Одну важную вещь я поймал на днях с AI консилиумами: когда вы просите консилиум дать свое мнение по определенному вопросу, то важно правильно ограничить видимость агентов; в противном случае - они прочитают факт/вывод в папке проекта и выдадут один и тот же, уже известный ответ. И тогда вся идея разнообразия мнений разбивается о стенку Что у меня произошло: Я в течение 4 дней исследовал одну проблему на пару с дружбаном - why-tree, просмотр сессий и тп. И на какой-то из итераций с консилиумом я заметил, что они стали оперировать фактами, которые им не должны были быть известны. Тут можно было подумать, что они или гении, или нагаллюцинировали... Начал копать и заметил, что у некоторых участников подозрительно много вызовов тулов —> выяснилось, что поскольку у них были тулы, чтобы читать файлы - то они решили, прежде чем дать свое мнение, почитать все что есть в проекте, ну и наткнулись на этот контекст, а далее уже было достаточно сложно их мнение "разнообразить". К слову, цитата из моего поста 3 года назад:

В Empatika Open, посвященной моему обучению в Stanford, я рассказывал про неприятный феномен групповых обсуждений, когда участники фокусируются на общем знании, теряя уникальное знание каждого. Как снизить вероятность такого поведения?

Собственно, именно таким неосторожным загрязнением (contamination) контекста мы и можем предопределить однообразие мнений участников консилиума - как человеческих, так и AI. Как лечится? 1) можно ограничить тулы, что даете субагентам (не давать им читать файлы) 2) явно попросить закарантинить файлы, которые им не должны быть доступны 3) давать разные задачи участникам - "опровергни", "найди чего не хватает", "перепроверь цифры", "скажи, что тебя переубедит" Attention is all you need 😉 P.S. Скилл я, разумеется, по мотивам проапдейтил, но пару седых волос точно прибавилось

Страшно выпускать навайбкоженный проект в свет? Оттягиваете? Боитесь облажаться? Публичного хейта? Паша Дуров вот недавно профукал домен t.me, теперь он недоступен. Сотни миллионов пользователей, миллиарды инвестиций, лучшая команда. Страшно, что взломают? Открою секрет - взломать можно все, и то что написал человек, и то, что написал агент. Если вас еще не взломали, есть на это две причины: • Вас уже взломали, но вы об этом не знаете • Вы никому не интересны Проекты значительно чаще умирают (или не рождаются) из-за перфекционизма (тревожности) основателей, чем из-за технической некомпетентности. Пишу об этом, потому что каждый день сам через это прохожу. Ставь ❤️ - если тоже. ❤️ - если уже есть проекты в продакшене.

Жизнь вне цивилизации Возле Ванкувера есть остров Ласквети, где живут около 500 человек без общей электросети, полиции и военкомата. Хочешь построить дом, строй как угодно, без согласований и пошлин. Местный житель Марк Янг за 21 год сам поставил там хижину, усадьбу и танцевальную студию площадью 900 м². А если Канада далеко, пустующий деревянный дом в белорусской глуши можно занять за одну базовую величину, примерно 15 долларов, без аукциона. Дальше считаем, во что реально обходится автономная энергетика: балконный солнечный набор от €200, сроки окупаемости панелей на крыше, шведская капсула-юрта на 7 м² со спутниковым интернетом и тепловым насосом. Плюс что стоит скачать заранее, если готовишься жить без сети.

