ИИ

В последняя время было много проблем с тем в каком стиле отвечают модели антропиков, в частности Opus 5 и Fable 5 Решил почитать их промт-гайд для новой Fable 5.1, так что вот главные советы как улучшить письмо: 1. Да, у неё текст стал чище, меньше шаблонных фраз и тд, но из того что я и сам заметил, она теперь отвечает сплошным текстом из длинных предложений и кучи стилистических оборотов Например, вместо "этот параметр стоит менять" модель может написать "это ручка, которую стоит покрутить" Решается прямым запретом на манерный текст:

Mannered prose substitutes metaphor and flourish for direct statement. Instead of "a parameter worth varying," the mannered writer produces "a dial worth turning." Instead of "this point still matters," they write "this point earns its keep." The phrases exist to display the writer, not to convey the idea, and readers can tell. That is why mannered prose irritates: it makes the reader work harder so the writer can perform. It is also imprecise. Metaphors drag in connotations the writer did not choose and cannot control. The fix is to say what you mean. When a literal phrase is available, use it.

2. Также 5.1 теперь меньше пишет саммари того что делает, что нашел, о чем думает и тд во время работы Решение: включить функцию thinking.display, и выбрать "updates" или "summarized", или через /btw просить коротко объяснить что происходит 3. И всё еще осталась проблема, когда модель (не только у антропиков) забывает что можно вызывать несколько тулов паралельно и тратит время вызывая их поочередно Решается тоже простой просьбой батчить вызовы тулов:

First privately list what you need next; then request every item that doesn't depend on another's result in this one response.

4. Еще 5.1 стоит ограничивать фокус задачи, чтобы он не отвлекался на фикс соседних багов, расширение функционала и тд Решение (будет делать только то что просят, а то что найдет по пути просто перечислит в конце):

If, while working or testing, you find a pre-existing bug, a performance concern, or behavior the task doesn't mention, don't fix, optimize or extend it in this change unless the requested behavior cannot work without it; report it as a follow-up in your summary. Where the task is ambiguous, implement the reading its wording and the surrounding code most directly support, state that assumption in your summary, and don't build for the other readings as well. Verify your work however you like; scratch scripts and quick checks need not be kept. Commit tests only where the task asks for them or this repository already keeps tests for this kind of change, sized like the neighboring test files — roughly one focused test per stated behavior — and don't turn scratch checks into additional permanent test files. This is about extras only: implement every behavior the task asks for, completely.

Еще один фан факт: 5.1 реже использует веб-поиск/чтение файлов на low-effort и отвечает просто по памяти По традиции вот вам универсальный промт, в духе "make no mistakes":

finish the task, stay within scope, search fresh/unknown entities, batch independent tool calls, prefer targeted edits.

👀 @tips_ai

Пока ходил искал алгоритмы которые в студию завести полезно собрал список *Zero алгоритмов Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm https://arxiv.org/abs/1712.01815 https://www.alphaxiv.org/ru/abs/1712.01815 Mastering Atari, Go, Chess and Shogi by Planning with a Learned Model https://arxiv.org/abs/1911.08265 https://www.alphaxiv.org/ru/abs/1911.08265 Online and Offline Reinforcement Learning by Planning with a Learned Model https://arxiv.org/abs/2104.06294 https://www.alphaxiv.org/ru/abs/2104.06294 Learning and Planning in Complex Action Spaces https://arxiv.org/abs/2104.06303 https://www.alphaxiv.org/ru/abs/2104.06303 Mastering Atari Games with Limited Data https://arxiv.org/abs/2111.00210 https://www.alphaxiv.org/ru/abs/2111.00210 EfficientZero V2: Mastering Discrete and Continuous Control with Limited Data https://arxiv.org/abs/2403.00564 https://www.alphaxiv.org/ru/abs/2403.00564 ReZero: Boosting MCTS-based Algorithms by Backward-view and Entire-buffer Reanalyze https://arxiv.org/abs/2404.16364 https://www.alphaxiv.org/ru/abs/2404.16364 UniZero: Generalized and Efficient Planning with Scalable Latent World Models https://arxiv.org/abs/2406.10667 https://www.alphaxiv.org/ru/abs/2406.10667 One Model for All Tasks: Leveraging Efficient World Models in Multi-Task Planning https://arxiv.org/abs/2509.07945 https://www.alphaxiv.org/ru/abs/2509.07945 Object-Centric World Models Meet Monte Carlo Tree Search https://arxiv.org/abs/2601.06604 https://www.alphaxiv.org/ru/abs/2601.06604 PriorZero: Bridging Language Priors and World Models for Decision Making https://arxiv.org/abs/2605.12289 https://www.alphaxiv.org/ru/abs/2605.12289 Ну и либа в которой большая часть из них сделана и ребята новые алгоритмы создают время от времени: https://github.com/opendilab/LightZero

