Machinelearning

⚡️ Claude Sonnet 5.5 Sonnet 5.5 - вторая модель линейки 5.5 после Opus 5.5. Anthropic позиционирует её как более быстрое и дешёвое дополнение к Opus 5.5 для чётко поставленных повседневных задач - исправления багов, подготовки документов, презентаций и таблиц. По замерам, Sonnet 5.5 генерирует ответ на 30% быстрее Sonnet 5 и за счёт меньшего расхода токенов обходится до 30% дешевле за задачу. Это первая модель Sonnet, прошедшая Pokémon Red только по скриншотам экрана. 🟡Бенчмарки В Terminal-Bench 4.0, тесте агентного программирования в командной строке, Sonnet 5.5 набрала 70,6% против 10,3% у Sonnet 5 и 66,4% у Opus 5.5 на её лучшем уровне усилий. В OSWorld 2.1, тесте на управление компьютером, у новой модели 80,1% против 81,8% у Opus 5.5 и 57% у Sonnet 5. В GDPval-AA, где модели выполняют рабочие задачи из 44 профессий, Artificial Analysis насчитала Sonnet 5.5 1844 балла против 1846 у Opus 5.5 и 1449 у Sonnet 5, но тестировала предрелизную версию с багом в структурированном выводе. Sonnet 5.5 стала первой моделью семейства с кибер-защитой - она сопоставима с Opus 5, поэтому запросы повышенного риска переадресуются на Sonnet 5. Кроме того, модель получила классификаторы против дистилляции, которые мешают извлекать её рассуждения. Sonnet 5.5 уже доступна в приложениях Claude, через API под идентификатором claude-sonnet-5-5, а также в AWS, Google Cloud и Microsoft Azure. Цена не изменилась: 2 доллара за миллион входных токенов, 10 долларов за миллион выходных и 0,20 доллара за миллион токенов при чтении из кэша. Haiku 5.5 обещают в ближайшие недели. @ai_machinelearning_big_data #news #ai #ml

Без текста

Без текста

📌 Dream-RSI: агент улучшает стратегию поиска решений на основе прошлых запусков Google опубликовала Dream-RSI - надстройку над агентами, которые ищут решения перебором: пишут код, прогоняют его через оценщик и дорабатывают лучшие варианты. Концепт управляет стратегией исследования, решая, какие варианты развивать, сколько попыток запускать параллельно и когда остановиться. Модель, агент и оценщик при этом не меняются, самосовершенствуется только код стратегии. 🟡Механика Каждый запуск сохраняется как дерево попыток, где узел хранит версию решения, диагностику и оценку. Это дерево используется как симулятор - альтернативная стратегия проходит по записанным ветвям в другом порядке, с другой параллельностью и другими точками остановки, а результаты берутся из записей без новых вызовов агента. Отдельный агент на базе языковой модели несколько раз переписывает код стратегии, каждую версию прогоняют по всем накопленным деревьям, и в следующий раунд уходит лучшая. Оценка складывается из лучшего найденного результата, штрафа за число попыток и бонуса за параллельность. Прежняя стратегия тоже участвует в отборе, поэтому на записях прошлых запусков новая версия по оценке не уступает старой. 🟡Тесты В задаче ускорения решателя Lasso версия на Gemini 3.1 Pro снизила среднее время работы на шести отложенных наборах данных с 3587 до 2931 мс и потратила 317 вызовов агента вместо 550. В математических задачах результат смешанный: в задаче сумм и разностей 1,145427 против 1,143975 у SimpleTES, в упаковке кругов ничья, в неравенстве автокорреляции результат хуже собственной базы. В третьей серии агент ускорял операции нейросетей на видеокарте из набора KernelBench. Для сети VGG16 и слоя нормализации LayerNorm Dream-RSI достиг той же скорости, что и база, за в 2,43 и 1,79 раза меньшее число попыток. Для двух связок свёртки с делением и с выбором максимума он при том же числе попыток нашёл код быстрее базового в 2,09 и 1,44 раза. Пока доступны только статья и страница проекта с интерактивной демонстрацией.  Код и скрипты для воспроизведения Google обещает выложить позже. 🟡Страница проекта 🟡Техотчет 🟡Демо 🖥GitHub @ai_machinelearning_big_data #AI #ML #RSI #Agents #DreamRSI #Google

🦾 Практический RecSys: собери рекомендательную ленту с помощью ML — на бесплатном вебинаре AI Talent Hub × Karpov.Courses 30 сентября в 18:00 разберем как работают рекомендательные системы изнутри. Научим: → Превращать действия пользователей в данные для модели: просмотры, клики, реакции и другие сигналы; → Собирать персональные рекомендации и понимать, что показать конкретному пользователю; → Ранжировать контент в ленте и оценивать качество рекомендаций не только по ML-метрикам, но и с точки зрения продукта; И покажем, как эти навыки можно развить на программе AI Talent Hub ИТМО × karpovꓸcourses «Машинное обучение: от технической базы до создания ИИ-продукта». 👉 Участие бесплатное, по предварительной регистрации → успей зарегистрироваться до 30 сентября @aitalenthubnews

