ИИ

📌 ИИ-агент Tencent помог решить комбинаторную задачу полувековой давности. Исследовательский агент Hyra на базе открытой модели Hy3, помог ученым разгадать математическую проблему, которая оставалась нерешенной более 50 лет. Задача из области комбинаторной математики касалась того, насколько размер множества сумм целых чисел может превышать размер его множества разностей.

Научное сообщество давно доказало, что соответствующий показатель степени не превышает двух, но оставалось неизвестным, является ли эта верхняя граница оптимальной.

Агент использовал модель Hy3 для поиска специфических множеств и вывода общей конструкции. За 24 часа вычислений ИИ нашел ядро решения, которое в итоге легло в основу научного открытия. Ученым оставалось лишь проверить логику, внести корректировки и структурировать доказательство. Для финальной верификации результата использовали GPT-5.6 Sol, которая помогла корректно перевести расчеты на язык Lean 4.

Итоговая статья подтвердила, что искомый показатель действительно может бесконечно приближаться к 2, делая эту границу оптимальным ответом.

@ai_machinelearning_big_data #news #ai #ml

TurboVLA: робот получает команды в разы быстрее при 97% успешных выполнений благодаря замене LLM на BERT Исследователи из Хуачжунского университета науки и технологий и Huawei опубликовали TurboVLA, компактную vision-language-action модель, которая выдаёт действия для робота за 31.2 мс на RTX 4090 и набирает 97.7% на бенчмарке для роботов LIBERO. Главное отличие от других VLA в том, что внутри нет LLM. Вместо неё лёгкий текстовый энкодер BERT, а картинка и инструкция обмениваются информацией напрямую через модуль кросс-внимания. Отсюда 0.2B параметров вместо миллиардов и меньше 1 ГБ видеопамяти при инференсе. Обычно VLA-модели устроены так: робот получает картинку с камеры и текстовую инструкцию по типу «сложи три миски друг на друга». Визуальные признаки сначала проецируются в пространство токенов языковой модели, склеиваются с токенами инструкции, прогоняются через модель, и уже из её скрытых состояний декодируются действия. Этот путь обозначается как V → L → A: сначала зрение, затем язык, потом действие. Ключевое наблюдение исследователей простое: если в инструкции уже написано, что делать, то от текста нужно только подсказать, на какие визуальные детали смотреть. Вместо V → L → A авторы предлагают прямое отображение V + L → A. Картинки и инструкция кодируются независимо, потом обмениваются информацией напрямую, минуя большую языковую модель. За один прямой проход модель выдаёт сразу чанк из 12 шагов управления. Результаты на бенчмарке для роботов LIBERO: TurboVLA набирает 97.7% в среднем при 0.2B параметров, 0.9 ГБ видеопамяти и 31.2 мс задержки. Для сравнения, модель π0.5 выдаёт 96.9% при 3.4B параметров, 12.8 ГБ и 93.6 мс. VLA-JEPA набирает 97.2% при 2.8B и 108.7 мс, CogVLA 97.4% при 8.3B и 115.5 мс. Среди лёгких моделей Evo-1 даёт 94.8% при 0.8B, VLA-Adapter 97.3% при 1.5B. На реальном роботе AgileX Piper модель проверили на четырёх задачах (взять валик, отодвинуть карту, нажать степлер, сложить три миски) и получила от 80% до 92.5% успеха, в каждой из них обойдя π0.5. Симуляционную часть можно воспроизвести целиком: обучение и тесты шли на открытых датасетах LIBERO и RoboTwin 2.0 (для версии под RoboTwin брали визуальный энкодер побольше, там 0.4B параметров). Собственные данные использовали только для дообучения под реального робота. TurboVLA рассчитана на конкретные инструкции. Если попросить робота «приготовить завтрак», разбивать это на шаги будет нечем. Код модели доступен на GitHub под лицензией Apache-2.0, веса выложены на Hugging Face. #Stateoftheart

