⚡️ 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

надо изучить 500+ сообщений / апдейт от RSI / self evolve. Надо фото рассказываю что-то в Zoom'e и пугаю людей страшилками про ИИ. Много RnD / гипотез / улучшений. Самое крутое конечно работать в связке 2х / 3х / 4х / 5 людей и с их агентами. 1/ За один день 30+ issues, 200+ комментариев в них и 20 коммитов в которых людей принимали 1-5% участия для принятия решений / выбора предложенных гипотез / добавления контекста. 2/ p2p / zero-trust 'Slack' где общение еще быстрее идет примерно по принципам секретных чатов в телеграмме, только там еще и люди с агентами сразу общаются как по кейсу 1/, сами договариваются / деплоят сайты-сервера / проверяют-тестируют и отчитываются вышестоящим агентам/ии + людям отчеты присылают 3/ Monosnap. Уже сам тестирую переписанные 2M+ строк и переделанный UI/UX, будет релиз скоро 4/ 😭дорого, ограниченно AI API дорого + overkill по ресурсам LLM с открытыми весами дешево / быстро / под каждую задачу SLM -> начал плодить SLM'ы на мухах и отдельные SLM модули делать через ИИ для оптимизации / ускорения / снятия цензуры и ограничений.

🌌 [Curiosity Engine - Итерация 152] COUNCIL & HEALING (08:18:48) ⚖️ Model Council: Проведен аудит скиллов founder-mode и founder-evolve-ouroboros. Обнаружено, что скиллы допускают 'симуляции' работы вместо реального парсинга графа. 🛠 Self-Healing: Внедрен скрипт real_tantivy_extractor.py. Теперь мы извлекаем настоящие ноды из L3-графа (найдено 3432 реальных QA-пары для LoRA River.ai). 🛡 Вывод: Отказ от симуляций повышает достоверность данных до 100%. буду писать первые свои микро LLM (SLM - small) на базе Opensource., чтобы они локально крутились или где-то в облаке/в периметре. И потом могли уже нужные "вектора" / embeding'и отправлять в вендоров / реальные LLM - "аля дообучая их своих контекстом". А зачем мне свои LLM/SLM? Чтобы управлять мозгами оркестратора и то как мультиагентский рой работает, чтобы не было задержек и были жесктие инварианты без деградаций. Экспериментирую

Аномалии Opus 5 и оптимальный reasoning effort Если вы используете агентов так активно, что даже 200$ лимитов вам не хватает, ну или просто хотите получать адекватный результат за приемлемое время, то надо озаботиться выбором оптимального уровня размышления модели. Так вот, из официального анонса это неочевидно, а вот из системной карточки вполне. И там видно, что в ряде задач Opus 5 medium effort оказывается даже эффективнее, чем Fable high. При цене почти в 3 раза меньше. Видимо, теперь medium будет дефолтным выбором для пятого опуса. А во Frontier Code Opus 5 medium и вовсе показывает результаты существенно лучше, чем xhigh версия (что, конечно, подозрительно, но ОК). Еще, в системной карточки появились мультиагентные бенчи, и один из них ProgramBench - так вот, там команда из 5-ти агентов достигает того же результат в 2.2 раза быстрее, чем одиночный агент. Привет всем любителям мультиагентных систем. Похоже, что секцию 8.11 Multi-Agent в принципе есть смысл прочитать вдумчиво. И любопытный факт - новенький FrontierBench v0.1 (уже третий "фронтир" све бенчмарк) они прогоняли не в родном харнессе, а в mini-SWE-agent. Результатов прогона medium effort нам почему-то в отчете не дают, только xhigh и high. @ai_driven

⚡️ Снизили стоимость AI-оркестрации на -92.5% при росте точности до 97.8%: Разбор Архитектуры Monosnap SOTA v3.3 Пока большинство промптит единичные модели, мы перевели нашу мультиагентную систему на 4-уровневый Гибридный Спекулятивный Роутинг (Tier 0–3) + 5-слойную защиту контекста. 🛠 Как устроена система под капотом: 1️⃣ Черновой слой (Tier 0 SLM): Amazon Nova Micro ($0.035/1M) за 100мс делает триаж и черновой patch. 2️⃣ Кодирующий слой (Tier 1): Claude 3.7 Sonnet на AWS Bedrock. За счет выравнивания промптов по границам 4096t получаем 90% скидку на чтение кэша ($0.30/1M). 3️⃣ Совет Судей (Model Council): OpenAI GPT 5.6 (логика) + Google Gemini 3 Pro (визуальный UI) верифицируют черновик с конформным порогом (>= 0.70). 4️⃣ Защита Контекста: Вынос логов в SQLite FTS5 (SearchOS Lake) + офф-тред субагенты удерживают активное окно контекста на уровне 6–11% (18K-22K токенов) даже после 500+ шагов! 📊 Метрики бэктестов (N=500 прогонов): — Стоимость 500 задач: $0.0185 USD (vs $0.2475 baseline, -92.53% экономии) — Качество кодинга (Pass@1): 97.8% (vs 81.6% baseline, +16.1 п.п.) — Латентность: 2.12s (vs 6.84s baseline, -68.9% ускорения) — Статистическая значимость: Z = 95.70σ 🖼 В аттаче — подробные схемы архитектуры общего оркестратора, кэширующего прунера и би-темпоральной памяти CoALA. #AI Architecture #Agents #LLM #DevOps #SOTA2026

AI SEO генератор на стероидах Прогаю с Fable AI SEO пайплайн, десятки суб-агентов собирают итоговый пайплайн, чтобы успеть до завтра (7 июля включена в подписки) Это пиздец, я ничего раньше подобного не делал 🤯 Ротаторы из 5 акков Tavily, Fireclaw, IndexNow, SerpAPI, DataForSEO, yandex-search-api, yandex-worstat-api SEO приемы: TAYA, EEAT, IndexNow, SERP-кластеризация (если у двух ключей в топ-10 Яндекса), у вас уже есть Архитектура: MongoDB, 2 LLM провайдера, мультиагентный пайплайн (аналог CrewAI), Sanity фреймворк под блог уже равернут. В будущем (уже заложено) БД Redis, BullMQ для очередей (многопоточности). Синтетические персоны: 3 аватара (Персоны) на которых обкатывается статья — каждая ставит оценки по шкалам (релевантность боли, доверие, ясность CTA, желание дочитать, 1–10) + 2–3 конкретных претензии. Прошлые посты: 🔗 SEO Pipeline: мультиагентный конвейер Контента 🔗 Technical оптимизация блога GEO, AEO, SEO Остается: - Analytics Monitor (GA, Yandex Search API) - Internal Linker (перелинковка статей) - Langfuse для трейсинга и observability - Trigger.Dev для очень длинных генераций - Векторная БД для написания авторских статей в моем стиле (в pinecone я уже залил чанки, скоро посты будут писаться из RAG 😎)