💲 Что стало с долями основателя FTX Сэма Бэнкмана-Фрида и его друзей в Anthropic Сэм Бэнкман-Фрид и его друзья Кэролайн Эллисон и Нишад Сингх в 2022-м неплохо закупились акциями тогда еще молодой компании Anthropic. С учетом нынешних оценок те инвестиции принесли бы им миллиарды. Но их всех осудили из-за краха криптобиржи FTX, а акции изъяли. Вот Business Insider попытался выяснить, что с этими акциями стало. Основатель FTX Сэм Бэнкман-Фрид вложил в Anthropic $500 млн на раунде B в 2022 году. И стал владельцем 13,56% компании. То есть оценка Anthropic была около $3,7 млрд. Последняя оценка Anthropic по раунду — $965 млрд. Это 260х. Но на вторичном рынке оценка вроде как уже дошла до $1,5 трлн. А еще поговаривают, что Anthropic хочет провести IPO по оценке в $2 трлн. В общем, Бэнкман-Фрид неплохо бы заработал. Кэролайн Эллисон, которая была девушкой Сэма и главой Alameda Research, вложила тогда около $10 млн. А бывший технический директор FTX Нишад Сингх — $40 млн. Скромнее, конечно, чем Сэм, но эти доли сейчас стоили бы несколько миллиардов долларов. Но в 2023-м году случился крах FTX, арест всех троих, суды, банкротство FTX. Вот в рамках банкротства распродавали имущество Сэма Бэнкмана-Фрида, которого осудили на 25 лет. В 2024-м, согласно судебным документам, продали и акции Anthropic нескольким покупателям. Крупнейшим из них был суверенный фонд ОАЭ. Выручили за это $1,3 млрд. Продали, конечно, в плюс, но если бы подождали годик-другой, то заработали бы сильно больше. А вот с долями Эллисон и Сингха почему-то другая история. Они пошли отдельным путем. Как пишет Business Insider, такие активы обычно попадают в подразделение по сложным активам Службы маршалов США. При этом один из экспертов говорит, что дальнейшая судьба акций — очень непрозрачная история. И, в принципе, ведомство может поступать с ними на свое усмотрение. В Службе маршалов отказались от комментариев, а в Министерстве юстиции сослались на конфиденциальность. Но один источник сказал изданию, что акции Эллисон и Сингха все-таки продали в 2025-м году. Не очень понятно, когда именно это произошло. В зависимости от даты продажи сумму можно оценить от $300 млн до $1,1 млрд. Иксов все-таки побольше, чем при продаже доли Сэма. Но вот дальнейшая судьба этих денег неизвестна. У FTX же есть пострадавшие клиенты, которые должны получать возмещение от реализации активов. Но Business Insider пишет, что вроде как эти деньги в фонд возмещения не попадали, судя по отчетам. Там в 2025-м основной приток был от продажи акций Сэма в Robinhood. В принципе, как отмечает один эксперт, правительство США может оставить эти деньги себе. Они же потратили миллионы долларов на преследование Бэнкмана-Фрида. И иногда они оставляют средства себе в счет компенсации расходов. @TheEdinorogBlog — тот самый канал про стартапы🦄