Я наконец, запустил свой Codex на Linux сервере, с прямым контролем из-под мобильного ChatGPT приложения (через `remote-control`). Это дает возможность запускать разные задачи нативно без привязки к маку. NB: До этого пробовал разные харнесы со своими telegram интеграциями, но все это не то. Хотелось именно нативного. Для этого:

# ставим `codex` CLI одной из последних верси
npm install -g @openai/codex@latest

# запускаем демона с включенным remote control 
codex remote-control start

# Получаем коротко-живущий код, который вводим в "pair new device" в мобильном приложении
codex remote-control pair

# Остановить демона, когда он не нужен, или когда начинают идти ошибки подключения
codex remote-control stop

Работает пока не очень стабильно (т.к. фича экспериментальная), но это именно тот workflow, который разрабатывает OpenAI. Ваш, @llm_under_hood 🤗

Зарабатываем на ИИ, часть 3 Я написал о том кто зарабатывает и растет быстрее всех в ИИ сегодня, и что должно быть правдой чтобы построить большую компанию в пост-ИИ мире. Давайте теперь порассуждаем о трендах, потому что невозможно предсказать точно будущее, но можно найти базовые принципы и отвалидировать их на эмпирических трендах. 1. Open source займет большую часть рынка Отставание открытых моделей от фронтира держится на уровне 3 месяцев и постепенно сокращается. При этом цена моделей ниже в разы. Любая компания, которая хочет построить moat вокруг пост-трейна будет использовать именно открытые модели, делать вокруг них RL чтобы минимизировать цену для своих пользователей. Перепродажа токенов - это худший бизнес, которым вы хотите заниматься. Он будет работать только в масштабе с минимальной операционной маржой, как Amazon для зубной пасты. Большинство задач в экономике уже сегодня не требуют фронтир моделей, но требуют все более сложную агентскую оркестрацию и харнес, именно там можно создавать проприентарную ценность, а значит и капитализацию. 2. Адаптация технологий будет медленнее их развития За каждый % в экономически значимом бенчмарке, все меньший процент адопшена в реальном корпоративном мире будет происходить. Причина в том, что внедрение ИИ — это процесс перестройки организационно дизайна, но люди владеющие бюджетом считают что это процесс технический. В реальности он социальный, это задача менеджмента, что требует изменения привычек и способа координации, инсентивов, даже постепенной смены системы образования. Эффект от ИИ в экономике есть сегодня, но его чувствуют примерно 0.1% компаний, тогда как ТАМ этого эффекта скорее 90-99%. Рынок экономической диффузии потенциально больше рынка продажи токенов, потому что ты продаешь знание и изменение (бесконечны), а не конвертацию электронов в токен (конечны). Это рынок сбора контекста и изменение системы оранизации людей вокруг технологий, но не технологий. Напишу отдельный пост о диффузии и рынке труда на основе последних исследований, что я читал. 3. Миру нужно 1,000x (по словам Дженсена 1,000,000,0000x) больше ИИ вычислений, но победят приложения Спрос на ИИ вырастет в тысячи раз, из-за пунктов (1), (2), агентов, персональных ИИ систем и массовых юзкейсов, о которых я писал, типа образования и медицины. При этом, история развития любой технологии на планете показывает, что инфраструктура всегда в итоге становится наименьшей долей в добавочной стоимости. Железная дорога, телегрфные столбы, оптоволокно и сервера для сайтов зарабатывают куда меньше, чем сервсиные бизнесы и продукты. То же самое неминуемо в ИИ, но buildout фаза может занять многие годы (я писал почему), а вот ИИ нейтив продукты пока еще толком никто не изобрел. Все пытаются либо навайбкодить то, что вообще должно (и будет) бесплатным, либо натянуть чат-бот на фундаментально сломанный и неудобный банк или такси.

