Что ж, спустя много (МНОГО!) бессонных ночей я наконец закончил и подал грант #ERC. Что могу сказать по итогу: очень сложно. Этот цикл с гпт создает какую-то огромную нагрузку, когда приходится читать и перечитывать одни и те же 10 страниц, пытаясь понять, насколько новая версия лучше предыдущей. Обычно ты держишь в голове основной текст и меняешь то тут, то там, здесь же постоянно приходилось переписывать целые секции. Особенно сложно корректировать то, как формулирует некоторые предложения ЛЛМ и представлять реального ревьюера. Вроде в результате получилось ок (по крайней мере строгий ревьюер ГПТ не находит явных косяков) С другой стороны, я уверен, что сам бы не справился написать текст за такое короткое время. Посмотрим, что получится! Через 4-5 месяцев узнаю. Для вас у меня две новости: хорошая — я наконец возвращаюсь в строй и к каналу. Плохая — я полностью вымотался и уезжаю в отпуск, так что ближайшие пару недель тут будет тихо. Зато потом с новыми силами возьмусь наконец доделать несколько интересных материалов, которые давно лежат в заготовках!

Возможные косяки при работе с агентами: • Ставите reasoning effort выше, чем нужно • Скилы размером с диссертацию • Начинаете работу, не обсудив с агентом цель и план • Или согласовываете каждый чих по полчаса • Автопроверки пропускают слишком много косяков • Самописные тулы жрут токены впустую • Мало авто- self- ревью • Не разбираете с агентом прошлые сессии • Слишком много ревьюите руками • Мало вайбкодите прототипов (show, don’t tell) • Агент не может сам проверить свою работу • Нянчитесь с ним на каждом шаге • Запихнули всю жизнь в глобальные AGENTS.md / CLAUDE.md • В кодовой базе сложно найти нужное • Не договорились с агентом, что как называется • Архитектура позволяет писать бесполезные тесты • Мало думаете стратегически • Да и вообще мало думаете

Продолжаю держать вас в курсе того, как получается внедрять AI агентов в повседневные задачи. Я продолжаю активно пользоваться Claude на работе и для личных целей как основным агентом. На работе даже появилось несколько скиллов, которыми я пользуюсь по несколько раз за неделю, и даже готов признать, что если у меня пропадет такая возможность – я сильно расстроюсь. Очень радует, что коллеги активно делают MCP к каждой кофеварке ко всему. Недавно опубликовали MCP к нашей in house системы управления экспериментами, которая является одной и самых важных в компании. Параллельно для личных целей я собираю агента как конструктор лего на фреймворке langchain. Этот агент крутится где-то на сервере, поэтому способен принимать и обрабатывать задачи даже когда я не за ноутбуком – это основное преимущество перед Calude. По сути, это самописный (бабушка дома сама на вайбкодила, не то что этот SaaS магазинный!) аналог openclaw или hermes, и ему не страшно доверить доступ к телеграму и почте. Сообщение выше, впрочем, как раз от него, он решил, что совершенно не обязательно читать задачу перед тем как перезаписывать ее текст. Точно поправлю промпт, но на самом деле можно и на уровне инструмента работы с задачами такое запрещать. Я не думаю то строить своего агента с нуля очень осмыслено, но этот проект очень много мне дает в смысле понимания того как устроена техническая обвязка "harness" современного агента. Меня сразу же очень впечатляет как много за нас делает Claude Code или Codeх: → позволяет в один клик подключать MCP, не прописывать конфиги руками → динамически подключает нужные для решения задачи tool'ы (если все доступные tool'ы сразу подгрузить в контекст, то контекст на этом закончится) → сжимает автоматом историю диалога, когда она становится слишком длинной, сохраняя суть → делает умный поиск по скилам → хранит и подтягивает откуда-то элементы долгосрочной памяти → декомпозирует задачи и запускает субагентов с урезанными полномочиями Можно было бы просто использовать Claude и не мучатся. Но когда мы начинаем встраивать агентов в свои процессы, или в клиентские фичи – тут уже не получится просто скинуть это на Claude. Нужно уметь настраивать карбюратор контекст руками. Расскажите, только честно: если завтра у вас пропадет возможность пользоваться LLM моделями для рабочих задач, это существенно повлияет на вашу работу? Или не особенно сильно? Андрей Менде, PM ML Booking .com, автор симуляторов Claude code AI для продакта, ЛЛМ для продакта, ML для продакта, и др.

