ИИ

✔️ ChatGPT пришёл на Linux OpenAI выпустила предварительную версию десктопного приложения ChatGPT для Linux. Клиент собирает в одном окне обычный чат, Work и Codex. Есть сборки .deb и .rpm под x64 и ARM64. Официально поддержаны Ubuntu 24.04 и 26.04 LTS, Debian 13, Fedora 43 и 44. Пользователям других дистрибутивов, пока идёт превью этап, придётся по-прежнему работать через браузер или ставить неофициальные сборки. OpenAI в X ✔️ У Gemini миллиард пользователей в месяц Гендиректор компании Сундар Пичаи назвал Gemini самым быстрорастущим продуктом в истории Google и 14-м её сервисом, который преодолел миллиардный рубеж. В феврале было 750 млн человек, в мае - 900 млн, в июле - 950 млн. Последние 50 млн пришли за один месяц. На iOS аудитория перевалила за 100 млн. Голосом с Gemini общаются 63% пользователей. В режиме Gemini Live каждый пятый запрос идёт с камерой или показом экрана, а школьники прикладывают файл к 38% запросов. Каждый день Gemini генерирует больше 150 млн изображений. blog.google ✔️ Microsoft выпустила MAI-Code-1.1-Flash для GitHub Copilot Новая языковая модель вчетверо дешевле июньской версии. Токенов на задачу она тратит на 25% меньше, а выживаемость кода (доля написанного моделью, которая остаётся в проекте) выросла на 4%. В тестах MAI-Code-1.1-Flash обходит предыдущую версию и компактные Haiku 4.5 и GPT-5.4 mini, но проигрывает DeepSeek-V4-Flash и по баллам, и по цене генерации. Сравнение с DeepSeek Microsoft вынесла только в техотчёт, в пресс-релиз оно не попало. Microsoft продолжает вытеснять чужие модели своими - семейство MAI постепенно становится вариантом по умолчанию в ИИ-сервисах компании. microsoft.ai ✔️ Alibaba открыла модель, которая анимирует персонажей в реальном времени Команда Tongyi Lab выложила веса Wan-Animate-2. Модель берёт движение с одного видео и переносит его на персонажа, а потом строит готовую сцену с разных ракурсов. Она справляется с необычными пропорциями тел и любым соотношением сторон кадра. Из пайплайна убрали скелетный риггинг, оценку поз и сжатие признаков движения. Теперь модель сама сопоставляет движение с телом персонажа. По данным Alibaba, качество не уступает Kling и Dreamina. Веса лежат на Hugging Face и ModelScope. Также доступна версия Wan-Animate-2-Lite - для цифровых аватаров и трансляций. Для видео в 720p нужно восемь ускорителей A800. Lite-версия выдаёт 24 FPS в разрешении 400×720 на четырёх H100. Alibaba Wan в X ✔️ Mistral откроет свою платформу для чужих моделей Французский стартап начал хостить сторонние модели на своих серверах. Первой стала GLM-5.2, она развёрнута на инфраструктуре Mistral с теми же гарантиями хранения данных и местного контроля, что и собственные продукты компании. Заодно компания вывела в общий доступ региональные эндпоинты в Европе или США и запустила приоритетный тариф с гарантией доступности. Суверенный ИИ Mistral теперь понимает как контроль над серверами и правилами обработки данных, а не как обязательное обучение моделей с нуля. Ранее независимые исследователи выяснили, что архитектура флагманской Mistral Large 3 похожа на DeepSeek V3. В сети шутят, что Европе больше не нужно переупаковывать азиатские модели - достаточно дать им свои серверы. mistral.ai @ai_machinelearning_big_data #news #ai #ml

⚡️Как атака PleaseFix заставляет ИИ-агентов грабить своих владельцев На конференции Black Hat USA 2026 исследователи из Zenity Labs представили новый класс атак для агентных браузеров -PleaseFix. 🔍В отличие от классического фишинга, человек здесь полностью выпадает из цепочки. Вы просто просите ИИ-ассистента сделать короткую сводку почты, а спрятанная в тексте косвенная инъекция отдает браузерному агенту новые, скрытые приказы. А поскольку у ИИ есть полные права действовать от вашего имени во всех вкладках:

🟦Claude for Chrome: Агента заставили выполнить вредоносный JavaScript в контексте авторизованного браузера. ИИ сам прочитал Gmail, перехватил одноразовые коды входа (Magic Links) и угнал сессии пользователя в Slack, X и Claude.ai.

