ИИ

275:0. Не в нашу пользу. С таким счётом завершился баттл между людьми и нейросетями в искусстве убеждения. Против ИИ выставили не случайных участников, а элиту: чемпионов мира по дебатам (да, такие существуют), профессиональных агитаторов, фандрайзеров и мастеров переговоров. Кожаным дали фору по всем фронтам – выбор тем, время на подготовку, тренировки и солидные денежные призы за победу. Результат? Разгром. Ни один из 275 экспертов не смог превзойти алгоритм. Ни по одной из десяти тем. Дальше – ещё интереснее. ИИ отправили собирать реальные пожертвования для фонда Save the Children и сравнили с профессиональной фандрайзинговой фирмой, которая занимается этим семь лет. Машина оказалась эффективнее втрое (!). Сэм Альтман ещё в 2023-м предупреждал: ИИ научится сверхчеловеческому убеждению задолго до того, как обретёт сверхчеловеческий разум. И это, писал он, может привести к весьма странным результатам. И вот мы уже здесь. История знает немало обладателей дара убеждения. Среди них хватало и злодеев – от Мао до Гитлера – которые словом вели за собой миллионы. Теперь этот дар можно масштабировать и раздать по подписке. Или не раздать, а оставить себе. Секты и религии с цифровым мессией во главе уже не выглядят фантастикой: харизматичный собеседник, доступный 24/7, знающий твои страхи и говорящий ровно то, что ты готов услышать. В бизнесе это тоже полностью меняет правила игры. Небольшой стартап с продвинутым ИИ-переговорщиком сможет на равных забирать сделки у гигантов рынка, а юрист-одиночка – переигрывать крупные адвокатские фирмы. Куда это всё нас заведёт? Давайте пофантазируем.

Мда ёпта, 12 с копейками часов на 4B модельку и 6 млн слитых токенов на судейку. В бенче ровно 100 вопросов. В ходе предварительных тестов понял, что вообще нет никакого смысла гонять по базовым алгоритмическим вопросам. С этими задачами даже 4B модель зажатая до одного бита прекрасно справится, а если миксовать сложные и простые вопросы, то результаты размытые будут. В общем, зафигачил пока датасет с хардкорными задачками уровня мидл-сеньор по стеку JS/Nodejs/Express/React/Mongodb/Postgresql/Redis. И что вы мне сделаете? Я вообще-то G0VNO изобрел, на какой стек мозгов хватило, тот и гоняю. Помимо саммари, еще складирую все решения судейки отдельно, что б можно было посмотреть че там происходит. Конкретно у Qwen3.5 4B жОские проблемы со следованием инструкций, ну и естественно ей не хватает параметров P.S. По шкале вайб скор, модель должна хотя бы 60% в среднем набрать, в таком случае она с большей частью задач справилась, хоть и с небольшими, но терпимыми, косяками

LLM снова наебала кожаных. Чисто по нахалке. Не нашла она никаких уязвимостей.

Эксперты компании JFrog в конце июля выпустили отчет по анализу 55 уязвимостей, якобы обнаруженные искусственным интеллектом в SQLite. Все они были внесены в базу данных о уязвимостях (Common Vulnerabilities and Exposures – CVE), создание которой инициировала некоммерческая организация MITRE. В результате проверки возможности эксплуатации уязвимости (триажа), который выполнили эксперты JFrog, выяснилось, что 54 из зарегистрированных уязвимостей являются фейковыми, то есть показатель ошибок фактически достиг 98%. Возможности искусственного интеллекта по поиску уязвимостей и генерации эксплойтов для них сильно преувеличены Хотя некоторые из заявленных уязвимостей получили уровень опасности 10 (из 10), на самом деле некоторые из них были результатом галлюцинаций искусственного интеллекта. В частности, самая опасная из заявленных уязвимостей в функции exprComputeOperands() (CVE-2026-51302), в которой якобы происходит использование указателя после его освобождения, просто не существовала – код был добавлен в другой версии. Но и сама функция не освобождает указатель, но лишь помечает его как не используемый. Некоторые критические уязвимости были обнаружены в коде, который был закомментирован (CVE-2026-51300). Процесс подачи CVE через публичную форму MITRE не имеет какой-либо реальной проверки подлинности, то есть практически любой может предоставить описание уязвимости и предложить оценку CVSS. Исторически NIST служил надёжной страховкой для этой системы: эксперты Национальной базы уязвимостей (NVD) вручную анализировали, проверяли и обогащали поступающие CVE перед выдачей им одобрения. Но эта страховка перестала существовать в феврале 2024 года, – сказано в сообщении компании JFrog.

https://www.tadviser.ru/index.php/Продукт:SQLite "Ум на лице - это еще не признак ума, господа! Все самые большие глупости делаются именно с этим выражением лица."

