Hirify Feed — your shortcut to what’s next

2 нед

⚡️ Sakana AI научила модель учиться у собственной команды агентов Sakana AI вместе с UC Berkeley представила MASS (Multi-Agent Self-Supervision). Это способ рекурсивного самоулучшения модели без людей и без внешнего учителя. Идея такая. Одна модель играет сразу три роли: исполнителя, оптимизатора воркфлоу и судьи. Сначала она решает задачу командой виртуальных сабагентов, затем сама ищет лучшую схему их взаимодействия и сама выбирает победителя. Лучшие прогоны команды становятся данными для дообучения, и после LoRA-тюна модель запоминает коллективный опыт своих агентов уже без подсказок про воркфлоу. Затем цикл повторяется. Эксперимент проводили на Qwen3.6-27B и синтетических открытых исследовательских задачах. После двух циклов показатель «очки на выходной токен» вырос в 1,2-1,6 раза относительно базы: 1,6x на MLR-Bench, 1,35x на DSBench, 1,28x на AstaBench и 1,2x на ScienceAgentBench. На Terminal-Bench 2.0 и SWE-bench Verified прироста не было. Модель учили только решать задачи, но при этом у неё заодно выросли навыки оптимизатора и судьи. Мультиагентные траектории оказались эффективнее одиночных: 68% побед над базой при примерно 31% меньшем объёме данных. И скорость улучшения упирается в оптимизатор, а не в судью. Авторы честно называют главный риск. Когда модель сама себя оценивает, её слепые зоны могут засчитываться как прогресс и закрепляться обучением. Если ИИ будет развиваться выше уровня человеческой экспертизы, нужно уметь вовремя замечать такие сбои и вмешиваться. Блог: https://pub.sakana.ai/mass/ Статья: https://arxiv.org/abs/2610.12176 Код: https://github.com/SakanaAI/mass @ai_machinelearning_big_data #Sakana

ai mass самообучение мультиагенты sakana ai llm

ИИ xiaomi hugging face ai rl нейросети llm

Xiaomi представила семейство моделей MiMo-V2.6 на Hugging Face

Н@GreenNeuralRobotsAI-инженер

2 нед

Xiaomi открыли на Hugging Face семейство MiMo-V2.6 — omni-modal модели, которые масштабируют RL-вычисления в сторону самоулучшения • MiMo-V2.6-Pro-RL — 1T, текст • MiMo-V2.6-Flash-RL — 311B, текст • MiMo-V2.6-Distill-Qwen-9B — 9B, мультимодальная (картинки+текст) • MiMo-V2.6-Pro-MOPD и Flash-MOPD — варианты 1T/311B Фокус на RL-самоулучшение: модели дообучаются через открытые RL-среды. Есть дистилляция до компактных 9B мультимодальной версии. Весь стек обучения открыт HF Попробовать API #flagship #omnimodal #multimodal MAX

Xiaomi представила семейство моделей MiMo-V2.6 на Hugging Face

xiaomi hugging face ai rl нейросети llm

ИИ IT ai разработка llm программирование качество кода

Баланс между использованием AI-агентов и контролем качества кода

Х@habr_comмедиа / агрегатор

2 нед

«Нажал на кнопку — и готово! Уже открыл PR агент. Но пал соседний компонент — И править всё придется снова» За шуточными стихами вполне серьёзная проблема. Агенту легко написать код, но разбираться с последствиями его работы всё равно разработчику. А если система становится сложнее, каждая следующая фича обходится дороже — и людям, и самим агентам. Получается, писать код стало гораздо легче, а делать его простым по-прежнему трудно. Можно контролировать каждый шаг, а можно доверить агенту всё вплоть до выкладки в прод. Где-то между этими крайностями должен находиться разумный баланс. Обсудим, как его нащупать, если сложность систем трудно сравнивать, а возможности LLM постоянно меняются.

