Роботы заменят нас? Если с нейросетями в профессиях всё более-менее понятно, но вот что будет, когда повсеместно начнут внедрять роботов? Вообще роботы давно среди нас, просто они, за ненадобностью — не атропоморфны. Почему именно сейчас их хотят сделать человекоподобными? Всё просто — унификация. Такого робота можно и на склад грузчиком отправить и заставить работать домработницей. А благодаря нейросетям и компьютерному зрению стало проще обучаться различным действиям и нештатным ситуациям. Человеческие действия, в том плане — отличная база для обучения. Вытеснит ли робот человека? Вопрос спорный. Для этого стоимость труда робота и стоимость его ошибок должна стать гораздо дешевле стоимости человека. А стоимости там много: помимо железа и оболочки есть ещё софт, который в будущем может стоить дороже, чем сам робот, ибо без софта робот — это просто железяка. Ну, и юридический аспект — кто, например, будет в ответе за смерть по неосторожности робота? Компания владеющая софтом, железом (могут быть разные организации) или владелец конечной продукции?

Накопилось свистоперделок для #minimaxH3 Улучшайзер лиц github.com/Carasibana/ComfyUI-H3-FaceRefine Создает единое видео по кусочкам без видимых склеек huggingface.co/joeygambino/MiniMax-H3-Multishot-Workflow Многоплановый воркфлоу в одной ноде github.com/shootthesound/ComfyUI-H3Studio Лора от Lightx2v поверх Qwen3.6-27B для переписывая промпта huggingface.co/lightx2v/MiniMax-H3-Prompt-Rewriter-LoRA Турбо лора 4 шага от них же, версия Киджая huggingface.co/Kijai/MiniMax-H3_comfy/tree/main/loras Там же уровнем выше лежит int8 video vae Лора реализм huggingface.co/fal/MiniMax-H3-Realism-People-LoRA Лора на 8 шагов huggingface.co/tutututututu/Tutu-MiniMax-H3-AudioVideo-20to8-NFE-LoRA Кстати тренить лоры на 16+ ГБ VRAM можно вот этим github.com/inlineresearch/Inline-Studio Латентный апскейлер huggingface.co/Mamad8/H3-Latent-Upscaler-2x

#Нейропрожарка Тизер к (существующему) короткому метру "MOTHER". (12 минут) Автор: Ник Костомаров В данный момент фильме поправляются мелочи и после хотим отправить на несколько ИИ фестивалей, поэтому пока не показываем публично. Цель: попробовать свои силы в качестве сценариста и режиссера + для студии проработать пайплайн создания подобных фильмов. Изначально была идея делать это на Клинге, Гугле, но сразу поняли, что генераций будет много, поэтому полностью отказались от платных и построили весь пайплайн на ЛТХ 2.3 Да, возможно он далеко не топовый, но зато бесплатный, поэтому генерить могли столько сколько было нужно. Были написаны инструменты автоматизации запускающие генерацию прямо из Нюка в комфи и обратно Картинки все генерились ГПТ. Все звуки, голоса и музыка ЭлевенЛаб. Липсинг везде родной. Признаюсь много было ошибок в начале, пока выстраивали, настраивали и т.д. Мое личное заключение - далеко от идеала. Но учитывая, что это мой первый проект + бесплатные модели + опыт полученный в процессе производства, доволен. @cgevent

