ИИ

И еще одна интересная статья: главный навык агентного кодинга – знать, чего ты не знаешь Пишут, что Fable – первая модель, где качество результата упирается не в модель, а в вас! (та-даам) Точнее, в вашу способность прояснять свои unknowns. Типа карта – это ваши промпты, skills и контекст, то есть то, что вы даёте агенту. Территория – кодбаза и реальные ограничения, где работа на самом деле происходит. Разница между ними = unknowns. Чем больше объём работы, тем больше таких дыр агент встретит и тем чаще будет угадывать, чего вы хотели. Дальше они разбирают как раз классический квадратик 2х2: – Known knowns – то, что вы написали в промпте – Known unknowns – то, что вы ещё не решили, но знаете об этом – Unknown knowns – то, что для вас настолько очевидно, что вы никогда это не запишете, но узнаете, если увидите – Unknown unknowns – то, о чём вы вообще не думали Автор говорит: посмотрите, как промптят крутые программисты – у них почти нет unknowns, они в синхроне и с кодбазой, и с поведением модели. И это тренируемый и очень важный скилл. Чего делать-то надо: – Blind spot pass – перед работой в незнакомой части кодбазы прямо просить Claude найти ваши unknown unknowns, буквально этими словами. «Я ничего не знаю про auth-модули здесь, сделай blind spot pass и помоги мне промптить тебя лучше» (!) – Прототипы до имплементации – ловить unknown knowns дёшево. «Сделай HTML со страницей в 4 радикально разных дизайн-направлениях, я отреагирую» – Interviews – просить Claude интервьюировать вас по одному вопросу, приоритезируя те, где ответ меняет архитектуру – References – лучший референс не скриншот и не доки, а source code. «Вот Rust crate с нужным backoff, прочитай и реимплементируй семантику в нашем TypeScript-клиенте» – Implementation plan – но с фокусом на то, что вы скорее всего захотите поменять: data models, интерфейсы, UX. Ну и записывать артефакты, чтобы можно было понять, что и как создавалось и как теперь работает: – implementation-notes.md во время работы – логи отклонения от плана в раздел Deviations – Квиз после – просить Claude сделать отчёт по изменениям и квиз в конце. Мерджить только после того, как ты сдал квиз на 100%. Это прикольный конечно паттерн, типа: честный ответ на вопрос «а вы понимаете, что агент вам намерджил?» Короче, хватит уже модели ругать, пора смотреть в зеркало https://claude.com/blog/a-field-guide-to-claude-fable-finding-your-unknowns

10 мин назад Мой друг/партнер прислал книжку/статью Генри Форда (моя жизнь мои достижения - гуглите) По ней решили проапгрейдить наш SwarmOS. За 5 минут вышла новая оптимизация SwarmOS и фрактальных MAS + изучили похожие SOTA/архитектуры/научные статьи и пришли к таким результатам: 📈 Financial Takeaways (Additional Savings): Compared to Unbounded Fable 5: Saves $1,627.85 per 1,000 runs (95.2% total cost reduction). Compared to Budgeted Fable 5: Saves $402.85 per 1,000 runs (83.1% extra savings strictly from Heijunka routing). Compared to Unbounded Opus 4.8: Saves $772.85 per 1,000 runs (90.4% total cost reduction). Compared to Budgeted Opus 4.8: Saves $160.35 per 1,000 runs (66.1% extra savings strictly from Heijunka routing).