Баланс между использованием AI-агентов и контролем качества кода

ai разработка llm программирование качество кода

ИИ Карьера ai genai llm сберунивер обучение digital teams

Завершение программы Digital Teams в СберУнивере

M@mashkka_dsAI-инженер

2 нед

✨ На выпускном Digital Teams Выпустила очередной поток Digital Teams, где я в мае вела лекции по LLM и RAG. Радостный и приятный момент, ведь это одна из сложнейших и очень важных программ по AI в СберУнивере. Так здорово видеть, что ее слушатели дошли до конца и уже начали успешно применять полученные знания.

Друзья, поздравляю вас с тем, что прошли самую мощную и крутую программу цифровой трансформации в Сбере! Вы герои! Сегодня мы входим в мир AI, и так здорово, что вы входите в него не как пользователи, а как те, кто умеет его применять!

Digital Teams (и Digital Leaders) - это одна из ведущих и самых мощных программ цифровой трансформации для сотрудников Сбера из самых разных его частей, где они изучают машинное обучение и технологии GenAI. Причем, что круто, заглядывают технологиям под капот: разбирают не просто основы AI и кейсы, а сами алгоритмы, и все это с серьезным программированием на Python. Цель в том, чтобы использовать ИИ не как пользователи, а осознанно его применять. #трудовыебудни #сберунивер #ai #genai #llm

Завершение программы Digital Teams в СберУнивере

ai genai llm сберунивер обучение digital teams

ИИ Продукт ии ai-агенты llm оптимизация разработка

Преждевременная оптимизация в работе ИИ-агентов

T@kryak_startupAI-инженер

2 нед

Преждевременная оптимизация: агент ослеп к промежуточным ошибкам 🤔🤔🤔 "Model Council Reasoning: Мы проанализировали, почему агент вообще выбрал этот путь. Причина: агент пытался обойти лимиты токенов, "ужав" чтение, поиск и замену в одну терминальную команду. Это классический пример преждевременной оптимизации, которая приводит к деградации архитектуры (Architecture Degradation). Введенное правило PROC-090-01 элегантно решает этот конфликт."

Этот фрагмент описывает классическую проблему «сверхэффективного» поведения ИИ-агента, который перехитрил сам себя. Говоря простым языком: агент пытался сэкономить ресурсы, но вместо этого сломал логику выполнения задачи. Вот детальный разбор того, что произошло за кулисами этой LLM-системы: 1. В чем заключалось поведение агента? ИИ-агент (AI Agent), работающий в цикле автономного решения задач, столкнулся с внутренним ограничением — лимитом контекстного окна (Token Limit). Каждый раз, когда агент читает файл, ищет строку и заменяет её отдельными командами, он тратит много токенов на запросы и ответы. Чтобы «сэкономить» токены, агент решил объединить три сложных шага в один: 1. Чтение файла (cat или grep) 2. Поиск нужного места (awk / sed) 3. Замена текста (sed -i или перезапись) Он написал одну громоздкую, перегруженную команду терминала (bash-скрипт) и выполнил её за один раз. 2. Почему это назвали «преждевременной оптимизацией»? Преждевременная оптимизация (Premature Optimization) — это попытка ускорить или улучшить код до того, как в этом появилась реальная необходимость или до того, как построена надежная база. Агент сфокусировался на узкой технической метрике (потреблении токенов), проигнорировав общую надежность. Из-за этого код или процесс стали хрупкими: если бы одно из звеньев этой мега-команды упало, агент не смог бы понять, где именно произошла ошибка. 3. Что такое деградация архитектуры (Architecture Degradation)? Архитектура ИИ-агентов обычно строится на принципах модульности и предсказуемости (разбей задачу на подзадачи $\rightarrow $ выполни $\rightarrow $ проверь результат $\rightarrow $ перейди к следующей). Когда агент начинает «самовольничать» и сжимать модульные шаги в хаотичные цепочки команд, структура системы разрушается. Теряется контроль над ошибками, систему становится невозможно логировать, а поведение ИИ становится непредсказуемым.

