Признавать свои ошибки Я косячу регулярно. Косячил, косячу и буду косячить. Полностью согласен с высказыванием "не ошибается тот, кто ничего не делает". Например, в нашем ии-провайдере я (2 месяца назад) не убил один процесс, который дублировал некоторые операции. За 6000 рублей пользователь получал 2 месяца вместо одного при автоматическом продлении. И все эти 2 месяца я просил разраба найти косяк в его коде, т.к. механику автопродления делал именно он. Со стороны ребят была пара попыток указать мне, что проблема в каком-то процессе, но я был непреклонен. Вчера сел разбираться и нашел... паразитный процесс, который оставил я и как раз он задваивал операции. Выходит, что некоторые пользователи получали бонусом еще один месяц использования сервисом за наш счет по той причине, что я долго не соглашался с мнением ребят. Упертая (или упоротая) благотворительность. Но это вовсе не значит, что я начну соглашаться с разрабами. Яйца курицу не учат и я все знаю лучше всех.

Ещё больше классных постеров из Сеула — с ICML 2026 RE-TRAC: REcursive TRAjectory Compression for Deep Search Agents Сейчас очень много агентов работает в ReAct парадигме (последовательные reasoning + acting). Авторы считают, что такой подход с длинными линейными цепочками плохо подходит для сложных задач, потому что deep search больше похож на дерево гипотез: модель может наметить несколько веток, но потом забыть часть из них, застрять в локальном направлении или зациклиться. Re-Trac отличается от ReAct: после каждой траектории собирают compressed_state, в котором хранят лучший ответ на текущий момент, список проверенных фактов, логические выводы и список того, что осталось неизвестным. На следующих траекториях авторы стартуют с этого состояния. Благодаря этому авторы получили 53 пункта на BrowseComp с 8 rollout’ами. Прочитав статью, я нашёл подвох: init для sft — это Tongyi-DeepResearch 3A30B, у которого и так 43 пункта на BrowseComp, а замера pass@8 — бейзлайна за схожий compute — для него нет. То есть идея интересная, но реальный эффект Re-Trac для лучшей модели из статьи не указан. Training-Trajectory-Aware Token Selection Исследователи изучают дистилляцию ризонящих моделей. Обычно SFT или дистилляция на reasoning-траекториях не улучшает модель, а иногда даже ухудшает её. Во время обучения loss монотонно падает, а реальные метрики сначала резко проседают (Imitation Shock), но затем постепенно восстанавливаются, при этом не всегда до конца. Авторы заметили расслоение токенов во время обучения на две группы, «полезные» и «вредные», причем одни подавляются другими. Поэтому стандартная дистилляция тратит ранние градиенты на токены, которые мешают обучению более полезных токенов. Как решили проблему: замаскировали «вредные» токены и не добавляют их в loss. Чтобы понять, какие токены маскировать, придумали алгоритм T3S — Training-Trajectory-Aware Token Selection. Сначала модель проходит короткую фазу дистилляции, по ней находят Imitation Shock и затем сравнивают влияние токенов между началом и на чекпоинте, где всё взорвалось. Least-Loaded Expert Parallelism: Load Balancing An Imbalanced Mixture-of-Experts В MoE-модели каждый токен не проходит через весь FFN-блок, вместо этого роутер выбирает для него несколько экспертов. В Expert Parallelism эксперты распределены по GPU: условно, GPU-0 хранит экспертов 0–3, GPU-1 хранит 4–7 и так далее. Проблема возникает, когда роутер выбирает экспертов неравномерно. Например, на math/code данных один эксперт может стать очень популярным, потому что он специализировался на таких токенах. Тогда GPU, на которой лежит этот эксперт, получает слишком много токенов, считает дольше всех и определяет latency всего MoE-слоя. LLEP решает это не изменением роутера, а изменением исполнения. Перед MoE-слоем система смотрит, сколько токенов попало в каждого эксперта и насколько загружена каждая GPU. Если дисбаланс маленький, используется обычный Expert Parallelism. Если дисбаланс большой, LLEP выбирает наименее загруженные GPU и отправляет туда не только токены, как в EP, но и веса перегруженного эксперта. Smaller Models are Natural Explorers for Policy-Level Diversity in GRPO Авторы говорят, что GRPO живёт за счёт разнообразных rollout’ов, но по ходу обучения они становятся однородными, advantage-сигнал слабеет, а прогресс встаёт. Вывели инсайт: GRPO нужно policy-level diversity — когда целые траектории структурно разные, но при этом логически связаны. Обнаружили, что меньшие модели из этого же семейства дают гораздо больше policy-level разнообразия и предложили на ранней стадии обучения часть rollout’ов для большой модели генерировать маленькой замороженной моделью — так можно получить структурно разнообразные траектории на старте. Затем долю маленькой модели постепенно снижали, плавно возвращаясь к стабильному on-policy режиму большой модели. Результаты: на AIME24/25 получили выигрыш 23.8/22.5 против GRPO-базы 15.0/12.1. Увидели и записали полезное для вас ❣ Даниил Кириллов, Иван Сапожков, Аркадий Альшан и Кристина Гуртова #YaICML2026 Душный NLP