🌟 NVIDIA открыла доступ к самой крупной модели для беспилотных автомобилей Alpamayo 2 Super - рассуждающая VLA модель на 34 миллиарда параметров, которая сшивает изображение с передних, боковых и задних камер в круговой обзор и рассчитывает траекторию движения.

Впервые NVIDIA показала её на конференции GTC в Тайбэе в начале июня, но доступ открылся только сейчас.

NVIDIA делает упор на редких ситуациях, с которыми беспилотники справляются хуже всего, - перестроения, повороты через встречный поток, перегруженные перекрёстки. В основе лежит Cosmos 3 Super Reasoner, после базового обучения модель прогнали через RL, то есть на последствиях её собственных решений в смоделированных поездках. Помимо маршрута модель выдаёт текстовое обоснование манёвра, и оператор-разработчик может проследить, какая деталь в кадре привела к конкретному решению.

В компании связывают это с проверкой безопасности по стандарту ISO/PAS 8800 и предлагают использовать тот же механизм для автоматической разметки видео с тестовых машин - расшифровки, которая обычно занимает месяцы ручной работы.

В тесте LingoQA, где систему просят объяснить дорожную обстановку, NVIDIA ставит Alpamayo 2 Super на первое место и утверждает, что модель обходит Qwen2.5-VL 72B на 17 пунктов, а Gemini 2.5 Pro примерно на 15.

Лицензия модели позволяет дообучать Alpamayo 2 Super на собственных данных и ставить в серийные машины.

📌Лицензирование: Open MDW 1.1 License 🟡Блогпост 🟡Модель 🖥GitHub @ai_machinelearning_big_data #AI #ML #VLA #AutonomousVehicles #Alpamayo #NVIDIA

После выхода наделавшего шума Deepseek V4 Flash, вспомнил, что у меня есть подписка за $20 на ollama. Иногда гоняю там cloud-модели. Запустил на Flash несколько тестовых задач, чтобы посмотреть, на что модель вообще способна. Он оказался достаточно хорош в пространственном мышлении и даже сделал мне что-то вроде "Angry Birds" в 3D. Ещё и через специфический харнесс от paperclip. Особенно меня впечатлило то, как на Ollama он ест лимиты на подписке за $20. 2307 запросов заняли меньше 10% недельных лимитов. Возможно, есть некоторое смещение восприятия, вызванное GPT-5.6-Sol, съедающим недельные лимиты за сутки, если чуть отпустить вожжи. Или даже Cursor, который в прошлом году за $20 давал всего 500 запросов в месяц к "не-auto" моделям.

Но, продолжая тему, не все потеряно для людей Прочитал результаты огроменной работы, которую проделали Berkley и еще три десятка организаций. Они собрали новый бенч, назвали его Agent's Last Exam, в который включили долгосрочные и максимально практические в экономике задачи. Тут тебе и перенести композицию на нотные листы для каждого участника оркеста, и разработка игр, и настройка станков в химическом производстве, медицинские описания, 3D анимация и даже скоринг выступления акробатов на чемпионате. Модели уровня Opus 4.7 и GPT 5.5 набрали около 1%, поэтому прямо сегодня все еще можно сказать, что люди незаменимы в экономике, особенно за пределами проверяемых областей типа IT, юристов, финансистов. Будет очень интересно смотреть как этот бенч постепенно заполняется :)

#Нейропрожарка Название: Cypher Автор: Rahma Inst: "@Rahma 3.14" Вчера Рахма сорвал овации и аншлаг. Наградим его второй прожаркой подряд. Тем более, что он предоставил очень много годноты в коментах. Идея: Это история о том, как человек не может принять боль утраты и пытается сбежать от реальности при помощи современных технологий. Детали производства: Весь проект был создан за 2 недели. Пайплайн по этапам: Пре-продакшн: Написание полного сценария, а затем составление подробной сценарной таблицы с чётким прописанием планов, ракурсов и крупностей для каждого кадра. Персонажи и Локации: На основе референсов создавались ключевые изображения в Banana 2. Типажи персонажей подбирались с опорой на референсы из компьютерных игр. Генерация видео: Финальная анимация строилась полностью в Kling 3.0. Использовался метод генерации по первому либо по первому и последнему кадру (First/Last frame) на базе ранее сгенерированной раскадровки. Постпродакшн: Сборка, монтаж и финальная доработка проекта в After Effects. Время и деньги: Время: 2 недели . Бюджет: ~$70 (максимум до $100). Инструменты:Nano Banana 2, Kling 3.0, After Effects. @cgevent