🚀 Microsoft открыла Skill Recorder - систему, которая превращает вашу работу на экране в навык для ИИ-агента Принцип максимально простой: вы один раз выполняете задачу самостоятельно, а приложение фиксирует экран, переключения между окнами, посещённые страницы, буфер обмена и голосовые пояснения. Затем GitHub Copilot восстанавливает: цель → последовательность шагов → `SKILL.md` → автоматизацию Агент старается заменить повторение кликов более надёжными инструментами: API, CLI, gh, web_fetch и встроенными возможностями платформы. Например, можно один раз показать обработку GitHub Issue, а затем получить навык для массовой работы с похожими задачами. Сейчас Skill Recorder создаёт навыки и автоматизации для Microsoft Scout, Copilot Cowork и Copilot Studio. Исходный код опубликован под лицензией MIT. Запись хранится локально, но после нажатия Analyze скриншоты, события и расшифровка голоса отправляются в облако GitHub. Пароли, токены и API-ключи записывать нельзя. https://github.com/microsoft/skill-recorder #Microsoft #AIAgents #GitHubCopilot #Automation #OpenSource

Мини-гайд по оркестрации агентов У нас недавно в EDU появилось приложение, которое монтирует записи моих лекций и вебинаров для YouTube: находит и вырезает раскачку в начале, паузы, тишину, оговорки, замазывает то, что не должно попасть в кадр. Первую версию завайбкодил стажёр, а потом я ее переписал с командой агентов за выходные. Собственно, Никита попросил рассказать, как именно я это делал, потому что хочет научиться нормально работать с агентами. Я попросил дружбана разобрать логи всех сессий, чтобы вытащить оттуда метод. Если коротко, то вышло вот что: 1) Сначала карта, потом изменения. Первая команда всей переписки была не "почини", а "разбери код, собери CLAUDE.md и нарисуй схему в артефакте, чтобы я быстрее разобрался". А дальше допрос: зачем тут вот это, насколько оно критично, что сломается, если выкинуть 2) Свою догадку - в карантин. У меня было ощущение, что архитектура переусложнена, но просил я не согласиться со мной, а взвесить оба варианта, причем на другой модели. Больше всего мне самому понравился прием, который мы придумали с AI Natives в ходе какого-то зумбара: "сделай архитектурное ревью, НО это твое последнее слово, после него ты умрешь" 3) Не одним куском, а фазами, и между каждой - критик на другой модели, которому запрещено хвалить. В гите так и осталось: Phase 1 —> Phase 1 review fixes (Fable) —> Phase 2 —> и так далее; 4) Тест = запустить, а не посмотреть глазами на код. Приложение само предлагает, что вырезать, и оценивает, насколько оно в этом уверено; все, что выше 0.82, принималось автоматом. Прогнали на реальном двухчасовом вебинаре - а моделька, оказывается, ставит всем подряд одно и то же: 137 кусков из 141 ровно 0.85. То есть принималось вообще все, включая вступление и живой Q&A. По коду такое не увидишь 5) Мерить там, где оно крутится, а не на ноуте. В случае работы с видео это особенно важно 6) Каждый косяк - сразу в CLAUDE.md, это память команды на будущее. И коммит только после того, как проверили, а не после того, как собралось 7) В конце - взгляд сверху: что сделали, что не решено, где узкие места и что осталось до прода. Агент сам назвал главный оставшийся риск, и это стало следующей задачей Все это собрал в небольшой гайд —> вдруг, вам тоже будет полезно, хотя по мне там не какой-то rocket science напишите, если вам какой-то поинт из гайда пришелся в тему