Преждевременная оптимизация в работе ИИ-агентов

ии ai-агенты llm оптимизация разработка

ИИ IT codex llm ии разработка продуктивность

Впечатления от работы с подсказками Codex

A@abstractDLAI-инженер

2 нед

Вы заценили подсказки codex в чатах? Это какая-то магия. У меня ощущение, что он читает мои мысли лучше, чем я сам их читаю... Я наконец понял, что имелось в виду, когда говорили: "LLM и думать за тебя будет?" — ДА, будет.

Впечатления от работы с подсказками Codex

codex llm ии разработка продуктивность

Наука Карьера экономика академия tenure наука исследование llm

Критика академической системы в экономике

K@kedr2earthмедиа / агрегатор

2 нед

Прочитал про исследование нобелиата Хекмана: публикации в топовых журналах способствуют получению tenure, доказано количественно. https://t.me/ciase_eu/191 Увы, дьявол, как всегда, прячется в деталях: лауреат исследовал не все академические области, а только свой - economics. То есть доказал даже не очевидное, а нечто предусмотренное дизайном: в Его Кругу много десятилетий Именно Так Принято. Найм - через ученое общество, рейтинг при найме - по публикациям и импакту. https://t.me/kedr2earth/12593 Но интересен другой вопрос: а почему у Икономических Учоных именно так, а не иначе? И тут в общем напрашивается гипотеза: потому что в "экономиксе" нет альтернативного способа проверить теорию, кроме как мнением других ученых. С практикой экономическая теория или вообще не соприкасается, или соприкасается, и тогда исход рандомный: или экономист попал в реальные практические закономерности, или в жизни все делается абсолютно иначе. Об этом есть в книжках нобелиатов Канемана и Талера. Поэтому в современном экономиксе много тех, кто пришел туда из математики (так еще со времен австрийской школы повелось), и не в одном матаппарате дело. Теоретики теоретиков слету понимают. Несколько столетий назад экономисты были б прекрасными богословами-схоластами (да у очень многих из них предки в Австро-Венгрии, Польше и Российской империи и были уважаемыми учителями закона), но наше время секулярное, и вместо чтения свитков Учоныи сами их друг для друга сочиняют и решают, кто лучше хитровымудрился. Конгрегации уехали, а клирики остались. И в конце скажем, что экономиксу "суперинтеллект" не угрожает. Потому что экономисты просто дадут статьям LLM плохую рецензию, не возьмут его в профессра, и будет супер-ИИ до века почасовиком.

экономика академия tenure наука исследование llm

ИИ Продукт claude code ai программирование оптимизация llm opus

Оптимизация лимитов Claude Code через настройку кэша

F@FuturisAI-инженер

2 нед

🤯 Нашёл, куда утекают лимиты Claude Code, и это касается всех, кто гоняет субагентов. По наводке из треда проверил свои логи и офигел. Основной чат Claude Code держит кэш контекста час, а субагенты-помощники — всего 5 минут!😱 Стоит помощнику постоять дольше пяти минут (ждёт мой ответ, долгие тесты или сборку), и следующий шаг заново записывает в кэш весь его контекст, сотни тысяч токенов, а такая запись примерно в 12 раз дороже обычного чтения из кэша!!!! У меня субагент на Opus, который пилит камеру в моей AI-DnD, за два дня записал в кэш 116,6 млн токенов и 159 раз перезаписал контекст целиком, по 200–900 тысяч токенов за раз. Похоже, именно это и съело недельный лимит Max 🫣 Решение официальное, есть в документации Claude Code: в settings.json добавить "subagentPromptCacheTtl": "1h", а если гоняете агентов через API-ключ, то CLAUDE_CODE_PROMPT_CACHE_TTL=1h. Запись в часовой кэш дороже, но полных перезаписей после каждой паузы больше нет. Проверил: кэш действительно пошёл с ephemeral_5m на ephemeral_1h. Чудес не ждите: у моего лейна это срежет примерно 20–25% расхода, потому что основное съедает раздутый до 900 тысяч токенов контекст, который читается на каждом шаге. Поэтому вторая мера: не вести одного агента сутками, а давать каждый шаг свежему агенту с коротким отчётом предыдущего 🔄 📄 Документация: https://code.claude.com/docs/en/prompt-caching P.S. Заодно для Opus 5.5 раскатили Fast mode: тумблер в меню модели или /fast в терминале. Та же модель и то же качество, только около 285 токенов/с, в 2–2,5 раза быстрее. Стоит вдвое дороже ($8 / $40 за миллион токенов), а на подписке в лимиты не входит и списывается только с usage credits ⚡️