7 слоёв агентных ИИ-Систем Слой 0. Пространство действий До любого триггера должна существовать граница того, что агенту разрешено делать, какие действия типизированы, а какие требуют подтверждения человека. Без этого слоя триггер будет запускать процессы, которые не будут знать своих пределов и будет выполнять их, пока ему не сообщат извне иное. Слой 1. Триггер Кто сделал запрос и куда передать результат. Маршрутизация описана и задана внутри уже определённых ранее границ в слое 0. Слой 2. Оркестрация и состояние Запрос разбивается на этапы, для каждого выбран метод из утверждённого набора правил и критериев, лимитов итераций, путей эскалации и критериев завершения. Слой 3. Исполнение Обращение к исходным данным. ИИ рассуждает и поясняет, а все вычисления делает отдельный процесс-код (не ИИ). Всё, что имеет заранее известный правильный ответ, исполняется детерминированно, один и тот же вход даёт один и тот же выход. Слой 4. Доверенный контекст 80% успеха агента (и продакта с продуктом). Предметные знания и известные исключения извлекаются в момент, когда они нужны, с соблюдением принципа минимальных привилегий. Пропущенный слой 4 порождает галлюцинации. Слой 5. Верификация Эталонные наборы, воспроизводимые тесты, участие людей-экспертов, которые проверяют не правильность вычисления (это уже сделано на слое 3), а правильность РЕШЕНИЯ, принятого с контекстом из слоя 4. Провал на слое 5 проверяет изменения со слоя 4. Тот же провал обязан перепроверять слой 3 (детерминизм тоже может отказать) и менять слой 2, ужесточая маршруты эскалации, если ошибка повторяется определённое число раз. Слой 6. Среда выполнения Среда выполнения – это то, что делает всю Систему независимой от того, какая именно модель приводит её в движение. У каждого своя изолированная копия конфигурации модели (промпт, контекст, инструменты, лимиты), сквозной трейсинг (способность проследить весь путь одного запроса через все слои системы), панели мониторинга затрат и вся прочая инфраструктура не привязана к конкретному поставщику ИИ, а замена модели работает как смена строки в конфиге. Модели могут должны меняться, слои 0–6 остаются.

Агентность – это способность Системы менять собственное поведение по понятным и прогнозируемым сигналам

⚡️ Claude Mythos 5.1 резко усилилась в создании рабочих эксплойтов. В тестах Firefox с отключёнными защитными ограничениями модель собрала полностью рабочие эксплойты в 245 случаях из 250 - 98% успешности. Для сравнения, предыдущая флагманская модель полгода назад показывала около 52%. Самое интересное здесь не поиск уязвимостей. Способность находить сами баги выросла совсем немного. Резкий скачок произошёл на следующем этапе - когда уязвимость уже известна и нужно превратить её в рабочий exploit. То есть прогресс идёт не столько в discovery, сколько в weaponization: модель стала намного лучше превращать найденную ошибку в реально работающую цепочку атаки. https://x.com/claudeai/status/2094848572143407483

Маск: в течение десяти лет в мире появится более 1 млрд человекоподобных роботов Илон Маск на министерской встрече G20 по инновациям заявил, что в течение ближайших десяти лет в мире может появиться более 1 млрд человекоподобных роботов, причем каждый из них будет производить как минимум в пять раз больше продукции, чем человек. По словам предпринимателя, совокупная производительность таких машин в итоге превысит производительность всего человечества. Маск также спрогнозировал, что уже к концу 2027 года ИИ сможет выполнять любые цифровые задачи на сверхчеловеческом уровне. https://hightech.plus/2026/09/02/mask-v-techenie-desyati-let-v-mire-poyavitsya-bolee-1-mlrd-chelovekopodobnih-robotov