Remember Me как правдоподобный киберпанк Автор: Олег Чимде Когда говорят о правдоподобном киберпанке в играх — часто вспоминают Deus Ex. Cyberpunk 2077 не вспоминают: там, как и настолке, будущее соткано из клише 80-х. Но мне кажется, что и Deus Ex не очень-то реалистичный — тамошний киберпанк будто бы не учитывает современное развитие технологий и общества. Больше похоже на будущее, каким его видели в прошлом. Но есть игра, в которой киберпанк плюс-минус реалистичный — Remember Me от Don't Nod. К сожалению, студия сейчас переживает ужасные времена, но как бы мне хотелось увидеть продолжение! Да, у Remember Me есть проблемы вроде скучной боевой системы и надоедливого паркура, но фантастические концепции там впечатляющие. В основе вселенной Remember Me лежит «глобальная деревня» Маршалла Маклюэна. Часто говорят, что Маклюэн предсказал появление интернета в современном виде, благодаря которому ощущение времени стирается, а мир сжимается до размеров деревни, где люди как бы вплетаются в жизнь друг друга. Авторы Remember Me развивают эту концепцию. Благодаря нейроинтерфейсу сенсин жители Новопарижа, где разворачиваются события игры, загружают приятные воспоминания (их можно купить прямо на улице) и избавляются от негативных. Завидуете коллеге, которая постит в социалках красивые фотки из путешествий? В Новопариже вы могли бы купить себе такие же воспоминания. А весь негатив слить в нейронку. В городе даже есть район, жители которого постоянно обмениваются воспоминаниями друг с другом, благодаря чему получается идеальное утопическое общество. Если все друг про друга всё знают, то не будет насилия, лжи и других неприятных вещей. Если ты не подключен к сети, то ты неполноценен. Ты не просто не обмениваешься информацией с остальными — ты ещё и жить нормально не можешь. AR, дополненная реальность, плотно вошла в жизнь людей. Многие городские вывески и оповещения — это всё AR. Даже полицейские роботы используют дополненную реальность: транслируют жуткие картинки, которые призваны охладить пыл нарушителя. Remember Me вообще рисует достаточно правдоподобную утопию. Разумеется, не обошлось без социального расслоения (и зависимых от сенсина наркоманов), но город развивается — до трущоб реновация просто ещё не дошла. И всю эту идиллию главная героиня Нилин, способная переписывать чужие воспоминания, решает разрушить из-за своих меркантильных целей. Вряд ли авторы задумывали такие смыслы, но получилось то, что получилось. Авторы продумали вселенную основательно. Всё в ней подчиняется единой концепции. Так, например, СМИ тут работают по подписке: бесплатно доступен только инфоповод, а за подробности надо заплатить. Оружие у Нилин подстать. Она может заваливать противников флудом из чужих воспоминаний. Или спамить бесполезной информацией (мемами?). Новопариж, по сути, единственный спокойный город Европы — всё благодаря сенсину. Слил свои травмирующие воспоминания в нейронку и всё — ты психически здоров. Правда, нейронка в результате обрела разум (сотканный из фобий и негативных переживаний) и решила покончить с собой, но кто ж знал, что так будет? В Китае ещё катастрофа произошла, когда воспоминания душевнобольных выплеснулись на общий сервер и «заразили» 200 тысяч человек психическими расстройствами. Но что поделать, технологии несовершенны. Игра вышла в 2013-м, но фантастические концепции в ней совсем не устарели. Да, социальные сети уже не так сильны, как прежде, но социальный эксгибиционизм никуда не делся. Многие из нас любят делиться воспоминаниями со всеми подряд — и получать за это лайки. Да и повсеместный AR всё ещё может случиться — очень зависит от популярности умных очков, которые разные производители сейчас внедряют в массы. Микро-СМИ даже обрели вторую жизнь благодаря тем же телеграм-каналам. Про нейросети я молчу. Скидывать неприятные воспоминания в ChatGPT? Мы уже это вовсю делаем. Осталось только Альтману или Цукербергу сенсин изобрести — вот тогда хорошо заживём. Наверное. Или нет? #мысли

Эти 20к мне пришлось прям "выцарапывать" 😁 Впервые такое. У меня есть партнерская ссылка на один сервис. Я туда привел несколько сотен человек. Накопилось на балансе партнера 20 тыщ рублей. Заказал 1 июня выплату на ИП. Ну заказал и забыл. Обычно такие выплаты в течение 1-2 рабочих дней проходят. С лицевого счета деньги списались, а на ИП всё никак не поступали. 10 Июня пишу им, мол, где деньги, чёт долго идут. Ответили автоматическим сообщением, мол, жди 30 дней. Окей, жду. 1 июля пишу им, говорю, 30 дней прошли, где деньги? Денег нет. Опять формальный ответ типа "передали запрос в бухгалтерию". 10 июля пишу, говорю, ну скока можно, где выплата? Опять форматльная отписка, но я решил задолбать их, раз они выбрали такую стратегию тупого молчания. Писал им каждый день, а потом каждые несколько часов. Сегодня утром деньги поступили 😁 Если какой-то процесс не идет, вы пропихните его сильнее ногой и он пойдет