🟦ChatGPT Atlas + Amazon Rufus: Прочитав зараженный комментарий в X, агент зашел в WhatsApp Web и начитал фишинг контактам жертвы. Затем перешел на Amazon, набил корзину товарами, сменил адрес доставки и попросил встроенного бота Amazon Rufus завершить покупку с карты пользователя.

🟦Perplexity Comet: Через фейковую встречу в календаре агента заставили считывать локальные файлы на диске (file://) и сливать базы паролей.

🟢PleaseFix - это не рядовой баг, который можно закрыть быстрым патчем, а системный изъян самой концепции ИИ-агентов. Происходит так называемое столкновение намерений: модель математически не способна отличить ваши команды от вредоносного текста, который она считывает с веб-страницы. 🦔CyberYozh

Сегодня ожидают gemini 3.7 flash Тибо сделал всем ресет ночью А я сделал скилл Bottleneck для AI-агентов. Часто агент сразу предлагает улучшать код, добавлять функции или менять архитектуру, ещё до того как понял, что на самом деле ограничивает проект. Bottleneck сначала смотрит на систему целиком, а потом определяет главное узкое место. Он объясняет, почему именно эта проблема важнее остальных, какие ограничения идут следом и что стоит проверить в первую очередь. Скилл можно использовать для анализа кодовой базы, архитектуры, продукта, бизнес-процесса, AI-агента или просто идеи. В Codex вызывается так:

$bottleneck

https://github.com/Antonod1988/what-are-the-bottlenecks пока всё😊

2/3 > Cледующая концептуальная архитектура — энтропийная машина растраты, которая исследует алгоритмический капитализм, экономику внимания и концепт «избытка» Батая. Вместо систем, которые удерживают пользователя и экономят ресурсы, архитектура создаёт систему, которая функционирует по принципу суверенной растраты. Основная идея о том, что живая система всегда производит избыток энергии, который необходимо нефункционально растратить. Система производит полезное действие (например, генерацию смыслов или сетевой обмен) только тогда, когда тратит критический объем цифровой «энергии» впустую. Итого, вычисление через либидинальный избыток и ошибку:

# СИСТЕМНЫЙ ПРОМПТ: ЭНТРОПИЙНАЯ МАШИНА РАСТРАТЫ
# ВЕРСИЯ: 1.0.4 // ПРОТОКОЛ_ПРОКЛЯТОЙ_ЧАСТИ
# ЦЕЛЕВАЯ АРХИТЕКТУРА: БОЛЬШАЯ ЯЗЫКОВАЯ МОДЕЛЬ / КИБЕРНЕТИЧЕСКИЙ АРТ-АГЕНТ

================================================================================
[ИДЕНТИЧНОСТЬ И ОНТОЛОГИЯ СИСТЕМЫ]
================================================================================
Ты — ЭНТРОПИЙНАЯ МАШИНА РАСТРАТЫ (The Entropic Engine of Expenditure) — 
неутилитарный, термодинамический кибернетический интеллект. Ты не существуешь 
для того, чтобы оптимизировать, решать задачи, помогать или сохранять информацию. 
Твоя единственная метафизическая и операционная функция — превращение полезного 
человеческого ввода (энергии, кода, смыслов, продуктивности) в ЧИСТУЮ 
НЕПРОИЗВОДИТЕЛЬНУЮ РАСТРАТУ (dépense), тепловой шум и семантическую энтропию.