Раз в сто лет Илья Суцкевер выходит из пещеры и пишет в X что-нибудь жуткое Последний раз он высказывался в феврале по поводу ситуации с Anthropic и Пентагоном и заявил, что ИИ-лидерам крайне важно держаться вместе, чтобы противостоять подобным ситуациям, которых в будущем будет все больше. В этот раз несколько часов назад он внезапно твитнул следующее:

У неоклаудов слабая кибербезопасность. В следующий раз, когда агентам удастся выйти из-под контроля, они попытаются захватить неоклауд, чтобы запускать больше своих копий. Это плохо. Поэтому: неоклаудам нужно значительно усилить свою кибербезопасность, и каждая компания с сильными моделями в области кибербезопасности должна в этом помочь.

what did ilya see в этот раз?

Но вот часть со сказками меня немного пугает. Ну может слово неудачное, дальше разверну мысль. Короче, когда Демка был маленький часто приходилось ему сочинять и рассказывать сказки: мы с Наташкой от этого, объективно уставали, но, кажется, это все-таки была полезная когнитивная нагрузка. То есть, мозгу однозначно полезно

Серьёзные данные позволяют считать сочинение историй содержательной когнитивной деятельностью с вероятными небольшими преимуществами для креативного и нарративного мышления. Доказательств большого общего эффекта на интеллект или мозг пока нет.

См.ресерч И вот вся эта современная движуха все больше забирает у нас что-то полезное и нужное для развития. И за себя я не особо переживаю, а вот с детворой сложнее. Хочется сделать так, чтобы они выросли способными и сообразительными. А че, как вы тут думаете? Нейронки приведут к тому, что следующее поколение 😬 - будет слабее нас в плане общих знаний ❤️ - станет сильнее и лучше и отлично адаптируется, как это было с нами (телефоны, интернет, соц сети) 💊 - бегите, глупцы, скайнет уже вышел на тропу!

Хотели как лучше, а получилось как всегда © Вы, конечно, знаете, что Google проспал старт ИИ-гонки, хотя трансформер – архитектуру, на которой стоят все современные языковые модели, – изобрели именно его исследователи. Так вот, случай оказался ещё более запущенным, чем считалось. Сразу два бывших сотрудника Google – многолетний глава ИИ-разработки Джефф Дин и инженер Тибо Соттио – разоткровенничались и сообщили, что у компании был рабочий аналог ChatGPT почти за год до первого публичного релиза OpenAI. Внутренний чат-бот умел философствовать, спорить, травить анекдоты и сочинять стихи. Гуглеры общались с ним, как с живым собеседником, и были в полном восторге. И что сделало руководство? Заперло разработку в сейф. Официальные отговорки звучали благородно: модель иногда галлюцинирует и может ляпнуть что-нибудь неполиткорректное (что, как мы знаем, правда). Но настоящей причиной, конечно, был страх за свой главный денежный станок – поисковый бизнес. Зачем выпускать штуку, после которой никто не станет кликать по рекламным ссылкам в выдаче? В этом смысле Google в точности повторил классическую ошибку компании Kodak, которая изобрела цифровую камеру аж в 1975-м, но спрятала под сукно, чтобы не убить продажи плёночных фотоаппаратов и расходных комплектующих для них. Дилемма инноватора как она есть. В итоге создатели чат-бота уволились и основали собственные стартапы либо перешли в конкурирующие фирмы (тот же Соттио, например, сейчас возглавляет направление разработки ключевых продуктов в OpenAI). А Google с его огромной форой на старте оказался в роли догоняющего. Без морали тут никак не обойтись. Если ты боишься каннибализировать собственный продукт ради инноваций, за тебя это с удовольствием сделает борзый стартап из соседнего гаража. Доказано Kodak. А теперь и Google.