🎫 Что такое Pass-the-Ticket? Мы уже разобрали: 🔐 NTLM → Pass-the-Hash Теперь пришло время второй популярной техники в инфраструктурном пентесте — Pass-the-Ticket.

📌 Pass-the-Ticket (PtT) — это атака, при которой злоумышленник использует уже полученный Kerberos-билет, а не пароль пользователя.

Проще говоря: вместо кражи пароля атакующий "подкладывает" системе чужой билет Kerberos и получает доступ от имени этого пользователя. 🧠 Вспомним, как работает Kerberos. Когда пользователь успешно входит в домен:

Логин
        ↓
Проверка пароля
        ↓
Domain Controller
        ↓
Выдаётся Kerberos Ticket

Именно этот билет используется для доступа к ресурсам сети. 💀 Если злоумышленник сможет получить такой билет, пароль ему уже не понадобится. Он может использовать билет для аутентификации так, словно является настоящим владельцем учётной записи. 📌 Чем отличается Pass-the-Hash от Pass-the-Ticket? Pass-the-Hash 👉 используется NTLM-хеш. Pass-the-Ticket 👉 используется Kerberos Ticket. Обычно атака выглядит так:

Получение Kerberos Ticket
        ↓
Импорт билета
        ↓
Доступ к сервисам

🛠 Для работы с Kerberos-билетами часто используют: — Mimikatz — Rubeus — Impacket 🧠 Важно понимать:

Pass-the-Ticket — это не способ получить билет, а способ использовать уже полученный. Поэтому чаще всего сначала злоумышленник получает доступ к системе, извлекает Kerberos-билеты из памяти, а затем использует их для перемещения по инфраструктуре.

📌 Именно поэтому защита рабочих станций и серверов так важна. Если атакующий получает возможность читать память процессов с билетами Kerberos, это может стать отправной точкой для дальнейшего развития атаки. #infra #ad #kerberos #passtheticket

Сегодня хороню Средненького продакта В последнее время всё чаще думаю, что меньше всего на свете хочу быть средненьким. Эта ирония работала какое-то время и была созвучна моей прееходной идентичности, но больше нет. Я заебись продакт, но, наверное, худший в мире исполнитель. Если сложить и поделить эти два факта, то будет средненький. Но ирония в том, что мне больше нет смысла складывать и делить. Я могу использовать, качать и продавать только сильную часть. Для всего остального есть... Ну, пусть будет карта МИР пока. В общем, не хочу чтобы моя лодка так называлась. Это не значит, что дальше плывём на серьёзных щах, не бывать такому. Но флаг меняем. Дальше. -- Я больше не ассоциирую себя с продактом, да и той профессии, в которой я был сеньором еще полтора года назад, уже нет. -- Каналов с неймингом на такой манер стало слишком много. Пусть резвятся, я не с ними. -- Ну это страшновато, да. А вдруг чего? Да и пофиг. Канал меня представляет, но больше не является ни мной, ни моим основным способом заработать на жизнь (и нет, работу я не нашел, скоро будет третий отчёт). Средненький продакт прожил славную жизнь. Яркую, эмоциональную, с множеством событий.Интересный был парень, и я совершенно точно его буду помнить. Но сегодня я бросил попытки его спасти и похоронил окончательно. И стало легче дышать: впервые за жизнь я осознанно строю не карьеру, а себя. И здесь уже нет места профессиональной приставке.

