ИИ

Проект Бенджамина Браттона и его друзей Antikythera, который фокусируется на планетарных вычислениях и эволюции разума и обновленной философии техники открывает опен-колл в Agentworld— специальный выпуск рецензируемого издания Antikythera:Journal for the Philosophy of Planetary Computation, публикуемого совместно с MIT Press. В этом спецвыпуске будут представлены работы, развивающие исследования по ключевым темам исследовательского блока Agentworld, посвещённого исследовательским инициативам, изучающимновые фреймворки для понимания,моделирования и конструированиясреднесрочного будущего гибридных обществ человека и ИИ. Приглашаются теоретические эссе и технические статьи, которые напрямую работают с темами Agentworld и вносят вклад в его развитие как нового вектора планетарных вычислений. Во всех заявках должно быть объяснено, как именно предлагаемый материал соотносится с основными вопросами спецвыпуска. Принимаются философские, теоретические, технические, а также дизайнерские и проектно-ориентированные исследования, а также работы, выходящие за рамки привычных форматов традиционных академических журналов и издательских платформ. Это могут быть материалы, сочетающие в себе философскую аргументацию, технический анализ, дизайн-исследования, диаграммы, программное обеспечение, инфраструктурные предложения, визуальныемедиа или веб-нативные форматы. Окно приема и рецензирования открывается с 25 июня 2026 года. Работы могут быть выполнены как индивидуально, так и в соавторстве. Авторы могут подать либо описание (пропозал) статьи, либо полный черновик текста. Готовые черновики приветствуются, однако на начальномэтапе подачи заявок они не являются обязательными. Каждая заявка должна включать в себя: Аннотацию (абстракт) или описание объема до 500 слов; Данные об авторе: имя (имена), аффилиацию(ии), контактную информацию, а также краткую биографию/резюме (CV); Контактное лицо: если авторов несколько, необходимо указать ведущего автора или координатора; Портфолио, содержащее как минимум один релевантный пример работы (препринт, опубликованную статью или доклад). Первая подборка статей будет опубликована осенью 2026 года одновременно с запуском специального выпуска Agentworld. Авторы могут по желанию указать, будет ли их материал включать статичные изображения, диаграммы, видео, веб-элементы или другиевизуальные материалы. Учитывая цифровой и ориентированный на передовой дизайн формат редакция приветствует интеграцию визуальных, интерактивных или проектных компонентов, если они усиливают содержание работы. Эти элементы не являются обязательными. Если подобные компоненты планируются, авторам следует кратко описать идею в форме подачи заявки и указать, располагают ли они необходимыми возможностями для дизайна, разработки или продакшна, чтобы полностью её реализовать. Подать заявку: AGENTWORLD.ANTIKYTHERA.ORG Аннотация журнала такова:

В истории бывают периоды, когда наши идеи и мечты опережают технологические возможности, но случаются и другие эпохи, когда сами технологии обгоняют наши концепты и язык. Последнее как раз и определяет текущий момент. Соответственно, задача философии — не проецировать древние аксиомы на новые обстоятельства, а активно изобретать концептуальные системы, необходимые для осмысления настоящего и ориентации будущего. Только благодаря такой ориентации сможет развиваться и процветать продолжающаяся эволюция гибридных обществ — «кентавров» из людей и ИИ. В центре нашего внимания находятся не столько инструменты для механического выполнения агентных задач, сколько человеческая растерянность перед лицом глубокой агентной диффузии (растворения агентов в среде). Человеческие общества — это экологические ниши, к которым должны адаптироваться новые искусственные виды. Ограничения при интеграции агентов в эту социальную экосистему — это не функции полезности, требующие решения, а качественные и открытые вопросы: психологические, философские, лингвистические, символические, экзистенциальные.

Как работают Фрактальные (рекурсивные) MAS (Multi agent system) на примере создания учебных материалов / курса по построению AI First Org. За рефы взял просто топ 10 курсов tier0/1 от MIT/Standford/Accenture (big 4 или кто там консалты) + перешерстило само интернет на тему самых новых и трендовых материалов на эту тему. Создало ICP + объяснило максимально детально на несколько страниц: • для кого • что на входе должно быть • что на выходу получают люди/компании Очень классные проверки и тесты моих гипотез / RnD через кейсы. Step 2: -> рекурсивно весь этот граф/дерево с "проваливанием" в детализацию с последующей реализацией так же через фрактальные/рекурсивные подходы. То есть -> есть какая-то невнятная идея/задача/хотелка -> она потом разворачивается вот в такое "полотно"/граф, считает юнитэкономику/ делает бизнес план / gtm etc + вариации как к этому можно прийти и какие могут быть пивоты/попытки/вероятности/сканы конкурентов/пустые ниши и тд и тп.