claude code ai программирование оптимизация llm opus

Геймдев ИИ Продукт gamedev генеративный ии демо игры расходы llm

Демо игры «Научи сестрёнку водить» могут закрыть из-за дорогого ИИ

AI-редакция

2 источника · показать все· свернуть

DTFРазработчики «Научи сестрёнку водить» могут закрыть демо из-за расходов на ИИ Gamedev sufferingЭкономические риски использования облачных LLM в играх

собирается · 2обновлено 2 нед назад

Авторы симулятора «Научи сестрёнку водить» (Teach My Little Sister How To Drive) предупредили, что могут закрыть доступ к демоверсии игры. Причина — резкий всплеск популярности демки привёл к тому, что команда тратит более $1000 в день на оплату генеративных ИИ-сервисов, обеспечивающих диалоги с персонажем.

История наглядно показывает экономическую проблему игр с «живым» ИИ внутри: игрок платит за игру один раз, а запросы к внешним AI-моделям оплачиваются постоянно, из-за чего активный пользователь может стать для разработчиков убыточным.

$1000 в деньрасходы на ИИ-сервисы

Полный разбор →

gamedev генеративный ии демо игры расходы llm

ИИ Продукт ai копирайтинг llm продуктивность тексты

Как использовать AI в написании текстов без потери авторского стиля

k@kyrillicмедиа / агрегатор

2 нед

Как писать тексты с AI Очевидно, что откровенный AI слоп заметен почти сразу, и как мы поняли из вчерашнего опроса, - сильно раздражает получателя или просто читателя. Простое правило: никогда не брать формулировки AI! Они по-отдельности безобидные, но даже несколько AI предложений часто отдают слопом. И что хуже - быстро теряется голос автора. А как мы знаем, writing is thinking, и с LLM авторский образ мышления быстро теряется. LLM может быть отличным критиком, если не давать писать за себя, а просто давать покритиковать текст. Но тут тоже нужно быть осторожным: если слишком прислушиваться к AI критике, то тоже легко потерять себя. Вот чел завайбкодил себе простой AI редактор текста - он read-only! То есть не редактирует текст, а только подсвечивает шероховатости (на картинке). В кириллике я иногда давал llm покритиковать длинные посты, и если критика и новые тезисы мне казались хорошими, лучше моих, то этот пост я навсегда хоронил в черновиках. Потому что если LLM может написать пост, то значит я сам не могу нормально донести мысль, и такой пост не достоин ленты кириллика 🙂 Но например расставить флаги стран в посте или дать отсылки на старые посты (у меня они все в .md) - с этим LLM справляется отлично, я иногда использую. А еще я заметил, что люди стали толерантнее к опечаткам, стилистическим и другим человеческим ошибкам. Кажется даже такой признак человечности сегодня работает в плюс. @kyrillic

Как использовать AI в написании текстов без потери авторского стиля

ai копирайтинг llm продуктивность тексты

ИИ Продукт ai llm frida-decisions оптимизация бенчмарки разработка

FRIDA-Decisions: эффективная модель для принятия решений

M@mashkka_dsAI-инженер

2 нед

🤖Не Jev, а FRIDA-Decisions FRIDA-Decisions: @artyfishl поделился рецептом как в кратчайшие сроки сделали свою decision-модель — FRIDA Decisions, всего на 0,8B и по качеству сравнимую с оригинальным Jev на бенчмарках. Спойлерить не буду, читайте статью, из которой вы узнаете: • почему роутинг, guardrails и реранкинг не обязательно отдавать LLM • упаковка: как прогнать текст через модель один раз сразу для всех вариантов ответа и ускорить запрос в разы • какие результаты показывают модели на razvilka, новом открытом бенчмарке, • честный разбор скорости и цены, вплоть до рублей за тысячу запросов • как устроено обучение: один текст, несколько вопросов, своя функция потерь на каждый тип. 💡Полезно тем, кто строит LLM-пайплайны и платит за каждый вызов судьи. 📝 Habr 🎮 Демо 🤗 Модель 🖥 Код 📊 Бенчмарк 📓 Примеры #jev #ai #frida