🤖 Робот сначала ошибается в симуляции, а потом исправляет движение до попытки в реальном мире. Sakana AI и Токийский университет представили SAIL. Модель получает несколько примеров выполнения задачи и предлагает траекторию. Её проверяют в симуляторе, другая модель смотрит видео и отмечает, где робот перестал продвигаться к цели. Затем система меняет неудачный участок и пробует снова. На физический манипулятор отправляют только выбранную траекторию. В симуляции робот выполнял шесть разных задач. Одна попытка выбрать движение приводила к успеху в 25% случаев. Когда SAIL могла проверить и улучшить до 45 вариантов, успех вырос до 73%. Затем метод испытали на настоящем роботе: в одной задаче он справился 5 раз из 6. Пока это проверка на одной физической задаче, но идея наглядная: дать модели больше попыток *до* движения робота, не переобучая её. Блог - https://pub.sakana.ai/sail/ Статья - https://arxiv.org/abs/2603.08269 @ai_machinelearning_big_data #Sakana

⚡️ OpenAI сосредоточила большую часть исследований на GPT-7, GPT-8 и следующих поколениях Глава Applied Research OpenAI Борис Пауэр заявил, что около 80–90% исследовательской работы компании уже направлено на GPT-7, GPT-8 и более поздние поколения моделей. По его словам, улучшения внутри одной генерации рассматриваются скорее как краткосрочная задача. Основной долгосрочный фокус - на создании более мощных frontier-моделей. Пауэр также отметил, что мощную модель вроде GPT-6 Astra можно использовать для обучения более лёгких моделей класса Luna. Отдельно он подчеркнул, что сейчас проблема заключается не только в качестве самих моделей: многие пользователи всё ещё не используют значительную часть возможностей уже существующих AI-систем. @ai_machinelearning_big_data #OpenAI

Вопрос уже не в том, нужен ли ИИ, а в том, как его внедрять и масштабировать Найдем ответ на бесплатной конференции 8 октября Все об эффективном и безопасном внедрении ИИ в бизнес расскажут эксперты топовых технологических компаний на конференции Selectel ТехноДень в Москве. На повестке: 🔺Как использовать генеративный ИИ в компании без хаоса и получать от этого измеримый эффект: от теории до реальных кейсов. 🔺Как ускорить внедрение ИИ в бизнес-процессы и минимизировать риски для бизнеса с помощью инструментов ИБ. 🔺Какую ИТ-инфраструктуру выбрать для инференса и обучения моделей. Кроме 20 экспертных докладов и 20 интерактивных стендов, в финале вечера вас ждет живая запись подкаста Вселенная Плюс на главной сцене конференции. Присоединяйтесь к Selectel ТехноДень, чтобы лично задать вопросы экспертам рынка и обменяться опытом. Количество мест ограничено, регистрируйтесь уже сейчас → Реклама. АО "Селектел". erid:2W5zFG5D5TF

✔️ Gemini получит функцию исходящих звонков и навигации по IVR-меню Google тестирует функцию Call for Me, с которой агент Gemini самостоятельно звонит в организации от имени пользователя. На этапе пилота инструмент доступен в США в бета-версии приложения «Google Телефон» для пользователей Pixel 11 с платной подпиской Gemini. Агент совершает исходящие звонки с реального номера абонента, ориентируется в IVR-меню, ждет на линии ответа оператора и передает заранее согласованные данные. Среди сценариев заявлены бронирование ресторанов, перенос записей и проверка наличия товаров. Во время разговора на экране транслируется реалтайм-стенограмма. Пользователь может контролировать процесс и перехватить управление в любой момент. Закрытый характер тестирования в Google объясняют необходимостью дополнительной калибровки модели для работы с нелинейными живыми диалогами перед глобальным релизом. @ai_machinelearning_big_data #news #ai #ml

✔️ Claude Code не будет обрывать сессии при достижении 5-часового лимита При достижении 5-часового лимита использования Claude Code перестанет резко обрывать сессии. Агент завершит текущую задачу на логическом этапе, используя фиксированный резерв из недельной квоты. Функция разворачивается постепенно и зависит от подписки. На тарифе Pro резерв для закрытия задач срабатывает один раз в неделю. Пользователям Max и Team Premium он доступен при каждом достижении 5-часового лимита. Для продолжения работы после автоматического завершения сессии потребуются дополнительные кредиты. @ai_machinelearning_big_data #news #ai #ml