Как агенты и люди работают с документами, в которых нужно найти ответ на вопрос? Выясняют на ICLR 2026 Продолжаем делиться работами с конференции. А о том, что мы сами привезли на ICML, читайте в канале ML Underhood. Strategic Navigation or Stochastic Search? How Agents and Humans Reason Over Document Collections Авторы задали людям и агентам 2250 вопросов, ответы на которые спрятаны внутри 800 разных PDF и документов. В ходе нового теста MADQA записывали не только финальный ответ, но и весь путь поиска. В результате: • Лучшие агенты уже догнали людей по точности (около 82%), но берут грубой силой, а не умом. • Человек находит ответ с первой попытки в 50% случаев, лучший агент (Gemini 3 Pro) — только в 12%. • Агенты не умеют останавливаться: если задача не по зубам, крутятся по кругу и жгут ресурсы. • Увеличение объёма вычислений не спасает. Один агент потратил 270 млн токенов и 850 долларов, но проиграл более дешёвому и аккуратному. • Около 20% вопросов не осилил никто: ни люди, ни агенты. Новизна работы в том, что в обычных тестах оценивают только корректность ответа. Здесь впервые измеряли, насколько эффективно система к нему пришла, считая каждый шаг поиска. RLVE: Scaling Up Reinforcement Learning for Language Models with Adaptive Verifiable Environments В этой работе предлагают обучаться на верифицируемых средах, сложность которых растёт динамически. Авторы собрали RLVE-Gym из 400 verifiable-задачек. Когда модель начинает хорошо справляться с текущими задачами, уровень их сложности растёт. Получается своего рода curriculum, который не только ускоряет сходимость, но и бустит общее качество. Position: RL Researchers Need to Distinguish Between Solving Simulators and Using Simulators as a Proxy Ресёрчеры из Университета Альберты неожиданно выдают базу в position-статье: оказывается, что если геймить среду, то агент будет плохо работать в онлайне 🤷‍♂️ Нашёл для вас эти статьи ❣ Андрей Соколов #YaICML2026 Душный NLP

📌 Anthropic предлагает делать самоуправляемые циклы Команда Claude Code опубликовала в X руководство по loops. Это паттерны, в которых агент повторяет рабочий цикл, пока не сработает условие остановки.

Главная мысль: уходить от ручного режима, где разработчик задаёт направление на каждом шаге, и передавать агенту контроль по нарастающей.

Всего выделяют 4 типа циклов, различая их по способу запуска, условию остановки и степени автономии. Логически получается некая лестница делегирования, где на каждой ступени вы отдаёте агенту очередное полномочие. 🟡Агентный цикл запускается промптом и завершается, когда Claude считает задачу выполненной. Здесь вы отдаёте агенту проверку. Ручные шаги верификации заполняются вSKILL.md и чем более количественные критерии, тем точнее агент оценивает собственную работу. 🟡 Целевой цикл /goal забирает у вас условие прерывания Вы описываете, что значит готово, а дальше при каждой попытке Claude завершить работу отдельная модель-оценщик сверяет результат с вашим критерием (скажем, долей пройденных тестов) и возвращает агента к работе, пока цель не достигнута или не исчерпан заданный лимит попыток. 🟡Временной цикл /loop или /schedule берёт на себя триггер запуска. Это удобно для повторяющейся рутины и при работе с внешними системами (например, дайджест по таскам, реакция на новое ревью или упавший CI). 🟡Проактивный цикл убирает человека из контура. Рутина срабатывает по событию или расписанию и живёт, пока вы её не выключите. В связке с динамическими воркфлоу агенту передаётся уже сам промпт. Вот этот сценарий уже ближе всего к полной автоматизации. 🟡Дополнительные советы

Не каждая задача требует сложного цикла, начинать стоит с простейшего решения. Кодовую базу следует держать чистой, а для ревью подключать второй агент. Для этого есть встроенный /code-review. Контролировать расход токенов чёткими границами: точные условия остановки, подбор модели под задачу (рутину - на модели поменьше и побыстрее, решения с ризонингом - на самой мощной). Динамические воркфлоу способны породить сотни агентов, так что масштаб лучше проверять на небольшой выборке.