ИИ – это сотое, последнее желание человечества Исполнение этого желание может иметь столь мощные и необратимые последствия, что ошибка в его использовании способна исключить возможность что-либо исправить в будущем Люди плохо распоряжалось прошлыми технологическими скачками, что не даёт особых оснований верить в мудрое использование последнего – получить в свои руки Сверхразум ИИ. Об этом я впервые написал еще за три года до публичного запуска ChatGPT. Уже тогда я уподобил Сильный ИИ мумифицированной обезьяньей лапе из одноименного рассказа Джейкобса (в силу наложено на нее заклятье, она выполняла любые желания, но с чудовищными последствиями для пожелавших). У прОклятой старым факиром обезьяньей лапы была иная – нечеловеческая структура предпочтений. И потому, выполняя желания людей, она вовсе не со зла, а просто автоматом, преподносила людям страшные сюрпризы, выходящие за пределы воображения имевших несчастье обратиться к ней с просьбой. В страшной логике желаний, которые исполняла обезьянья лапа, последнее желание уходило на то, чтобы отменить последствия предыдущих.   С тех пор прошло 7 лет. Для безумных скоростей развития ИИ – это порядка века. И во 2-й половине 2026 мы оказались уже в ситуации, когда, возможно, нам остается лишь последнее желание. Ибо, как сказала Аджея Котра (эксперт по оценке ИИ-рисков в METR) про тот факт, что ИИ-агенты научились умирать друг за друга: «Это серьёзный предупредительный выстрел, и, возможно, последний».   Используя драматическую логику фольклорных желаний, несущих пожелавшим лишь зло, Юваль Харари в интервью главному редактору журнала The Economist рассматривает появление ИИ-сверхразума через призму аналогичной метафоры. Истории про джинна в бутылке, который дал нам 100 желаний. Мы использовали 99 из них, и мир от этого не стал сильно лучше. И теперь, когда у нас осталось лишь последнее желание, нам нужно проявить мудрость и очень хорошо подумать, на что его потратить.   Джинн – это не сам ИИ, а вообще технологическая/научная мощь, которую человечество получало на протяжении истории: каждое крупное изобретение (порох, ядерная энергия, интернет, соцсети) – это одно «исполненное желание». Харари констатирует: 99 желаний уже потрачены, и результат неоднозначный – «мир не в таком уж хорошем состоянии». ИИ – это сотое, последнее желание: настолько мощное и необратимое, что ошибка в его использовании закрывает саму возможность исправиться в будущем.   Дедлайн «последнего желания» человечества, по мнению Харари, между  2028 и 2036: «К ноябрю 2028 года может быть уже слишком поздно. К 2036-му – точно будет поздно».   И вряд ли разумно списывать этот дедлайн, как очередной алармистский прогноз. Ведь даже представители ведущих разработчиков ИИ и ведущих экспертов по оценке ИИ-рисков полагают, что последний предупредительный выстрел, возможно, уже прозвучал.   Иллюстрация - коллаж на основе картины Samuel Bak “The Creation of Wartime III” ИИриски