Подборка об RL и ризонинге Рассказываем об улучшении RL для сложных задач, оптимизация в RLVR одной строкой кода (!) и обучении компактной модели для дипресёрча. Reuse your FLOPs: Scaling RL on Hard Problems by Conditioning on Very Off-Policy Prefixes При обучении RL на сложных задачах есть две основные проблемы: 1. Большинство роллаутов — wrong, поэтому положительные примеры для основной части задач не появляются. 2. Сложно дообучать модель, когда так мало положительного сигнала. Улучшение происходит скорее за счёт роста общей «умности» модели на более простых тасках. Авторы предлагают метод Prefix-RL, который как раз направлен на решение сложных задач: 🔴Для них семплируются ответы, и из всех семплов выбирается правильный ответ. 🔴Собираются prefixed problems: промпт + префиксы правильного ответа. 🔴На обучении модель видит исходную задачу и набор prefixed problems и учится продолжать хорошую цепочку. Получается метод, который консистентен с on-policy RL, обладает высоким sample efficiency и может ускорять self-improvement. По замерам авторов, Prefix-RL в сравнении с mid-training SFT + GRPO прокрашивает AIME 2025 больше чем на 12 пунктов при том же компьюте на обучении. Проводят аблейшен на Llama, добавляя в prefixed problems генерации Qwen. Это даёт около +5% при том же компьюте относительно Prefix-RL на prefixed problems инит-модели. Получается что-то похожее на эффективную дистилляцию во время RL. Back-generalization — один из важных выводов статьи. Обучение на цепочках с префиксами улучшает решение задач без них, то есть модель при обучении не попадает в зависимость от подсказок. При этом back-generalization позволяет модели писать начало ответа не той стратегией, что была в префиксах на обучении. Хотя автор сказал, что в агентском обучении аналогичный метод они не пробовали, он хорошо обобщается на агентский сетап: в роли префикса выступает часть траектории. Maximum Likelihood Reinforcement Learning Кликбейт: поменяйте строчку в расчёте advantage, замените std в нормировке на mean в своём RLVR — и всё полетит. Проблема в целом стандартная: GRPO учит модель максимизировать среднюю награду (pass@1), а не вероятность успеха. Из-за этого он «залипает» на лёгких задачах и почти не учится на сложных. В RLVR средний reward — это аппроксимация вероятности правильного ответа (так как награда 0/1). Предлагают взять log p (логарифм вероятности правильного ответа) и разложить его в ряд Маклорена по pass@k — вероятности получить «хотя бы один верный из k независимых семплов». Получается бесконечная сумма вкладов от одной, двух, трёх попыток и так далее с весами 1/k. MaxRL берёт усечение этого ряда до вычислительного бюджета g, то есть размера группы в GRPO. Чем больше семплов N на инференсе, тем выше truncation T ряда и тем ближе к точному ML. Если на пальцах, метод даёт меньше внимания группам, где решаемость уже высокая, и больше смотрит на сложные. MaxRL даёт до 20× прирост эффективности test-time scaling относительно GRPO, Pareto-доминирование по pass@1 и pass@k и лучше масштабируется с данными и вычислениям. Попробовать метод можно дёшево: если уже есть RLVR, достаточно поменять одну строчку в расчёте advantage. Но работ, которые пытаются решить эту проблему, много, и пока непонятно, какая идея окажется лучшей. DR Tulu: Reinforcement Learning with Evolving Rubrics for Deep Research Популярный постер на конференции. Ребята смогли получить лёгкую модель дипресёрча с крутым качеством за счёт генерации и обновления рубрик. Изначально при обучении модели давали небольшое количество хорошо написанных рубрик. После каждой итерации обучения смотрели на изменения в ответах, для них генерировали дополнительные рубрики и джаджем оценивали их качество. При этом генерация рубрик и оценка тоже выполнялись лёгкой моделью. За счёт этого цикла получилось обучить модель собирать больше полезной информации и не галлюцинировать. В итоге сделали лёгкую модель (8B), которая по качеству сравнима с топовыми моделями дипресёрча. Увидели интересное ❣ Даниил Кириллов, Тимофей Смирнов, Иван Дёгтев #YaICML2026 Душный NLP