MiniCPM-V 4.7 Новая открытая серия мультимодальных моделей OpenBMB для устройств Две модели: MiniCPM-V 4.7 35B-A3B и MiniCPM-V 4.7 1B. • Мультимодальное понимание, STEM-рассуждения, #OCR и длинные видео • Локальный запуск на #iOS и #Android • Гибридное сжатие визуальных токенов 4× и 16× • Self-Replay Fine-Tuning — дешевая донастройка под новые задачи без потери общих качеств • 35B-A3B: 17+ токенов/с на iPad Pro M4 (16 ГБ), 13+ на iPhone 17 Pro Max, всего 3 ГБ памяти • LES (Lookahead Expert Scheduling) предзагружает веса экспертов — 5× ускорение на iPad Pro M4 при идентичном выводе • Даже при 16× сжатии 90.4 на OCRBench — на 5.2 пункта выше Qwen3.6 35B-A3B • Конкурентные результаты на 34 бенчмарках github.com/OpenBMB/MiniCPM-V huggingface.co/collections/openbmb/minicpm-v-47 #multimodal #mobile MAX

Как отличить AI-slope от нормального контента В последнее время я все чаще замечаю, что под видом экспертности мне всячески пытаются впихнуть контент, сгенерированный ИИ. Речь идет об авторском контенте: телеграм-посты, почтовые рассылки, различные экспертные статьи на сайтах. И проблема здесь не просто в языке или стилистике языка, а в смыслах, которые лежат внутри этих текстов. Читая автора, я прихожу за его экспертностью, опытом и какой-то четкой позицией, но вместо этого я все чаще получаю не тот контент, на который подписался, а контент “написанный по запросу, на который я подписался”, с помощью LLM. Естественно, желание читать такое не добавляет, а отношение к аудитории скорее негативно выставляет автора в моих глазах. Работая много с LLM - ты уже интуитивно видишь, где текст является сгенерированным, но для этого нужен опыт. Поэтому сегодня решил поделиться своими наблюдениями по тому, как с большей вероятностью вычислить AI-slope. Ниже - мои личные наблюдения + кое-какие исследования. Слова и эмодзи Первый и наиболее заметный маркер. ЛЛМ очень любят определенные слова, эмодзи и повторяют их из раза в раз. Если в запросе попросить экспертный стиль - вас закидает чем-то уж очень профильным, с кучей англицизмов. Если попросить добавить эмодзи - ИИ засрет ими текст. Кроме того, отличается сам язык. Чаще всего, текст получается не вполне литературным, и если вы - начитанный человек, то читая очередной ИИ-пост - вы будете замечать, что по-русски так не говорят, но если вы еще знаете и английский - то вы сразу увидите, что текст - ни что иное, как буквальный перевод на русский. Тест на выжимку ИИ любят лить воду. Прочитайте 5 предложений поста и попробуй-те выделить из них хотя бы одну главную мысль. Там, где человек просто напишет: “Рынок упал, мы решили делать маркетинг”, AI будет рассыпаться фразами в стиле “В эпоху стремительных изменений важно уметь адаптировать свои внутренние процессы для достижения максимальной синергии”. Безопасная нейтральность AI обучены так, чтобы быть полезным любым людям, с любыми ценностями, вероисповеданием и так далее. Результат этого - в AI-текстах чаще всего отсутствует сильная аргументация в какую-либо сторону. Если вы видите, что автор пытается вам донести какую-то позицию, но он не слишком категоричен в своих суждениях и будто старается никого не обидеть - скорее всего