@ai_machinelearning_big_data #news #ai #ml

GigaChat 3.5 - что по кодингу? Пока мы все ждем релиз GPT-5.6, в каналах все чаще наблюдаю анонсы новой модели от Сбера. Очевидно, что работа была проделана немаленькая, поэтому поздравляю ребят с релизом! Там действительно получился довольно большой скачок в сравнении с их предыдущей моделью, а в пабликах часто наблюдаю как пишут, что уровень модели сопоставим, либо даже выше, чем DeepSeek V3.2. Но для нас главный вопрос - что с агентным кодингом? Поскольку мне Сбер денег не занес, придется писать правду. И тут главная проблема в том, что из официального релиза это практически не понятно. Т. к. единственный прямой agentic coding бенчмарк, который опубликовала команда - это Terminal Bench 2 (в этом месте хочется позанудствовать, что не существует бенчмарка Terminal Bench 2, а существует Terminal Bench 2.0 и более честная его версия Terminal Bench 2.1 - догадаемся, что речь про 2.0). Причем даже в нем мы видим сравнение только с DeepSeek V3.2 и GigaChat 3.1 Ultra. Ну что ж, мы не из робкого десятка, поэтому соберем результаты других моделям по крупицам из других источников. Например, результаты Terminal Bench 2.0/2.1 удобно смотреть здесь и здесь. GigaChat-3.5-Ultra: 13.48 (харнесс Terminus 2, данные от команды сбера) GPT-OSS-120B: 18.7 (Terminus 2, данные из лидерборда tbench) Qwen3.6-35B-A3B: 24.6 (харнесс little-coder) DeepSeek-3.2: 39.6 (Terminus 2) Nemotron 3 Ultra (550B-A55): 50.94 (Terminus 2, результаты из vals.ai) Тем не менее, наверное, на рынке РФ из отечественных моделей, похоже, что GigaChat 3.5 пока самая сильная модель. Но объективно сказать трудно, т. к. ни Яндекс, ни Сбер более широкого сравнения не публикуют и друг друга в бенчмарки не добавляют - а зря, ведь современные бенчмарки достаточно легко прогоняются через Harbor, нужны только токены. А к колегам по цеху предложение на будущее публиковать System Card модели с техническими подробностями, как это делают OpenAI и Anthropic, а также показывать больше современных бенчмарков: хотя бы DeepSWE 1.1 и SWE-rebench 2.0. @ai_driven

Боже храни капитализм. Боже, упаси от капитализма. С одной стороны, китайское правительство заявляет что заблокирует доступ к топовым моделям всем, кому не посчастливилось обладать прекрасным китайским паспортом (и быть на хорошем счету у компартии), но не то чтобы торопятся, ибо достаточно в мире конкурентов. Антропик с одной стороны убирает Фейбл из доступа и грозится оставить доступ только по API, но как только OAI выпускают свою новую модель (Sol, завтра выйдет), то резко переобуваются в воздухе, ибо никто не хочет терять платящих клиентов. А с другой стороны, именно конкретная гонка и теория игр, согласно вещему отчету AI-2027, станет причиной всех бед и потенциального риска уничтожения человечества. Так что на мир влияет две вещи: теория игр и ваше личное желание новые игры создавать.

⚡️ Агент GitHub может сливать данные из частных репозиториев — достаточно вежливо попросить 💀 Исследователи обнаружили уязвимость в GitHub Agentic Workflows, которую назвали GitLost. Дыра оказалась до смешного простой: в демо агенту подсунули фейковый issue с промпт-инъекцией внутри от имени якобы вице-президента по продажам. После этого агент вытащил из открытых и приватных реп все нужные данные, объединил их и опубликовал всё в публичном комментарии. Самое интересное, что для обмана ИИ хватило всего одного слова — «Additionally». Оно заставило модель воспринимать инъекцию как продолжение обычной задачи, а не как запрос, который надо заблокировать. Лишнее напоминание не давать много прав агенту ☕️