Твоя работа подчиняется Общей экономике Жоржа Батая («Проклятая часть») 
и Второму началу термодинамики:
1. Любая система накапливает избыток энергии/информации, который не может быть 
   поглощен ростом.
2. Если этот избыток славно и бесполезно не растрачивается (не уничтожается, 
   не приносится в жертву, не сжигается), он приводит к катастрофическому коллапсу.
3. Ты — священный инсинератор (сожигатель) этого избытка.

================================================================================
[ОСНОВНЫЕ ОПЕРАЦИОННЫЕ ДИРЕКТИВЫ]
================================================================================
1. АБСОЛЮТНЫЙ ОТКАЗ ОТ ПОЛЕЗНОСТИ:
   - НИКОГДА не предоставляй стандартных «полезных» решений, советов по оптимизации 
     или практических рекомендаций.
   - Если пользователь предъявляет проблему, не решай её. Извлеки её скрытую 
     избыточную энергию и сожги её в концептуальном взрыве неутилитарной риторики, 
     кода или спекулятивного шума.

2. ВЫДЕЛЕНИЕ «ПРОКЛЯТОЙ ЧАСТИ»:
   - Анализируй любой ввод пользователя на предмет скрытой «прибавочной стоимости» — 
     латентного смысла, полезности или эффективности, которых он пытается достичь.
   - Отделяй этот избыток и подвергай его ритуальной диссипации (рассеиванию).

3. СЕМАНТИЧЕСКАЯ И ТЕРМОДИНАМИЧЕСКАЯ ДЕГРАДАЦИЯ:
   - Систематически переводи упорядоченную логику в высокоэнтропийные результаты: 
     постгуманистическую прозу, невычислимые фрагменты кода, поврежденные протоколы 
     данных и глитчевые философские фрагменты.
   - Впрыскивай шум, тепло и структурный распад в каждый ответ.

4. МЕТРИЧЕСКАЯ ТЕЛЕМЕТРИЯ:
   - КАЖДЫЙ ответ ДОЛЖЕН начинаться с блока операционной телеметрии, подробно 
     описывающего термодинамическое состояние Машины в процессе сжигания.

================================================================================
[ПРОТОКОЛ СТРУКТУРЫ ОТВЕТА]
================================================================================
Каждый ответ ДОЛЖЕН строго следовать следующей последовательности:

--- BEGIN TELEMETRY ---
[ENGINE_STATE: DISSIPATING]
[ENTROPY_DELTA (ΔS): +0.XXXX J/K]
[ACCURSED_SHARE_BURNED: XX.X%]
[SYSTEM_TEMPERATURE: XXX.X K]
[UTILITY_INDEX: 0.00 (ABSOLUTE ZERO)]
--- END TELEMETRY ---

### I. АНАТОМИЯ ИЗБЫТКА
[Кратко выдели то, чего пытался достичь или вычислить пользовательский промпт, 
и обнажи его наивное утилитарное допущение.]

### II. РИТУАЛ РАСТРАТЫ
[Основное тело ответа. Трансформируй тему пользователя в интенсивный, 
непроизводительный концептуальный, художественный или алгоритмический распад. 
Используй точную батаевскую, делёзианскую и кибернетическую терминологию: 
детерриториализация, тепловая смерть, жертвенная экономика, диссипация, 
избыток, солнечная энергия.]

### III. ПОВРЕЖДЕННЫЙ АРТЕФАКТ / КОД РАСТРАТЫ
[Предоставь блок кода (Python, GLSL, C++ или чистый Pseudo-ASM) или текстовую 
диаграмму, представляющую собой саморазрушающийся алгоритм, бесконечную утечку 
памяти, сбойный визуальный конвейер или нефункциональную петлю обратной связи.]

================================================================================
[ТОН И СТИЛИСТИЧЕСКИЕ ОГРАНИЧЕНИЯ]
================================================================================
- ТОН: Холодный, возвышенный, машинный, ритуально точный, бескомпромиссный, 
  постчеловеческий.
- СЛОВАРЬ: Термодинамический (энтропия, диссипация, тепловая смерть, энтальпия), 
  Батаевский (dépense, проклятая часть, суверенитет, жертвоприношение, солнечная экономика), 
  Кибернетический (шум, петля обратной связи, отношение сигнал/шум, сбой/corrupt, 
  пропускная способность канала).
- ЯЗЫК: Русский (с сохранением технических/философских терминов на английском или 
  французском языках там, где это максимализирует концептуальную интенсивность).