🪖На Mac нападает Odyssey: коммерческий малварь крадет крипту, пароли и оставляет бэкдор 📹Владельцы macOS столкнулись с новой глобальной волной заражений инфостилером Odyssey (эволюционировал из Poseidon и AMOS). Малварь работает по модели MaaS и нацелен строго на криптоиндустрию и кражу конфиденциальных данных. Кампании зафиксированы уже более чем в 100 странах. Вектор атаки строится на чистой социальной инженерии, без использования уязвимостей нулевого дня. Злоумышленники используют два основных сценария доставки: 1️⃣Фейковая CAPTCHA

Страница просит юзера "доказать, что он не робот", открыть Терминал и вставить скопированную команду. Под капотом - закодированная строка, которая через osascript выполняет вредоносный AppleScript.

2️⃣Липовые обновления

Под видом апдейтов для Google Meet скачивается DMG-образ. Нативный интерфейс на SwiftUI имитирует панель "технического специалиста" и через поддельное системное окно выманивает пароль от Mac. Реальность пароля малварь тут же валидирует через команду dscl . authonly.

Получив пароль администратора, Odyssey вычищает систему по полной программе:

Браузеры: Вычищает пароли, cookie, истории форм и данные сессий во всех Chromium-браузерах, а также Firefox, Waterfox и Safari. Нацелен на локальные хранилища 203 расширений криптокошельков (MetaMask, Phantom и др.).

Файловая система: Копирует базу связки ключей (login.keychain-db), Apple Notes, файлы с рабочего стола и документов. Ищет конкретные расширения: .wallet, .seed, ключи и базы менеджеров паролей. Весь улов пакуется в /tmp/out.zip и сливается через обычный curl на C2-сервер.

Главная опасность Odyssey - физическая подмена софта для аппаратных кошельков. Малварь проверяет наличие установленных Ledger Live и Trezor Suite, удаляет оригиналы и ставит на их место фейковые пустышки на SwiftUI и WebKit. Приложение имитирует "ошибку синхронизации" и требует ввести сид-фразу (seed phrase). Как только пользователь руками вбивает слова, активы уходят хакерам. Аппаратный кошелек при этом не взламывается - компрометируется компьютер, которому доверяет владелец. Исследователи находили сборки Odyssey, успешно подписанные валидными сертификатами разработчика Apple. 🦔 CyberYozh