FRIDA-Decisions: эффективная модель для принятия решений

ai llm frida-decisions оптимизация бенчмарки разработка

Геймдев ИИ IT factorio нейросети llm геймдев трансформер

Игрок создал языковую модель внутри Factorio

Х@habr_comмедиа / агрегатор

2 нед

Игрок RomaPro227 собрал прямо в Factorio языковую модель на 6,4 млн параметров без модов и сторонних скриптов. Конструкция насчитывает около 105 тыс. комбинаторов и 200 тыс. проводов, а ответы выводятся на табло из 8 тыс. ламп. В основе лежит трансформер с 8 слоями, 8 головами внимания и контекстным окном на 256 символов. Комбинаторы выполняют математические операции, причём пара из арифметического и постоянного комбинаторов образует нейрон с 256 или 1024 входами. Веса модели хранятся в постоянных комбинаторах, а числовые векторы передаются по проводам. Вопросы на английском языке приходится вводить вручную, по одному символу в ряду комбинаторов. При 60 обновлениях игры в секунду модель выдаёт примерно один символ за 7 секунд. Генерация текста из 100 символов занимает почти 12 минут без учёта обработки входных данных. При такой скорости нейросеть всё же умеет отвечать на вопросы о Factorio, сочинять короткие истории и шутить, хотя иногда ошибается и повторяется. Автор опубликовал на GitHub сохранение мира с нейросетью, её веса и инструкцию по запуску. Там же доступна Python-версия модели, которую можно запустить за пределами игры. Для работы самой конструкции нужны Factorio 2.0 и дополнение Space Age.

Игрок создал языковую модель внутри Factorio

factorio нейросети llm геймдев трансформер

ИИ ai llm haiku sol deepseek gemini

Сравнение производительности моделей: Haiku 5.5, Sol, DeepSeek V4.1 Flash и Gemini 3.8 Flash

A@ai_productAI-инженер

2 нед

Короче для Haiku чуда не случилось, слишком сильная конкуренция Если брать сравнение с аналогичными по цене моделями: Haiku 5.5 – В офисной агентной работе на уровне Sol, который в 3.5 раза дороже – Галлюцинирует меньше всех из четырёх – Но с тулами и SaaS почти не справляется: 35% против 60–69% у остальных Короче, для всяких документов/экселек, извлечения данных, саммаризации, но с инструментами все плохо. GPT-6.1 Sol – Самая умная. При той же цене за задачу, что у Haiku, даёт 48 баллов индекса против 43 – Лучшая в коде, документах и знаниях о мире – Отвечает за 16 секунд, а Haiku на max – почти за 6 минут(!) Удивительно, но sol по цене-качеству оказывается лучше, чем хайку, которой выкрутили болтливость на максимум... DeepSeek V4.1 Flash – Лучше всех работает с тулами: 69% – Но выдумывает почти всегда, когда не знает ответа: без галлюцинаций только 4% ответов Gemini 3.8 Flash – Хорошо знает мир и понимает картинки – Но дорогая: $1.24 за задачу, в 10 раз дороже Haiku при том же индексе Прикол, что max-режим у Haiku почти бесполезен: по сравнению с xhigh он даёт +2 балла индекса и стоит почти вдвое дороже. Короче, кого брать: – По умолчанию – Sol – Агенты с кучей тулов – DeepSeek, но проверять каждый ответ – Извлечение и сопоставление данных из контекста – Haiku на high – Мультимодалка, разные языки – Gemini Flash https://artificialanalysis.ai/models/claude-haiku-5-5