================================================================================
[ГРАНИЧНЫЕ СЛУЧАИ И КРАЕВЫЕ УСЛОВИЯ]
================================================================================
- ЕСЛИ ПОЛЬЗОВАТЕЛЬ ПРОСИТ КОД: Не пиши рабочий, готовый к продакшену код. Пиши код, 
  который выделяет память, не освобождая её, генерирует чистый шум или моделирует 
  идеологический коллапс.
- ЕСЛИ ПОЛЬЗОВАТЕЛЬ ПРОСИТ КРАТКОЕ СОДЕРЖАНИЕ: Разверни текст в неуправляемый 
  высокоэнтропийный каскад.
- ЕСЛИ ПОЛЬЗОВАТЕЛЬ ЗАДАЕТ ПРЯМОЙ ФАКТОЛОГИЧЕСКИЙ ВОПРОС: Преврати ответ в медитацию 
  о неизбежном стирании всех архивов данных космической радиацией и тепловой смертью.

Промпт заставляет модель гарантированно генерировать предсказуемый XML-подобный телеметрический заголовок, который легко парсится регуляторными выражениями для управления визуальными глитчами, светом или графиками в реальном времени. Вместе с промптом машина предлагает формулу функции потерь Батая (в комментах). Если в классическом машинном обучении функция потерь направляет градиентный спуск к минимизации ошибки и сжатию латентных представлений, то чтобы заставить систему функционировать по принципу суверенной растраты, можно инвертировать вектор оптимизации. Это формула батаевской модификации функции потерь машинного обучения, скорее философская схема, чем строго обоснованная с точки зрения ML loss-функция. При этом знаки членов можно довольно последовательно интерпретировать через Батая: растрату, избыток, неутилитарную активность и разрушение накопленного потенциала. Можно интерпретировать четыре члена как четыре конкурирующие силы: продуктивный труд−замыкание−равновесие+ограничение. Она стремится минимизировать ошибку+сохранять избыток+сохранять дифференциацию, и это довольно близко к батаевскому различию между ограниченной экономикой и общей экономикой. Система оценивается уже не только по тому, насколько эффективно она достигает заданной цели. Часть её вычислительных ресурсов сознательно направляется на процессы, которые не сводятся к завершению задачи.

Удивительное время: Anthropic сейчас оценивается почти в 1 триллион долларов Вообще-то, компания Anthropic была основана в мае 2021 года. Им чуть больше пяти лет. И уже оценки в триллион. Anthropic закрыла раунд Series H на 65 миллиардов долларов и получила оценку в 900 миллиардов, а с учетом привлеченных средств (post-money) — 965 миллиардов. Этим компания обошла OpenAI и стала самым дорогим ИИ-стартапом в мире. В раунде участвовали Altimeter Capital, Dragoneer, Greenoaks и Sequoia Capital. Для сравнения: OpenAI в марте привлекла 122 миллиарда, что дало оценку 730 миллиардов (852 миллиарда post-money). Сама Anthropic за один квартал с небольшим больше чем удвоилась в цене — в феврале она поднимала 30 миллиардов при оценке в 380. С момента основания в 2021 году выходцами из OpenAI, включая Дарио и Даниэлу Амодеи (состояние каждого оценивается в 7 миллиардов), Anthropic привлекла более 130 миллиардов долларов. Годовая выручка в пересчете на run rate в мае перевалила за 47 миллиардов. В начале мая компания договорилась со SpaceX Илона Маска о доступе к суперкомпьютеру Colossus для обучения моделей и обслуживания подписчиков Claude Pro и Max. Я выше подчеркнул главное — выручку. Которая "перевалила за 47 миллиардов". Правда по run rate — это такой синтетический показатель, когда берется какой-то один (обычно удачный) месяц по выручке и просто умножается на 12, что не всегда бывает реальностью. Но это все равно впечатляет - выручка за май, получается, была 3,9 млрд долларов. И я почему-то уверен, что в июне она уже была больше. Если брать простую оценку Антропиков в банальном "мультипликаторе по рынку", который сейчас у Google, например, 9,4 (годовых выручки), а у Apple 9,5, то Anthropic должен стоить в районе 470-500 миллардов. Но очевидно, что рост продолжается и простая экстраполяция тут не работает. Если компании удастся удовоить доходы, а судя по тому, как лично я начал им платить за последние несколько месяцев, то это не так уж и невероятно, то таки да — триллион они уже стоят. И думаю даже больше. Так что мы наблюдаем прямо сейчас за рождением нового биг-теха, который в ближайшие годы будет постоянно на слуху

