ИИ

В тему будущего самопрезентации (на котором вы, похоже, чуть уснули 🫶🏼) и на примере последнего поста про карту-реестр фантастов и их идей, давайте обсудим живое В одной из методологий постановки целей есть понятие baseline – то, что ты и так делаешь, база Из-за AI и в некоторых областях эта база резко подскочила: что только не сделаешь с этим айайем, правда? :) И пост он напишет, и умных мыслей соберёт и сайт вот можно сделать буквально на красивой женской коленке, а не с нудным дизайнером, ограничивающим количество правок И происходят (пока) такие забавные штуки: (1) бывает такое, что человек в интернете умнее, чем он есть на самом деле (ведь всегда можно подглядеть в этот ваш айай или гугл) (2) некоторые инструменты и способы обработки информации стали сильно, сильно доступнее, а это значит, что они стали общим местом Может это место и не будет слишком уж общее – не все могут преодолеть препоны в виде иностранных карт и прочих штук, нужных, чтобы получить доступ в заветные иностранные ИИ Может это место все больше будут фильтровать ценой Но произошло и происходит то, о чем моя подруга шутила – были у нас «одинаково красивые женщины» (когда девочки косят под одну внешность и стиль), были у нас «одинаково красивые рестораны» (когда вроде и чисто, и симпатично, но такое все ничем не отличающееся, что как столовая уже) и будут у нас «одинаково красивые сайты», и, к сожалению, «одинаково красивые мысли» «Сделай мне из этого сайт, срез такой, срез такой, разумные доработки приветствуются» Вы же понимаете, что скрин любого сайта можно скормить нормальной модели и спросить «как это сделано?» или сказать «сделай так же»? Все это скучно, до махровой тоски :) Отличаться все будет чем? Настоящестью вашей Аутентичностью (не люблю это слово, ну ладно) Два человека с одинаковым сценарием какого-то тренинга сделают с группой разные вещи, вытащат разные акценты и в разные точки группу приведут Все дело в вайбе, трушности и Душе! Не просрите это на полях одинаково сексуальных ловушек ИИ 😁🫶🏼 🔗 Подписывайтесь на Кружой кройки бытия

Стандарт авиастроения против AI-слопа 🔹 AminBlg/SimpleEnglish ⭐ 289 звёзд · Python Agent Skill, который заставляет LLM писать документацию по стандарту ASD-STE100 — контролируемому английскому, на котором аэрокосмическая отрасль пишет мануалы с 1983 года. 53 пронумерованных правила в 9 разделах: максимум 20 слов на инструкцию, активный залог, простые времена, одно слово — одно значение, запрет на should/would/may/might и «-ing»-обороты. Ровно те приёмы, по которым узнаётся AI-слоп: «leveraging», «seamlessly», «it should be noted», хедж-модальность, канцелярит на 40 слов в предложении. Скилл вычищает это на входе, а не правкой постфактум — модель сразу пишет короче и конкретнее. На бенчмарке из 96 генераций (6 моделей Claude × 8 задач) нарушений STE стало меньше на 72,9%, средняя длина предложения упала с 11,2 до 9,7 слова, токенов на выходе тоже меньше. Ставится через npx skills add в Claude Code, Cursor, Codex, Copilot, Gemini CLI и ещё ~25 агентов. Для ChatGPT и claude.ai — версия промптом, есть урезанный вариант на ~60 токенов. На маркетинг и блог-посты скилл сознательно не распространяется. репозиторий Полезная Репа ✈️

Не знаю зачем, но я тут завел Substack и написал туды статью: А началось с того, что я решил разобраться, а как там вообще разные люди оценивают AGI, что это такое и как вообще это понимать. И провалился в кроличью нору... Выяснилось, что этот AGI — Artificial General Intelligence, он же "Общий Искусственный Интеллект" — никто толком и объяснить не может, что это такое. Впрочем, а никто и не надеялся. Но понять очень хотелось. И вот статья, написанная, конечно же, не без помощи ИИ (ну, потому что обобщить 40+ ссылок, которые содержится в статье без ИИ можно, но у меня нет столько свободного времени), где выявилось, что на предмет есть как минимум 9 точек зрения, которые не то чтоб противоречат, но находятся в разных пространствах, спор в которых бессмысленнее "синего платья". И эти "9 PoV" можно свернуть в "оси спорщиков", которых тоже больше двух. Ну, например: 1. "А можно ли вообще построить AHI, и если можно, то как" 2. "А как быстро мы достигнем AGI и можно ли вообще" 3. "А в чем риск AGI" 4. "А кто это вообще будет управлять AGI, если его создадут" 5. И, черт побери, "а как мы вообще узнаем, что AGI появился". Отдельно, наверное, нужно отметить экономистов, которые, как обычно, пытаются прогнозировать будущее путем переноса прошлого — хорошие вещи "апроксимаций" не называют. Я там даже вспомнил про "математическую индукцию", про которую я еще в школе писал какой-то доклад или реферат для "научной конференции школьников" — до сих пор помню этот метод. От себя лично могу только добавить, что те системы, которые сейчас называют "ИИ" они уже очень сильно изменили мою жизнь и продуктивность. Вот хотя бы эта статья — для написания такой лет пять назад я бы потратил неделю. Сейчас я потратил вечер, просто последовательно задавая вопросы в тот момент, когда мне было что-то непонятно и что-то добавляя по ходу выуживания информации. Я считаю это прорывом, который будет масштабироваться на все отрасли народного хозяйства. Пусть и не так быстро, как утверждают ИИ-энтузиасты.

