этом все тарифы порезали примерно в два раза и сказали «так будет лучше и эффективнее, trust us». Ввели Ultrafast, который съедает все лимиты за пару часов. Но это ладно, причуды богатых. Но я вот заметил, что Sol и Luna после DevDay впали в режим слоупока и это просто пытка ждать, пока они что-то сделают. Думается мне, что OpenAI перераспределяет компьют в пользу новых приоритетов. При этом работа с Claude Code и Opus 5.5 на контрасте доставляет неожиданное удовольствие и облегчение. И как будто даже Астра от Опуса ощутимо отстает. А что имел ввиду Сэм когда писал «Pretty excited for DevDay tomorrow. We have found a new thing.»? Что за new thing - кто-нибудь понял? Ну и типично для OpenAI у них полный расколбас с концептами и именами. В одном только приложении теперь есть Chat, Work, Codex, Dots и модели 5.6, 6, 6.1 - Луны нет в 6.1, Терра есть только в 5.6, Астра есть только в 6, а в 6.1 есть только Сол. При том что в Chat есть только 5.6 Sol (без про). В общем я ловлю себя на мысли, что кайфую от опуса - такой вот эффект от DevDays OpenAI.

Трамп только что переименовал ИИ в Супер Интеллект на Генассамблее ООН. Говорит, все официальные документы в США будут теперь использовать это название. И очень надеется, что весь мир тоже. Thank you for your attention to this matter, как говорится.

10 лет назад Ян ЛеКун писал о 500 поданных статьях на ICLR, одной из top-tier ML-конференций. Это было в два раза больше, чем годом ранее. В этом году сабмитов уже больше 60 тысяч. Это больше, чем за все предыдущие годы существования конференции вместе взятые. Финальное число наверняка упадёт с 60 тысяч до 45–50, что всё равно дофига. Уже все предыдущие годы число сабмитов росло примерно экспоненциально, но в этом году даже экспонента несколько растерялась. Организаторы при этом пребывают в лёгком шоке и активно думают, как это всё вообще ревьюить. Мне кажется, другого пути, кроме AI-assisted review, уже просто нет. Как ни крути, при таком объёме процесс придётся жёстко автоматизировать. Вопрос скорее в том, какую форму это примет и как сделать это правильно. Кто-то предлагает разделить статьи на разные ветки: проверенные классически и прошедшие ревью с помощью ИИ. Может быть, стоит вводить систему кредитов: как-то поощрять тех, кто готов на AI-review, и штрафовать тех, кто отправил к людям откровенный шлак и просто сжёг время рецензентов. Но что бы в итоге ни придумали, руками это всё уже не проверить. Качество автоматического ревью ещё предстоит обсуждать - качество отсутствующего ревью обсуждать немного сложнее. Такой вот слопакалипсис.

Если вы вайбкодите и работаете с Claude Code, не будучи разработчиком — знакомая ситуация: агент закончил задачу, а объясняет результат хешами коммитов и техническим жаргоном. Непонятно, реально ли всё готово, и что вообще произошло. Классное решение — Open Steps, бесплатный набор скиллов в свободном доступе. Да, это промо. Но я сначала сам попробовал Open Steps, прежде чем про него писать. Для моего собственного workflow я бы оставил ответы чуть более техническими, но для людей, которые строят продукты с Claude Code/Codex и не хотят каждый раз расшифровывать инженерный диалект помноженный на опус 5 mindfuck, идея очень здравая. И вообще проект хороший. Что делает: переводит ответ агента с «инженерного» на человеческий язык. Вместо «session TTL misconfig in auth middleware caused 401 cascades» вы получаете: «люди снова могут входить в аккаунт, баг починен, уже работает для всех» + чёткий вердикт — готово или нет, нужно ли что-то от вас, появился ли новый технический долг. Внутри 6 скиллов под разные ситуации: честный отчёт с вердиктом, простой ответ на вопрос, что делать дальше, перепроверка чужой сессии (не доверяет отчёту на слово), пошаговая инструкция, и перевод любого текста на простой язык. Полностью бесплатно, open source (MIT), ставится за пару минут — даже без терминала, просто попросите своего агента установить его самостоятельно. 🔗 opensteps.ai 🔗 Репозиторий: github.com/kharmanskyi/open-steps 🔗github.com/kharmanskyi

TIL Пока чатгпт генерирует изображение, можно поиграть в змейку - просто тапните на поле. А потом пальцем свайпайте куда змейке двигаться.

Занятно, что ИИ решает одну за другой сложные математические проблемы находя контрпримеры и противоречия. Не находите? (Все равно впечатлен, конечно. Мое почтение 🎩 )