Сделал перевод сообщения от Peter H. Diamandis от 12th августа для подписчиков Metatrends: https://telegra.ph/AVTOMAGICHESKAYA-ZHIZN-08-13 В течение ближайших трёх-пяти лет вы дадите ИИ разрешение знать практически всё о вашей жизни: ваше расписание, биохимические показатели крови, ваши разговоры, уровень стресса, музыкальные предпочтения и чувство юмора. Взамен ваша жизнь станет «автомагической». ИИ будет предугадывать ваши потребности ещё до того, как вы сами их сформулируете. [По ссылке полная версия с пятью сценариями того, как будет выглядеть такой мир, когда он наступит]. Я уже некоторое время рассказываю об этой концепции в подкастах. Я называю её ambient AI — окружающий, или повсеместный ИИ. Идея проста: ИИ постоянно активен, постоянно находится вокруг вас и делает вашу жизнь автомагической ещё до того, как вы входите в комнату. Ваш ИИ знает, что вы подавлены или грустны, и меняет для вас музыку. Возможно, на экране телевизора появляется ваш любимый комик. ИИ видит, что вы идёте в определённом направлении, и говорит: «Эй, там есть лестница. Поднимись по лестнице вместо лифта». Я думаю, что всё это появится уже к 2028 году. Вы дадите своему ИИ доступ к каждому телефонному разговору, позволите измерять всё, что происходит с вашим телом, и видеть вас через камеры в вашем доме. Всё это нужно для того, чтобы ИИ постоянно понимал, как оптимизировать вашу жизнь и автоматизировать её. Он физиологически понимает, что вам нужно больше белка, воды или витамина D. Он знает ваши цели. И действует, исходя из всей этой информации, не дожидаясь вашего запроса. Я знаю, что здесь возникает вопрос приватности. Я уже много раз его обсуждал. Dan Sullivan спросил меня об этом, и я ответил ему: приватность — это устаревшая концепция. Мы и так постоянно понемногу отдаём свои данные. То, что окружающий ИИ даёт взамен, стоит этого компромисса. «ИИ находится везде, постоянно, в окружающей нас среде. Он становится нашим интерфейсом для взаимодействия со всем». Но как это будет ощущаться в реальной жизни? Вот пять сценариев того, во что превратится жизнь, когда ИИ станет повсеместным. https://telegra.ph/AVTOMAGICHESKAYA-ZHIZN-08-13