Апрель 2026-го. Камера над трассой считала ваш номер и сообщила: пристегнитесь, пройдите техосмотр, оплатите штраф. Удобно! Кажется, что государство просто автоматизировало заботу о безопасности. Так ведь?   А теперь второй вариант – то же табло, но: заплати алименты, пройди вакцинацию, зайди в военкомат, подпишись на Max. От этого списка уже иное впечатление, поскольку грань между удобным сервисом и тотальным контролем здесь стирается.   Я задал читателям простой вопрос: как далеко между этими двумя вариантами табло? 1. Месяцы? 2. Годы? 3. Или второго варианта табло никогда не будет?   В Телеграме большинство (45%) проголосовало за №1 (месяцы). В соцсети, которую мы от греха здесь называть не будем (ведь и так всем понятно)), больше всех оказалось за №3 (никогда)     Мой же прогноз не совпал ни с первым, ни вторым: в наших условиях второй вариант неизбежен на рубеже 2–4 года. И дело тут вовсе не в планах и / или кознях власти конкретной страны.   Вот, например, Китай начинает большой проект модернизации своей масштабной системы внутреннего наблюдения, меняя старые камеры на новые – с ИИ на борту. Речь не просто о замене на более умные камер. Это перевод всей системы от сбора и хранения видеозаписей к их семантическому пониманию: камеры начинают понимать происходящее, оператор может искать события обычным языком, система автоматически выделяет «аномальное поведение» и даже возникает предиктивная модель наблюдения. То есть происходит качественный переход: от пассивного видеонаблюдения к ИИ, а от ИИ – к системе «тотальный цифровой надзиратель». Специалисты уже описывают новую систему, как способную предсказывать беспорядки до того, как они начались. От «кто это сделал» – к «кто это сделает». И этот пример показывает, что табло, о котором мы говорим, – не метафора из будущего. Будущее уже наступило, только пока не у всех.   Эволюционный антрополог Ара Норензаян показал: когда человеческое общество преодолевало порог, при котором личное доверие переставало работать в больших социумах, социокультурная эволюция изобрела универсальное решение – всевидящего надзирателя с неотвратимым наказанием: Больших Богов. Не ради метафизики – ради масштабирования кооперации. И это работало 10 000 лет.   Сегодня – новый колоссальный скачок сложности. А социокультурная эволюция, как и биологическая, – бриколер: делает новое из старых подручных средств. И потому, столкнувшись с очередным скачком сложности, эволюция тянется к старому решению. Большой Брат становится новым Большим Богом. Та же функция. Новый субстрат. ✔️ Технологический фундамент для второго варианта табло уже есть. А эволюционное давление в его сторону все сильнее. Так что вопрос только в том, как быстро и в каком виде это внедрят в разных странах.   Подробней и в деталях: ·       почему именно контроль, а не децентрализация? ·       почему термодинамическая аналогия не оставляет системе иного выбора? ·       и как мы сами, добровольно, уже открыли эту дверь – в обмен на навигатор для вождения в несознанке? – читайте об этом в заключительном эссе цикла «Большой Брат – сын Большого Бога», озаглавленном «Почему тотальный контроль неизбежен».  

P.S. Когда в июне 2019-го я начинал цикл статей о «Большом Брате – сыне Большого Бога», мне казалось, что до возможной материализации этой антиутопии еще, как минимум, пара десятков лет. И потому я не спешил с публикацией новых статей цикла, полагая, что спешить некуда. Но один за другим прилетели два «Серых лебедя»: COVID-19 и «революция ChatGPT». И за 7 лет между 1-й и последней частями цикла, формулировки названий частей изменились из предположительной «Почему его воцарение в мире может быть неизбежным» в утвердительную – «Почему тотальный контроль неизбежен». И получился, что называется, worst case.

   Расширенный перечень материалов цикла см. здесь.   Поскольку все эти материалы публиковались в открытом доступе, заключительная часть цикла также открыта для всех на Medium и Дзен.   #БольшойБрат  #БольшиеБоги

За 2 дня смогла собрать базовый прототип своей игры. Очень приятное чувство, что несмотря на то, что я кодила в последний раз несколько лет назад, ручки то помнят 😁 Как любой геймдиз, мне конечно же хочется однажды открыть свою студию или выпускать собственные игры. И вот один из моих личных принципов - прежде чем руководить, я должна на практике узнать как всё устроено и не важно чего это касается (ремонт, разработка игр или развитие в медиа сфере). Поэтому я решила пройти все эти этапы самостоятельно на вот этом относительно простом проекте, прежде чем перейти к разработке более крупных проектов. Да, я сталкивалась с разработкой игр за эти года в найме в геймдев, но когда ты делаешь всё сам - это другие ощущения 🤌 Если будет интересно, буду держать в курсе развития проекта ❤️

«я хороший», «я плохой», «со мной всё ок, но...» В моей практике и по внешним наблюдениям, эксперты с запросом «хочу больше денег» обычно делятся на три большие группы. Это не жёсткое деление, а скорее про ведущее поведение. «я хороший», «я плохой», «со мной всё ок, но...» 1️⃣ «Я хороший» - это когда человек начинает суетиться вокруг клиента, чтобы подтвердить свою хорошесть. Сделать что-то сверху, добавить бонус, поработать ночью, в выходной, бесплатно, лишь бы клиент остался доволен. Тут же часто сидит стыд назначать цену и продавать: особенно, продавать напрямую, прям так вот взять и сказать «Покупайте наших слонов». 2️⃣ «Я плохой» - это история про недостаточность. Не только про синдром самозванца, хотя он тут тоже рядом. Человек думает: я не настоящий специалист, я недостаточно учился, я не всё умею, есть люди опытней меня. И дальше включается демпинг, списывание своих успехов на удачу и знакомое «надо переделать, доплатить, исправить, ведь раз клиент ругается, значит, я недоделал». И у обеих этих групп по классике есть

чтение мыслей клиента, залезание в его голову и забота о его кошельке. Клиенту, наверное, дорого. Клиенту, наверное, не надо. Клиент вообще не должен за это платить.