перед вами текст с ЛЛМ. Можете проверить это простым экспериментом. Попросите ИИ написать текст про то, что вам не нравится, и пусть это будет политический или религиозный текст. В своем промпте используйте больше слов, типа “говно”, “дерьмовый”, “ненавижу” и прочие сильные оценочные суждения. А потом посмотрите на результат :) Переизбыток прилагательных и исчезновение местоимений Гугл не так давно проводили лингвистическое исследование и обнаружили, что ИИ-шки любят слова типа “инновационный”, “многогранный”, “стратегический” и прочие, но категорически отказываются использовать местоимения “я”, “мы”, “мой”. А также фразы, обозначающие принадлежность текста кому-либо, например, “по нашему мнению”. Живой человек, делясь опытом, постоянно использует местоимения, а ИИ строит отчужденные, безличные конструкции, используя их намного реже. Кстати, это же исследование подтверждает и мой предыдущий тезис про безопасную нейтральность. Позитивный позитив Чем-то похожая история с безопасной нейтральностью. Но решил выделить отдельно. ИИ-текст практически никогда не будет нести смысл “мы в дерьме” или “все плохо”. Рядом с этим фактом, скорее всего, будет что-то в стиле “но кризиз - это возможность для роста”. Лингвистическая предсказуемость и эффект триколона Да, я тоже не знал этого термина, узнал из статьи, но сейчас вы поймете, о чем речь. Есть такой показатель - type-token ratio (разнообразие словарного запаса), так вот, у LLM он намного ниже, чем у человека, а длина предложений почти всегда фиксирована - от 10 до 20 слов. А что касается триколонов - это лингввистические конструкции, состоящие ровно из трех элементов или примеров подряд (например: “Это помогает автоматизировать процессы, повышать конверсию и масштабировать бизнес”). Люди пишут хаотичнее: то короткими отрывистыми фразами, то длинными абзацами. Отсутствие микро-деталей Больше характерно для всяких кейсов. Но тоже добавлю в список. Когда человек рассказывает о своем опыте, он использует какие-то локальные шутки, имена, факапы. Такие вещи, которые сложно выдумать на ходу. Кейс, описанный с помощью ИИ будет звучать более обобщенно. Хотел сделать список длиннее, но ограничен лимитами телеги. Поэтому в комментах делитесь: как отличаете слоп вы 😁 🚀 Влад Корнышев про AI и создание AI-продуктов

Memory Engineering 101: Мой подход к агентской памяти Друзья, хочу поделиться с вами своим подходом к агентской памяти. Память состоит из 3х частей: • Notes: заметки, которые Клод пишет (и извелкает из сессий) вовремя работы • Hook/Recall: воспоминания Just in time - когда клод хочет что-то сделать, срабатывает хук, который заставляет его глянуть в хранилище и дернуть оттуда уже накопленый опыт • Evals: каждую ночь, клод сам себя тестирует и пытается придумать что можно улчушить Память бывает частная и общая, общая память растет органически, с помощью еще оодного агента, который мерджит частные воспоминания с памяться компании. Все это дело расшарено с коллегами через сервер, и получается что знания накапливаются и доступны для всех. Весь метод выложен на гите - пользуйтесь, буду очень рад вашим PR и комментам. И намного подробнее про подход в моем блоге.