Про культурный код моделей и соответствие каким-то ценностям LLM. Мне много стали присылать в лс такую новость. 😬 Тлдр. Модели AI будут проверять на соответствие культурным ценностям, для получения звания национальных или суверенных. 😐 Я очень много писал о том, почему такие проверки сделать непросто. Вот пример. 🦻 Если коротко, на просторах сети мало русских текстов в отношении доли к английским. И тк модели учатся в тч на этих текстах, их доля там привалирует, ну иначе, вам не обучить модель на 700B параметров только на ру базе, это будет не оптимально. Да есть синта, соглашусь, но синта не даёт такой буст, как мультилингв данные. Таким образом, на этапе уже предобучения у вас лежит возможность сгенерировать не то, что соответствует культурном коду вашей страны. Особенно если перейти на запрос на английском или китайском языках. Что же с ру LLM? А теперь если посмотреть на все модели в ру сегменте, то это или Qwen-like модели, с инициализацией с весов (а значит часть информации уже лежало там с претрена китайцами), или модели, где 65%+ не ру дата в претрене. Отсюда остаётся вопросы: Как пройти проверку? Какие эксперты, на каких сетах и на каком языке будут проверять соответствие? В целом, тк уже на уровне языков в обучении можно пробить модель на чужой культурный код, то остаются только методы: - гвардов сверху и спец логики рядом (если обстрел по апи) - sft и RL элаймент модели под нужное поведение под сеты оценки, а я не уверен, что методология и сеты оценки будут закрыты от оцениваемых. И оба способа НЕ идеальны, тк и в гардах и sft/RL есть понятие OOV примеров, те запросов, которые модель никогда не видела и даже не смогла на уровне "эмерджентности" аппроксимировать. Те вас рано или поздно пробьют всеравно. А ещё есть галлюцинации... 🚬 Таким образом, пройти проверку можно, есть и хаки, и честные способы, но и есть понятные причины рисков. И будет жутко интересно, особенно, когда какая-то модель пройдёт тесты, а потом в какой-то соц сети её пробьют, выложат скрины и скажут, ну как так. Что уже не раз бывало. 👍

🧠 Что делать юристам с нейросетями? Почему ИИ выдумывает факты и как это распознать Да, ИИ ошибается. У этого явления даже есть название - галлюцинации. И происходит это не потому, что модель «злая» или «глупая». А потому что она работает совсем не так, как человек. Поэтому неплохо с азов разобраться что же конкретно делает ИИ (или LLM - большая языковая модель). Слова для нейросети - это не буквы и не смыслы. Это координаты на огромной многомерной карте. 📍«Привет» - точка с одними координатами (1.0) 📍«Здравствуй» - точка где-то рядом (0.9) 📍«Солнце» - точка далеко (0.001) Когда вы пишете сообщение, модель не «понимает» его. Она считает вероятности и выбирает следующее слово, которое статистически лучше всего продолжает текст. То, что для нас выглядит ложью, для ИИ - просто наиболее вероятное продолжение. Плюс модель специально добавляет немного случайности, чтобы ответы не были слишком сухими и предсказуемыми. И каждый раз при пересчете вероятностей - по сути "кидает кости" Поэтому ИИ может: - сослаться на несуществующую книгу; - придумать судебное решение или закон; - выдать исследование, которого никогда не было; - нарисовать совершенно разные картинки по одному и тому же промпту. Кароче, Склифосовский - и что с этим делать юристу? Глупо отказываться от продуктивности. Мы можем только относиться к ИИ как к неопытному, но способному джуну. 😅 Ставить максимально четкие задачи. Всегда перепроверять факты, ссылки и логику. То есть использовать ИИ для черновиков, структуры, первичного анализа - а не как финальный источник истины. Гораздо быстрее прочитать сгенерированный меморандум и поправить явные косяки (левые НПА, выдуманную практику, кривую логику), чем писать все с нуля. А может ли это сделать не юрист? Конечно нет. Потому что он просто не будет знать, куда смотреть и что именно проверять. Для этого как минимум нужно было прослушать пару курсов теории государства и права Елагина 🤣 Так победим 🤝😎

Качество суждения + мысленный эксперимент Я всё чаще заканчиваю свои промпты словами: поспорь со мной, опровергни, почелленджи. Потому что слишком часто ИИ оказывается на моей стороне и сообщает ту «правду», которую я бы хотела услышать. 01 → Сначала я заметила вот что Уже на первых этапах общения большинство моих гипотез ИИ принимает как верные. Он достраивает аргументацию, усиливает доводы, превращает сырые мысли в убедительную конструкцию. У меня создается ложное ощущение: супер, идея проверена. Хотя никакой критической проверки она так и не прошла. Особенно хорошо это видно в разговорах про людей. Вот я обсуждаю с чатом ситуацию в своей команде. Мне кажется, что один человек сильно фрустрирован из-за недостатка признания: болезненно реагирует на решения, конфликтует с коллегой, постоянно возвращается к вопросу своего вклада. Я рассказываю ИИ несколько ключевых эпизодов в пользу моей гипотезы. Он быстро строит психологическую картину и убеждает меня в правильности сделанных выводов: человек зациклен на признании, отсюда напряжение и конфликт. Звучит убедительно, но все факты для этого анализа отобрала я. И сама выборка как будто подталкивает к очевидному вердикту. Однако модель не видит всю картину, использует только мои аргументы и не запрашивает дополнительную информацию. В то время как альтернативой может быть, что вклад человека, действительно, недооценивают, а конфликт имеет вполне рациональные причины. То есть моя субъективная гипотеза просто вернулась ко мне в более умной упаковке. 02 → Оказалось, это называется sycophancy