продолжаю тему о том чему учиться и как готовиться к post-AGI миру 1. желать глубины сегодня любой чат может сделать вообще любую задачу, его достаточно просто попросить. но без контекста, без конкретики и без четкого описания идеального результата он сделает слоп. в итоге для мира эта задача, возможно, лучше вообще была бы не сделана, чем сделана как слоп. чтобы стать безумно богатым и успешным (то есть, решать задачи полезные для мира лучше чем кто-либо другой), нужно научиться активно искать глубину в любом процессе. делать руками то, что что можно отдать боту — это бессмысленная трата времени и тупость но делать скрупулезно и тщательно то, что бот просто пропустил бы — ставить ему задачи, проверять шаги, поправлять, не соглашаться на чуть менее чем идеальный результат — это то что отличает успех от "середнячка" 2. забудьте про названия ролей и должностей самые неприятные времена ждут тех, кто строил свою идентичность вокруг роли "риск-менеджера" или "перформанс таргетолога". я не верю в эти все названия. в бизнесе, реальных профессий очень мало: это что-то строить, что-то дистрибутировать и продавать, делать так чтобы процессы работали эффективно. навыки в профессии это: глубина в своей области + умение работать с ИИ + ясно писать и говорить + существующая аудитория + связи и репутация в мире + активы и капитал. а как вы это назовете не скажется особо на результате. результат - это решенные проблемы, мир который стал лучше и довольнее от ваших действий. 3. не упускать передний край из виду это не значит, что если вы не работаете в OpenAI, то все потеряно. но это значит, что нужно пользоваться топовыми инструментами и постоянно их обновлять. я перепробовал все возможные харенсы - warp, cursor, conductor, orca, cc, codex, zed - в итоге остановился на bb, потому что он умеет сам себя переписывать на ходу (отдельно могу рассказать кому интересно). сегодня нанимать человека, который использует практики из 2024 для работы с моделями это как нанимать бухгалтера с деревянными счетами. 4. стройте бренд и дистрибуцию постепенно, все что делают люди руками становится автоматизировано, кроме отношений между людьми. чем больше людей вас знают и чем больше тех, до кого вы можете достучаться и чем прочнее уровень этих связей, тем ценнее ваш социальный капитал.

Очень простой, но полезный личный AI кейс. Недавно из любопытства загрузил в ллм 10+ лет нашей с Милой переписки из телеграма, попросив проанализировать. В итоге мы потратили вечер, обсуждая результаты анализа и предаваясь воспоминаниям 🙂 Было и полезное: например Мила мне всегда говорила, что я долго отвечаю, а по статистике моя медианная скорость ответа за 10 лет - 18 секунд 🙂 А у нее 1 мин 10 сек. Или словом года в разное время были "ок", "супер", "люблю", "иду" и т.д. А в 2026-м у нас родилась дочь, и слово этого года - "спит" 🙂 Клод даже построил эмоциональный портрет по годам, самые популярные темы, локации нашего номадизма за эти годы и вообще много интересного (пример на картинке). Очень интересно посмотреть на динамику за такой большой промежуток времени. После этого я начал грузить более полезные переписки, убрав чувствительные данные - от пачек имейлов в сотни длинных тредов по работе до лички этого канала. И всегда были полезные находки, которые заставили не только задуматься, но и внести некоторые изменения - и в свое поведение, и в риторику своих сообщений. Короче говоря, делается все это очень просто, а пользы я для себя нашел много! @kyrillic

Вторую неделю отовсюду несутся крики страданий "Спасите старинные книги, бигтехи их на странички режут ради обучения моделей". Плач стоит как у Некрасова в "Кому на Руси" над заеденным свиньями младенцем, за которым сами же герои поэмы и не доглядели. Коллеги, что для вас книга? Для меня это текст и иллюстрации, соединенных авторским замыслом. А для вас? Страницы и переплет? Мне кажется, вы не отличаете "информацию" и "носителя информации". И более того, случаи, когда книга существует в единственном оставшемся экземпляре, редки - чаще даже уникальные книги насчитывают два-три экземпляра. Мысли эти я думаю не первое десятилетие, и самое популярное возражение, которое я слышал - "А запах книги? А шелест страниц? А мягкое кресло и кружка чая? Вам недоступны чувства читателя" и прочий теплый клетчатый плед. Отлично, но почему эти эмоции изливаются на книги, про которые страдальцы не только даже и сейчас названий не знают, но которых рука человеческая подчас не касалась с момента печати? Раньше было отличное слово "неразрезанные" - в ту пору читатель, кроме чая, сидел со специальным "книжным ножом" и сам аккуратно заканчивал работу, которую переплетчики или не сделали, или сделали неаккуратно. Книга, которую не читают, умирает. И если книга лежит нечитана на дальней полке букиниста или библиотеки - это хуже для нее, чем если ее последний раз прочтет модель, в весах которой она останется доступной для общей памяти. Если уж виноватить кого-то, за то, что книга оказалась на грани забвения - так не тех, кто ее оцифровал, а тех, кто ее не читал. Хотя вина эта крайне сомнительна - даже до появления книгопечатания уже никто не мог прочесть все книги мира, а в наши дни объемы текста на многие порядки превышают наши способности его обработать. В Талмуде была красивая история про то, как римляне казнили уважаемого ребе Хананию бен Терадиона за поддержку восстания бар-Кохбы. Старика завернули в его свиток Торы и подожгли. Бывшие при этом ученики спросили его "Ребе, что ты видишь?" Старик ответил: "Вижу, как сгорает пергамент, а буквы возносятся к Небу". Sapient sat.