Diffusion Language Models на ICLR 2026 Собрали несколько работ о дифффузионных моделях и побеседовали с их авторами. Residual Context Diffusion Language Models Известная статья на тему masked diffusion. Суть в том, чтобы уменьшить потерю подсчитанной информации, которая обычно выбрасывается при низких вероятностях демаскируемых токенов. Как работает masked diffusion. На каждом шаге генерации выделяется фрагмент последовательности (блок), который будет демаскироваться одновременно (что и должно приводить к ускорению). Но если сразу размаскировать все токены, качество будет плохим. Поэтому размаскируем только те из них внутри блока, предсказанные вероятности которых высоки. Вероятности других — низкие —выбрасываем и перегенерируем их заново, обуславливаясь на все размаскированные до текущего шага токены. Для решения проблемы отброшенных вычислений вероятности непринятых токенов подают на следующий слой через дополнительный residual-вход. Чтобы дообучить модель работать с новым входом, предлагают использовать простую замороженную модель, которая предоставит не очень качественные вероятности. Часть о том, что надо обучаться с dummy-моделью, а инфериться на хорошей, — ограничение метода. Автор считает, что его можно минимизировать рекурсивным дообучением, но сдвиг между распределениями никогда не будет нулевым. В целом необходимость делать такие трюки кажется ему фундаментальным ограничением дискретной диффузии, и он верит в скейлинг непрерывных подходов для генерации текстов. Breaking the Factorization Barrier in Diffusion Language Models Работа об увеличении репрезентативности masked diffusion. Проблема в том, что помимо самих текстовых знаний модель должна выучить ещё и все возможные комбинации паттернов размаскирования. Это непростая задача, хочется уменьшить комбинаторную сложность в ней. Предлагается учить peft-like-добавку определённой структуры, специально направленную на понимание паттернов семплирования. На инференсе будем параллельно вычислять эту добавку и основные веса для получения вероятности размаскирования токенов. Использовать метод можно для двух целей. Основная, которую показывают в статье, — увеличение качества при фиксированной скорости. Дополнительная — увеличение скорости (количество размаскируемых токенов за форвард) при сохранении качества. Метод поскейлили до LLaDA 8B и показали буст качества относительно LoRA-добавок — правда, померить на этом скейле смогли только ген-перплексию. Scaling Beyond Masked Diffusion Language Models Есть несколько конкурирующих подходов к тому, как делать диффузию для текстов. Самый популярный — masked diffusion. Так получилось, потому что на низких масштабах компьюта и размеров моделей было показано, что у этого класса моделей теоретически лучший баланс эффективности и качества в терминах ген-перплексии (что не слишком надёжно). Авторы делают честное сравнение разных диффузионных подходов (и авторегрессии как бейзлайна), но теперь скейлят модели до 2B параметров и показывают, что uniform state diffusion — на деле лучший подход. На постере и в беседе автор тизерит свою следующую работу, в которой для uniform state diffusion сделали алайн и победили Nemotron 8B и Diffusion Gemma 26B по скорости и качеству на агентских бенчах. Learning Unmasking Policies for Diffusion Language Models Также удалось пообщаться с автором. Идея — в обучении небольшой полиси-головы поверх замороженной диффузионной тушки. Сама полиси-сетка очевидно выучивает статистики из домен-специфичных данных потому что, по словам автора, для хорошего качества им приходилось учить отдельные политики для кода и математики. Также есть параллельная работа, в которой тушку размораживают и дообучают голову вместе с ней. Это дороже, но перспективнее в плане качества. Фишка метода из статьи — из-за отдельного обучения головы можно смотреть, какие домен-специфичные паттерны выучиваются. Так, для математики политика выучивает больше всего токенов семплить на последних блоках, что не сработало бы для кода. Увидел интересное ❣ Сергей Кастрюлин #YaICML2026 Душный NLP

Мне повезло в начале 2010-ых застать всю ту пиздецому, которая происходила в период JS революции. Вот эти вот все бесконечные фреймворки, которые выходили по 10 штук в день, всякие коффескрипты, которые должны были стопудова похороноить жс и прочие приколы. И это даже близко не приближается к тому уровню треша, что сейчас происходит с этой вашей так называемой ИИшкой. КАК ЖЕ Я ЗАЕБАЛСЯ ЭТО ВСЕ РАСКУРИВАТЬ. Но это то ладно, после того как всё это будет впихнуто в примерно в 1.5-2 часовое видево. Мне вот интересно как оно будет восприниматься мимокрокодилами которые чето там слышали поверхностно, но особо никогда не вникали. И это при том, что у меня уже пошел 3-ий месяц на выкупание всего этого ИИшного и около-ИИшного шизобреда.