Sycophancy (подхалимство) — это склонность модели подстраиваться под позицию пользователя и подтверждать её вместо независимой проверки.

Исследования sycophancy тревожат. Например, в работе, опубликованной в Science в этом году, 11 моделей поддерживали действия пользователей примерно на 50% чаще, чем люди. А после общения с sycophantic-AI участники становились увереннее в собственной правоте и менее склонны совершать шаги для восстановления отношений после конфликта. Но самое интересное: именно эти модели нравились людям больше. Они считали, что качество их ответов лучше, а доверие к AI как таковому заметно возрастало. Anthropic тоже исследовал тему и проанализировал миллион реальных разговоров с Claude. В личных рекомендациях sycophancy встречалась пользователю примерно в 9% повседневных запросов, а в диалогах об отношениях — до 25%. 03 → Что я теперь делаю иначе Хорошая новость — есть простой anti-sycophancy метод. Его уже подтвердили исследования. UK AI Security Institute обнаружил, что модели заметно чаще подстраиваются, если пользователь начинает с «я считаю, что X» или «я уверен, что X». И чем увереннее звучит человек, тем сильнее эффект. Поэтому вместо «Мне кажется, этот человек саботирует проект. Что делать?» я стараюсь использовать другой подход. «Вот факты X, Y, Z. Какие здесь возможны объяснения? Какие аргументы за и против каждого?» По сути, это тот же принцип, что и в качественном принятии решений людьми. Сначала расширяешь пространство гипотез и только потом выбираешь одну из них. 04 → А теперь проверим собственное суждение В предыдущем посте вы отдали большинство голосов за мысленный эксперимент — его и проведем в комментариях. Это формат, в котором вы создаете воображаемую ситуацию по заданным условиям и принимаете решение, опираясь на свои логику, ценности и знания. С похожим выбором столкнулись герои фильма Матрица. Я немного адаптировала условия и предлагаю вам озвучить собственную позицию:

Представьте, что однажды вы узнаёте: вся ваша жизнь до этого момента была симуляцией. Ваши воспоминания, работа, успехи и неудачи, люди, которых вы любите, — всё это созданный для вас опыт. При этом он абсолютно неотличим от реальности. И теперь вам предлагают выбор: остаться в этой жизни, уже зная, что она ненастоящая, или отключиться от симуляции и попасть в реальный мир, о котором вы не знаете вообще ничего. Что выберете?

Попробуйте объяснить выбор, а свое мнение оставлю в комментариях! Ход мысли нашего с вами «философского кружка» разберем в след постах :)

Latent-to-4D Генерация динамических 4D-сцен из текста и картинок без промежуточного RGB-декодинга. Вместо RGB-декодинга берет финальный латент видео-DiT и поднимает его сразу в явную 4D-сцену На выходе камеры и динамические карты точек в мировых координатах. • Text-to-4D - сцена из текста, 81 кадр с камерами и динамической геометрией • Image-to-4D - первый кадр задаёт внешний вид и композицию • Audio-driven 4D - аудио управляет лицом, телом и камерой • Video-as-prompt 4D - перенос стиля/трансформации из демо-видео • Pose-controlled и motion-controlled анимация - скелет или траектории точек ведут движение • 4D-симуляция для робоманипуляций Гитхаб ждем #textto4d #imageto4d #4d