📌 Всего 10 минут работы с ИИ снижают способность самостоятельно решать сложные задачи Группа из UC Berkeley, MIT и Оксфорда выяснили, что 10 минут работы с LLM снижают способность самостоятельно решать математические и логические задачи. В эксперименте на 1200 участниках часть людей использовала ChatGPT, а затем лишалась доступа к модели. После отключения ассистента результативность этой группы падала - участники чаще пропускали вопросы и сдавались по сравнению с контрольной выборкой, работавшей без ИИ с самого начала. Исследователи объясняют эффект исчезновением продуктивного сопротивления - интеллектуального усилия, необходимого для освоения сложных навыков. Из-за привыкания к готовым ответам самостоятельный поиск решений начинает восприниматься мозгом как неэффективный и утомительный. В качестве решения авторы предлагают развивать ИИ по модели наставничества, которая стимулирует рассуждение, а не выдает готовый результат. Код экспериментов выложен на Github. @ai_machinelearning_big_data #news #ai #ml

Про выбор лучшего района города для жизни в эмиграции Неделю назад предложил вам рассказать о лучших для жизни районах в мире, вы сами можете оценить результаты: в основном описали "лучшие районы, где я жил". Что понятно - почти никто из нас не обладает таким большим опытом, чтобы составить топ-10 районов в мире. 1️⃣ Так можно легко отделять хорошие советы/мнения по эмиграции от плохих: если человек рекомендует Лондон, то должен иметь и шортлист рекомендуемых районов. Иначе его совет не так уж ценен. Наверное многим очевидно, что район важнее города. Разброс качества жизни внутри одного города обычно больше, чем между городами из одного шортлиста. А для удаленщиков район важнее, чем для офисных работников! Потому что если нет обязаловки ездить в центр, то в реальности никто и не ездит просто попить кофе. 2️⃣ Реально хорошим советчиком может стать LLM: если хорошо знать себя и иметь список критериев идеального района (вот наш), то chatgpt выдаст нормальный шортлист. Тут узкое место - "знать себя" 🙂 На это есть важный пост, как наиболее быстрым способом получить широкий эмигрантский кругозор. Это важно! Потому что если человек жил в Челябинске, Москва и Тбилиси, то выбор будет близко к случайному. 3️⃣ Самый нелепый ориентир - это топы лучших городов и районов для жизни. Там почти всегда есть очень холодные города, которые в силу количества солнечных дней в принципе не могут быть лучшими. Это такая патриотическая сказка для скандинавов, что там живут очень счастливые люди. Хотя есть куча исследований, что дефицит солнца и просто дневного света негативно влияет на эмоции, настроение, а то и на шансы впасть в депрессию. Плюс есть объективная "пенсионерская метрика" - куда едут люди в период жизни, когда уже нет жесткой привязи к родной локации (пост). Удаленщики обладают такой привилегией в более раннем возрасте! Но в нагрузку идут переживания от слишком большого выбора 🙂 4️⃣ Район важен, но может быть более важны небольшие, потенциально раздражающие мелочи. Например к хорошей архитектуре или красивому виду человек быстро привыкает, и перестает замечать. А вот к шумной улице - нет! На это есть немало хороших работ, о городском устройстве. Так что даже в лучшем в мире районе можно очень неудачно поселиться, или еще хуже - неудачно взять ипотеку. 5️⃣ И микроклимат решает! Летом разница в теплоощущении между районами одного города бывает в несколько градусов (из-за близости к морю, зелени, ветра, плотности застройки и т.д.) В Барселоне это ощущается очень сильно, это лето было аномально жаркое, но у нас на районе возле моря было намного приятнее, чем в других. 6️⃣ Напомню, что есть полушуточный, но очень полезный сервис hoodmaps, где можно за 5 минут примерно оценить районы города. Очень релевантно нам с вами, потому что контрибьюторы - такие е айтишники, многие экспаты. У меня давно есть идея сделать более формальную версию, с критериями вроде концентрации новых домов, детских площадок, спешалти кофеен, посольств, уровня образования, рождаемости, дохода, доли экспатов, возраста резидентов и др. - все это прямые или косвенные признаки качества района. Но руки вряд ли дойдут, так что если у кого-то руки чешутся вайбкодить и интересна экспатская статистика - это хорошая идея и полезный сервис. 7️⃣ Для себя мы точно знаем какой район лучший в мире (пост), а с маленьким ребенком он открылся с новых сторон. В комментах к посту так никто и не смог предложить хотя бы сопоставимую альтернативу (я проверил все локации). И я ОЧЕНЬ много времени провел с ллм в поисках чего-то лучше в мире. Если у вас есть такая же уверенность в лучшести какого-то района для семьи + такая же свобода удаленщика выбирать любую локацию в мире, то наверняка у вас уже нет эмигрантского fomo. Да и вообще меньше переживаний в жизни. А если нет, то я бы стремился, и к уверенности, и к свободе. Это точно делает жизнь счастливее. @kyrillic