AgentFold — метод управления контекстом для агентов на длинных задачах На длинных сценариях поиска и анализа веб-агенты либо хранят слишком много сырой информации, либо слишком часто её суммаризируют, что забивает контекст. Авторы сегодняшней статьи предлагают метод AgentFold (GitHub), призванный решить эту проблему, сделав память агента динамической и управляемой самим агентом. Сейчас в веб-поиске используются два подхода. Первый — это ReAct, при котором все действия и решения конкатенируются в конец контекста. Благодаря этому ничего не теряется, но и контекстное окно забивается очень быстро. Второй подход — суммаризация на каждом шаге, однако при этом какая-то часть информации неизменно теряется. Ключевая идея AgentFold — создание активного и динамически пересчитываемого контекста для каждого следующего шага. То есть агент самостоятельно выбирает, что нужно запомнить точно, а что можно суммаризовать. Авторы отмечают, что они вдохновлялись человеческой способностью к осмыслению собственного опыта. В статье предлагается модифицировать и контекст, и то, в каком формате выдается ответ. Контекст должен состоять из следующих элементов: • Question — исходный вопрос; • Tools — доступные инструменты; • Multi-Scale State Summaries — свёрнутые блоки прошлых шагов. Например, шаги с первого по третий представлены одним блоком. При этом свёрнутым может быть и один шаг; • Latest Interaction — последний полный шаг. Суть в том, что все предыдущие действия хранятся в сжатом виде, а последнее — в подробном. Это позволяет меньше загружать контекст. Что касается ответа, то тут модель должна сперва размышлять, а потом делать фолдинг шагов. Он может быть гранулярным (granular) или глубоким (deep). В первом случае схлопывается только последний шаг, а во втором — целая ветка (например, «шаги с четвёртого по девятый»). После фолдинга идёт этап, на котором модель объясняет, почему объединила шаги именно так, как объединила. Наконец, вызываются инструменты и совершаются какие-либо действия. Для обучения всему вышеописанному, авторы брали вопросы из WebSailor и отправляли их во внешние опенсорсные модели (GLM-4.5 и DeepSeek-V3.1), чтобы построить контекст конкретного шага. При этом о том, как генерируются данные, не сообщается. Далее авторы генерировали ответ, выполняли действие, получали ответ от среды и собирали следующий шаг траектории. Проблема в том, что LLM сами не умеют сжимать контекст, что ведёт к ошибкам, галлюцинациям и тому подобному. Неправильные решения авторы отбрасывали, но как — в статье не описывается. Итоговый датасет представляет собой не набор пар «вопрос-ответ», а выборочный набор пар взаимодействия (intersection pairs), удовлетворяющих определённым условиям. На эти пары делается SFT. Согласно результатам замеров, AgentFold помогает снизить нагрузку на контекст к сотому шагу на 91% по сравнению с ReAct. При этом с увеличением числа шагов точность, как сообщают авторы, только растёт. Разбор подготовил ❣ Антон Гырдымов Душный NLP

Какую модель Claude выбрать Выбор LLM по таблице бенчмарков перестал быть рабочим методом. Вот что приходит ему на смену. Причина простая: тесты насытились. Сильные модели решают почти все задания популярных бенчмарков, разрыв между классами уходит в пределы пары процентов, и первая строка рейтинга больше ничего не говорит о том, какая модель нужна именно вам. Что предлагает Anthropic вместо этого — четыре опоры: 1. Понимать классы, а не ранги. Haiku — частые однотипные запросы, где решают скорость и цена. Sonnet — баланс под клиентские сценарии с требованиями к латентности. Opus — сложное многошаговое рассуждение. Fable — фронтир, задачи без готовых решений. 2. Стартовать сверху и регулировать усилие. Рекомендация — начинать с самой умной доступной модели и дальше подбирать не класс, а effort level. Один параметр двигает и качество, и стоимость, и это дешевле, чем перебирать модели. 3. Считать цену за задачу, а не за токен. Показательный замер на SWE-bench Pro: связка Sonnet 5 с советником Fable 5 дала результат в пределах 10% от Fable — за 63% его цены. Прайс за миллион токенов такой картины не покажет. 4. Закрывать выбор своими эвалами. Стандартный бенчмарк меряет среднюю задачу. Вам нужна ваша — на своих кейсах, со своими порогами по латентности и цене. Вывод, который останется верным и после следующего релиза: бенчмарк сужает список кандидатов, но решение принимает ваш прогон. Материал — по статье Anthropic «Claude Models Explained». @timurtaepov