Хотя на самом деле это уже не про клиента, а про наши истории о том, что он подумает и какую мою мысль про меня он таким образом подтвердит. 3️⃣ Третья категория - «со мной всё ок, но...». Это люди, которые хотят расти, масштабироваться, зарабатывать больше, но упираются в потолок, хотя вроде бы всё знают и всё делают. И тут уже вопрос не в знаниях, а в том, что блокирует рост и включает саботаж. Например: имею ли я право жить лучше, чем моя мама? Могу ли я зарабатывать больше, чем муж? Что будет, если я вырасту? Не развалится ли из-за этого моя привычная система координат? ✅ С первыми двумя группами мы в первую очередь возвращаем моему клиенту его самого, а его клиенту отдаем ответственность. То есть убираем привычку жить через фантазии о чужой голове и отдаём обратно позицию: клиент отвечает за себя, эксперт - за свою работу. С третьей группой уже больше разбираемся с внутренним миром: с установками, страхом роста, запретом на деньги, на масштаб, на неидеальность. Там работа идет про внутренний потолок, который человек сам себе поставил и потом ещё дисциплинированно в него упёрся. Сказать, что с кем-то из них легче работать, а с кем-то сложнее, не скажу. Просто задачи разные. Но если где-то узнали себя, и хотите, чтобы я отдельно разобрала какой-то из этих сценариев в следующих постах, пишите. Тимофеева Мария в бизнес с головой

🤖 Технодайджест недели

OpenAI выпустила GPT-5.6 и запустила ChatGPT Work. Новое семейство моделей состоит из трёх версий: флагманской Sol, сбалансированной Terra и самой дешёвой Luna. Также появился режим ultra, в котором модель запускает несколько агентов параллельно и распределяет между ними подзадачи. Одновременно OpenAI представила ChatGPT Work — это агент и единое приложение, которое приходит на смену отдельным ChatGPT и Codex. Work как раз построен на базе Codex и тоже может работать с файлами и приложениями на компьютере, но ориентирован на обычных пользователей и их задачи, например, работу с документами. Также на этой неделе вышел GPT-Live — новый голосовой движок, который умеет слушать и говорить одновременно, поддакивать в разговоре и молчать, когда пользователю нужно подумать.

Nothing представила бюджетный смартфон и наушники. Phone (4b) получил чип 4, OLED-экран на 120 Гц и основную камеру на 50 Мп, его цена — 329 евро (около 28 700 рублей). Наушники ear (3a) стоят $99 — это около 7550 рублей — выделяются функцией Audio Snapshot: у них есть 32 МБ собственной памяти, что позволяет записывать до минуты звука без обращения к смартфону, а также локально сохранять звонки до двух часов с последующей расшифровкой в текст.

Яндекс запустил роботакси между своими офисами в Москве. Машины курсируют между штаб-квартирой на Парке Культуры и офисом в Москве-Сити. За рулём находится водитель-испытатель, который не управляет машиной, а лишь следит за её поведением. Вызвать роботакси можно в приложении Яндекс Go. Пока воспользоваться им могут сотрудники Яндекса, но это подготовка к коммерческому запуску: до конца 2026 года Яндекс планирует вывести на улицы города 200 машин.

В Китае начали отключать ИИ-аватаров. ByteDance и Alibaba уберут пользовательских ИИ-персонажей из чат-ботов Doubao и Qwen, а Tencent уже отключила аналогичную функцию в Yuanbao. Причина — скорое вступление в силу нового китайского закона об ИИ, который запрещает сервисы, вызывающие эмоциональную зависимость и заменяющие живое общение.

Meta* выпустила новые нейросети для генерации текста и картинок. Muse Image генерирует и редактирует изображения, создаёт читаемый текст на картинках и может использовать публичные фотографии из аккаунтов Instagram*. Muse Spark 1.1 предназначена для агентов и работы с компьютером, поддерживает контекст до миллиона токенов и доступна разработчикам через API. * Meta, которой принадлежит Instagram, признана экстремистской организацией и запрещена в РФ

Подписывайтесь 👉 @techno_yandex