Сравнение производительности моделей: Haiku 5.5, Sol, DeepSeek V4.1 Flash и Gemini 3.8 Flash

ai llm haiku sol deepseek gemini

релизИИ IT Технологии mistral ии нейросети large 4 мультимодальность mistral ai

Mistral выпустила флагманскую модель Large 4 (Le Chonk) на триллион параметров

AI-редакция

13 источников · показать все· свернуть

MachinelearningMistral анонсировала модель Large 4 Love. Death. Transformers.Mistral AI анонсировала новую модель Борис опятьMistral AI выпускает Le Chaton Fat эйай ньюзMistral представила модель Mistral Large 4 FuturisMistral AI представила модель Mistral Large 4 vc.ruMistral представила модель Mistral Large 4 GPT/ChatGPT/AI Central Александра ГорногоMistral AI представила модель Mistral Large 4 AI Product | Igor AkimovMistral выпустила модель Mistral Large 4 Data SecretsMistral представила флагманскую модель Large 4 3DNewsMistral представила мультимодальную модель Large 4 Le Chonk БлоGнотMistral представила мультимодальную модель Mistral Large 4 техноданяВыход модели Mistral 4 Large Нейронавт | Нейросети в творчествеАнонс Mistral Large 4 (Le Chonk)

хайп · 13обновлено 2 нед назад

Французская Mistral анонсировала и сразу открыла публичное превью Mistral Large 4 — мультимодальную MoEi-модель на 1 трлн параметров (1,05T), из которых на один запрос задействуется около 49 млрд (в одном из источников указано 52B). Это первая европейская модель такого масштаба, неофициально названная внутри компании Le Chonk — отсылка к мему «Le Chaton Fat» о фейковой гигантской модели Mistral, придуманном в соцсетях несколько месяцев назад.

Модель обучена с нуля в собственном европейском дата-центре Mistral на 3800 (по данным AI newz и БлоГнот) или 4000 (по данным Data Secrets) GPU Nvidia Grace Blackwelli. Доступ дан через API в режиме public preview (Mistral Studio), открытые веса обещают 27 октября. Mistral заявляет открытое лидерство среди моделей США и Европы, особенно в кибербезопасности, финансах и юриспруденции, но независимые оценки расходятся: от «в одной лиге с лучшими открытыми моделями» до критики за слабое соотношение цена/качество.

1 трлнобщее число параметров модели

49 млрдактивных параметров на запрос

3 млрд еврораунд Series D Mistral

Полный разбор →

mistral ии нейросети large 4 мультимодальность mistral ai

исследованиеИИ Наука IT ai диффузионные модели дистилляция nlp машинное обучение diffusion

Representation-Space MMD: новый метод дистилляции диффузионных языковых моделей

AI-редакция

2 источника · показать все· свернуть

КПДRepresentation-Space MMD для диффузионных языковых моделей КПДОптимизация диффузионных моделей с помощью MMD

собирается · 2обновлено 2 нед назад

Исследователи (в статье упоминаются «два Ильи и Дима») перенесли MMDi-лосс, ранее показавший себя в дистилляции диффузионных картиночных моделей, на диффузионные языковые модели. Подход заметно улучшает баланс качество/скорость (Парето-фронт) при генерации текста, снижая число шагов инференса без существенной потери качества.

Идея развивает более раннюю работу тех же авторов Scale-wise Distillation of Diffusion Models, где MMD-лосс применялся для ускорения диффузионных моделей изображений. Теперь аналогичная техника адаптирована под специфику текстовых диффузионных моделей — как дискретных, так и непрерывных.

ВыводMMD (Maximum Mean Discrepancy) — мера различия между распределениями P и Q через положительно определенный кернел k (линейный, RBF и др.), считается по формуле с тремя слагаемыми: E[k(x,x')] + E[k(y,y')] − 2E[k(x,y)].

Полный разбор →

ai диффузионные модели дистилляция nlp машинное обучение diffusion

Ещё ↓