JEV-35B: быстрая decision-модель на базе Qwen3.5, активирует всего 3B параметров из 35B AutoTrust Labs выпустила JEV-35B, модель для быстрых решений в духе System 1. Она построена на Qwen3.5-35B-A3B и за счёт MoE-архитектуры активирует на токен лишь около 3B из своих 35B параметров. Лицензия Apache 2.0. Главная идея в том, чтобы не гонять полноценное рассуждение там, где нужно просто быстро выбрать лучший вариант. За один проход модель сравнивает до 256 текстовых или графических опций и возвращает откалиброванные вероятности. Медианная задержка одиночного запроса в их тестах около 204 мс. По метрикам JEV-35B обходит прошлую JEV-27B-VL на публичном наборе Decision Index, сохраняя при этом конкурентное качество на визуальных решениях. Отдельно порадует возможность запустить локально. Версия в NVFP4 весит всего 25,6 ГБ и занимает под веса около 23 ГиБ, так что помещается на одну видеокарту на 32-48 ГБ. При этом квантизация сохраняет 96,6% решений исходной BF16-модели почти без потерь по скорости и с небольшой просадкой на бенчмарках. Запускается через приложенный скрипт для vLLM. Эндпоинт /v1/decide отвечает за быстрые решения System 1, а OpenAI-совместимые эндпоинты за более медленное рассуждение System 2. 🤖 https://modelscope.ai/collections/AutoTrust-Labs/JEV-35B

Sakana Chat — Fugu Max для всех Sakana открыла в чате свой оркестратор Fugu Max (раньше был только через API). Он связывает пул разнообразных открытых моделей и отправляет каждый промпт той, что подходит лучше всего, давая результат уровня frontier без опоры на одну модель. • Оркестрация: под задачу сам выбирает модель с выгодным расходом бюджета • Произвольные цели — кодинг, документы, анализ • Плюс память: роль, стиль и предпочтения переносятся в следующие диалоги • Код-раннинг, прикрепление картинок и документов В чате две модели: Namazu (диалога по японским документам) и Fugu Max (универсальная с оркестрацией). Под капотом — открытые и специализированные модели, точно среди них Nvidia Nemotron после августовского партнерства Sakana. Бесплатно, зарубежный IP не нужен chat.sakana.ai #orchestrator #harness MAX

Mellum 2.1 Обновленная открытая модель JetBrains для кодинг-агентов. Архитектура та же — MoE 12B всего, 2.5B активных, Apache 2.0. Изменился пост-трейнинг: RL перенесли в реальные изолированные среды и прогнали миллионы запусков в песочницах. • Ориентируется в кодовой базе, редактирует файлы, проверяет результат собственными тестами • Находит корень падающего теста, черновик и проверка фикса • Хороша и вне кода: математика, рассуждения, обычные вопросы • Локальный запуск на своем железе • Мульти-токен предсказание ускоряет одиночные запросы в ~1.6× • Под нагрузкой на одном H200 почти вдвое больше токенов, чем Qwen3.5-9B • Apache 2.0, GGUF под llama.cpp/Ollama/LM Studio скоро huggingface.co/collections/JetBrains/mellum21 #coding MAX