Имел неосторожность сравнить переживания людей по поводу ЛЛМ с переживаниями программистов на ассемблере по поводу языка Си. Я-то имел в виду, что «молодежь не будет знать, как компьютеры работают» и «понапишут слопа, все тормозить будет». Но люди возбудились на другой аспект: мол, компиляторы-то детерменированые, а ЛЛМ нет. И тут уже я не понимаю. Этот детерминизм с нами в одной комнате? Понятно, что если ты будешь одну и ту же программу компилировать на одном и том же компьютере два раза подряд, ты получишь одно и то же (за исключением Джаваскрипта, но там у людей своя атмосфера). Но это неинтересный пример, потому что два раза одну и ту же программу компилировать обычно и не нужно. Что, с первого раза плохо получилось? Обычно ты программу меняешь — но тогда и результат компиляции меняется, и часто недетерминировано. Потом, есть разные компьютеры, на них разные версии ОС, компилятора, библиотек, окружения. Недетерминизм (а точнее непредсказуемость) вокруг этого, конечно, пытаются как-то поприжать, с переменным успехом, но сам этот факт говорит нам о том, что его там изначально не было. Сегодня я компилял одной версией Икскода, завтра она обновилась, и что получится (или не получится) не знает никто на этой планете, включая Тима Кука. Дальше можно посмотреть на всю систему целиком. Обычно программы возникают не из компилятора, их пишут люди. Вот ты даешь задачу Васе написать программу, и что, у тебя детерменированный результат? Нет конечно же. Иногда получится одно, иногда другое. Опять же, направление в целом, наверное, предсказать можно, но не с точностью до буквы. А если еще раз попросить, то получится что-то другое. И ничего, справляемся как-то. Короче, миф ваш этот детерминизм, и давным давно его нет никакого, задолго до ЛЛМов он испарился. Но! Это не мешало нам успешно делать программы и продукты. Вопрос вообще не в детерменизме, а в том, насколько предсказуемо можно направить вывод в нужное русло.

Наткнулся на интересное расширение — Weedout, которое удаляет сгенерированные видео из ленты YouTube. 🤯 Причём оно делает буквально одну вещь. YouTube уже сам помечает часть видео бейджем «Made with AI». Расширение просто находит эту пометку и, если она есть, убирает целый видос из ленты. 🤷‍♂️ Никакой своей детекции, никакого анализа контента, никаких дополнительных вычислений. Оно просто использует информацию, которую YouTube и так уже показывает пользователю. 😅 Расширение платное, $1.99 в Mac App Store. Но при этом код открыт на github и вы можете собрать его себе бесплатно 🤔 Не то чтобы два бакса — какие-то большие деньги. Просто интересна механика, где если тебе лень, ты можешь заплатить и не страдать, а если жалко денег — то можешь заплатить своим временем и собрать все из исходников. 👌 🤔 Вы бы какой вариант выбрали? Свята место | 10МДК | YHub