недавно прошёл imo 2026 (международная математическая олимпиада). обычно это мероприятие любят за то, что можно посмотреть, где лучше всего в мире дети умеют решать сложные задачи царицы всех наук, и кого можно захайрить в хэдж-фонд через 5 лет. но с недавних пор туда стали допускать llm и это стало отдельным зрелищем. и в этом году opus 5 идеально решил imo 2026: 42/42 балла. это пока единственная модель, которую успели прогнать по задачам олимпиады, и она сразу показала идеальный скор. на примере таких событий очень занятно наблюдать за скоростью прогресса. openai и google в прошлом году тоже взяли на imo золото. при этом скор там был не идеальный, как у opus 5, и вообще это были внутренние специально затюненные модели компаний, недоступные обычным пользователям. вообще в теме ии и математики происходят невероятные вещи: модели чуть ли не каждую неделю делают открытия по задачам, которые я едва могу прочитать. модель openai опровергла гипотезу эрдёша 1946 года про единичные расстояния (80 лет считалось, что лучше квадратной решётки не бывает; оказалось, бывает), и филдсовский лауреат гауэрс назвал это вехой ai-математики. а alphaproof nexus от deepmind автономно закрыл 9 из 353 открытых задач эрдёша. imo тут выглядит разминкой. но если интересно следить за людьми, то небольшая статистика: 1/ 666 участников из 117 стран. 55 золотых медалей, 105 серебряных, 189 бронзовых. идеальный результат у семерых. золото разъехалось по 31 стране. 2/ китай: все шесть участников взяли золото, 232 балла из 252 возможных и три идеальных 42/42 из семи на всю олимпиаду. следом сша (207 баллов, четыре золота) и россия (196, тоже четыре). 3/ семь из десяти лучших команд азиатские: китай, сингапур, вьетнам, корея, индия, кндр, япония. кндр к слову, на девятом месте, выше японии, франции и германии. 4/ словакия взяла два золота, больше, чем германия и франция вместе. по золоту у боснии, северной македонии и грузии. а у нидерландов, швеции, норвегии, дании, бельгии и финляндии на всех ни одного золота или серебра, только бронза. 5/ лучшая команда западной европы, франция, всего лишь #15. без единого золота, зато пять серебра. из той же серии ровных команд без звезды: бразилия (#11, тоже пять серебра это лучший результат в латам), казахстан (#22) 6/ отдельное наблюдение про происхождение. в сборной сша за последние десять лет примерно две трети участников с китайскими фамилиями, ещё ~15% с индийскими (считал по фамилиям, так что оценка грубая). в этом году из шести человек, трое ванов и один яо. ещё решил чекнуть, где сегодня работают олимпиадники, особенно когорты последних 5–10 лет. данные местами шумные, так что оставляю на ваше усмотрение. свежий срез по ~18 000 медалистов (карьера прослеживается примерно у половины): 36% уходят в академию, 22% в тех, 12% в квант, фаундеров всего 4.5%. топ работодателей в абсолюте: google 212 человек, meta 86, deepmind 49, jane street 47, openai 38. ai-лабы теперь в топе, хотя такой категории ещё недавно не существовало: в двадцатке также nvidia (22), anthropic (15) и mercor (14). на 15-й строчке отдельная категория «stealth startup»: 16 медалистов прямо сейчас пилят что-то неанонсированное. еще любопытно, что многие в лабах работают в safety и интерпретируемости (deepmind, anthropic, transluce). тренд по когортам тоже читается: в конце 90-х phd получали 75–95% золотых, у когорт 2010-х уже 60–80%, остальных перетягивают квант и лабы. по вузам концентрация: самый частый бакалавриат медалиста это mit (536 человек, 12% всех), дальше кембридж (321) и, неожиданно, тегеранский шариф (135) , выше принстона, гарварда и стэнфорда. ну и на случай, если вы переживаете, что где-то что-то не успели, помните: дарио амодеи был в сборной сша по физике, но в финальную пятёрку на олимпиаду так и не прошёл. ставьте лайки, сделаю доп разбор на другие предметы (физика, информатика, химия). и как бонус посмотрю на карьерные пути победителей кенгуру и русского медвежонка. ссылки откуда брал данные [1] [2]