​​CayleyPy: Professor Tetraminx puzzle Месяц назад я рассказывал как участвовал в ресерч соревнованиях Cayley. С тех пор я поучаствовал в ещё одном соревновании - Professor Tetraminx. Напоминаю, что суть задачи - из рандомного состояния головоломки (после N поворотов) дойти в исходное за минимальное количество шагов. Поскольку это по факту групповой ресерч, не были цели собрать топ-решения самостоятельно - мы хотели вместе сделать топ решение. Я начал тогда, когда лучшее доступное решение было 28863 и улучшил его до 28467, получив новый лучший результат и обойдя мирового эксперта Tomas! Блогпост с деталями напишу позже, но пока расскажу, что нового было сделано по сравнению с моим прошлым подходом: - Как известно, решить такую головоломку брутфорсом нельзя. Но вполне можно с помощью BFS подсчитать все состояния после 6-9 шагов. Так что теперь мой подход не пытается дойти до финального состояния, а просто до состояния, которое находится на расстоянии 6-7 до финального. Это довольно важно, ибо иногда поиск останавливается лишь в нескольких шагах от успеха - и этот подход спасает такие кейсы - Sparse Q - новая голова для нейронки (по предложению Vlad Kuznetsov), которая даёт скор сразу для всех возможных переходов из текущего состояния - это сильно ускоряет обчение и инференс - многократное расширение датасета с разными подходами по сбору данных - PieceTransformer в качестве модели и его бленд с обычным ResMLP - V-consistency - хитрый подход для улучшения beam search. Простыми словами: если одна голова модели говорит, что мы в 10 шагах от цели, а другая голова говорит, что после одного шага мы будем в 15 шагах - это неправильно; а если головы выдают 10 и 9 - значит мы движемся в правильном направлении Теперь продолжу участвовать в других соревнованиях этой серии и всем рекомендую :) #kaggle #datascience

Anthropic запустила особую разметку текстов для новых моделей Claude, которые вышли после 2 августа. Это значит, что AI-тексты теперь легко распознать, а замена пары слов нас не спасет. Разберемся, как это работает. Во-первых, это не вотермарк и не секретный знак, который можно удалить копированием в заметки. Это скорее сумма наборов клише, которые используют GPT в своих текстах. Например, если вы спросите Claude, какой торт он любит – с наибольшей вероятностью он напишет «шоколадный», «Черный лес» или «чизкейк». В сумме набор клише дает тексту определенный вес, выдающий нейросеть, который знает пока только сам Антропик. Публичного детектора пока нет. Если в абзаце будет много таких фраз, то вы выиграете премию «вы посредственность» и текст получит значок AI slop. Можно ли с этим бороться: • Заменить отдельные слова – не выйдет, слишком мало данных для подсчета. • Но они признают, что маленькие тексты им оценить почти нереально. • Если текст состоит из фактов и дат (например про Бородино) – понятно, что варианта быть оригинальным тут нет, такие тексты не считаются • Перевод, пересказ, прогон через другую модель может сработать. Наконец-то мой рунглиш где-то пригодится... Детальный ботан-разбор можно почитать в этом substack

Если вы запутались в изобилии новый видеонейронок — попробую коротко распутать. Seedance стал 2.5. По-прежнему финальный босс: 30 секунд вместо 15, до 50 рефов, ещё лучше слушает длинные промты. В целом стал чуть живее. Минусы: супертревожный на тему авторских прав — на всякий случай блокирует почти всё. Русский снова не завезли. По тестам после 15 секунд начинает сыпаться. Пока только 720. Ну и ДОРОГО ЖЕСТЬ ВЫ ЧТО. Брать. MiniMax H3 — главный прикол. Почти всё как у Сиданса 2.0: 15 секунд, референсы-элементы — но в 2K и ОТКРЫТЫЕ ВЕСА. Народ уже запускает на потребительских картах. Ждем тысячи порно лор кастомных моделей, патчей и приблуд от коммьюнити. Брать. FLUX 3 сам собирает 20-секундные сцены и относительно неплохо говорит по-русски. По первым тестам - лица плывут, контроль слабоватый. Скорей не брать, но нужно еше потестить. LTX 2.5 быстрый и открытый, но первые тесты простые: H3 сильнее, а звук иногда шипит. Брать если вы любитель опенсорса. Сделал простенький тест. В основе — реальный снимок Марса, но добавил туда POV-поездку на копейке. 15 секунд, довольно открытый промт. В конце попросил модель придумать неожиданный приколдес. Первое видео Сиданс 2.5, второе Минимакс, третье Флюкс.