ИИ-агенты уже умеют оформлять покупки, искать людям работу и выполнять многие повседневные задачи. Это одно из ключевых направлений для крупных ИИ-компаний, ведь диалоги с ИИ скоро могут заменить сотни приложений и сервисов. Что происходит Переход к ИИ-агентам — важный тренд в ИИ-индустрии. Нейросети теперь должны не просто генерировать ответы, а выполнять повседневные задачи за пределами чата с минимальным вмешательством человека. Поэтому чат-боты постепенно превращаются в платформы для управления сторонними сервисами и приложениями. Как это выглядит 🟣 Anthropic развивает MCP — протокол, через который к Claude можно подключать сторонние сервисы. Так нейросеть может работать с документами, репозиториями, CRM, базами данных и вообще любыми системами. 🟣 У OpenAI есть библиотека приложений ChatGPT Apps. Принцип работы такой же: ИИ получает доступ к вашему аккаунту во внешнем сервисе и начинает им управлять прямо внутри диалогового окна. Например, ИИ может работать с макетами в Figma и бронировать отели в Booking. 🟣 Google развивает Gemini Enterprise Agent Platform. Там компании могут создавать, подключать и управлять собственными ИИ-агентами для рабочих процессов. 🟣 К Алисе AI подключили Яндекс Такси и Яндекс Лавку. Теперь прямо в диалоге с нейросетью можно делать заказы и вызывать машины. Скоро на платформе появятся Доставка, Маркет и другие продукты Яндекса, а доступ к ИИ-агенту получат и внешние компании. Как это работает в Алисе AI ИИ-агент получает текстовый запрос, например: «Собери корзину продуктов, чтобы приготовить сбалансированный ужин». Затем система добавляет контекст: геопозицию пользователя, время, доступные товары, прошлые заказы, предпочтения и другие детали, которые помогают точнее выполнить задачу. После этого агент формирует корзину в Яндекс Лавке, а пользователю остаётся подтвердить и оплатить заказ прямо в чате. Что это меняет Чаты с нейросетями превращаются в универсальные интерфейсы для работы с сервисами. Благодаря этому привычные приложения скоро могут отойти на второй план, а работать с ними можно будет через запросы к ИИ. Подписывайтесь 👉 @techno_yandex

Anthropic объяснила, когда стоит играться в effort level (спойлер - нечасто) Вышел пост от команды Claude Code про то, чем отличаются два главных «крутила» в Claude Code: выбор модели и effort level. Главные тезисы: – Модель = набор замороженных весов. Всё, что Claude «знает» про TypeScript и Go, зашито туда на этапе тренировки. Промпт и CLAUDE.md – это steering, а не teaching: модель ничему не учится, вы просто подсовываете контекст на один запрос – Effort – это НЕ «время подумать». Это сколько работы модель готова проделать за ход: сколько файлов прочитает, запустит ли тесты, будет ли перепроверять себя, и как далеко утащит мультишаговую задачу до того, как вернётся к вам – Effort передаётся в модель прямо в запросе, как ещё один input. Поведение на каждом уровне выучено при тренировке. На высоком effort та же задача может сжечь примерно в 7 раз больше токенов ради более уверенного ответа – При этом effort задаёт потолок, а не план: если первая гипотеза в дебаге сработала, модель скипнет остальные проверки, а не будет искусственно наматывать токены. Anthropic говорит, что специально борется с overthinking на тренировке. При этом пишут, что чаще всего дефолтных значений хватает 80% пользователей. Практическая эвристика, когда что-то пошло не так: – Claude всё прочитал, честно старался и всё равно ошибся – проблема в capability, берите модель побольше – Claude скипнул файл, не запустил тесты, бросил рефакторинг на середине – проблема в старании, поднимайте effort – Но сначала проверьте контекст: кривой промпт лечится не крутилками, а нормальным CLAUDE.md Есть и красивая аналогия: Fable – это узкий специалист, который видел проблемы, которых не видел никто. Opus – эксперт, Sonnet – хороший generalist. Opus на low effort = пять минут с экспертом, Sonnet на high effort = целый день работы толкового джуна-плюс, который вычитает весь ваш код. Fable даже на low effort замечает то, что остальные не увидят, но и стоит соответственно. Про экономику честно: на рутине большая модель просто дороже без прироста качества. На сложных multi-step задачах наоборот – маленькая модель идет итерациями к потолку своих способностей, а большая доходит до результата за меньше шагов, и cost per task может выйти ниже. Короче, главный совет от самой Anthropic – не трогайте крутилки. Дефолтный effort откалиброван под то, что «большинство людей хотело бы потратить на задачу», а модель меняйте не по вайбу, а по диагнозу: не знал или не старался. Прикольно, что антропик сам пишет «не платите нам за модельку, которая задаче не нужна». https://claude.com/blog/claude-model-and-effort-level-in-claude-code

AI убил мой главный навык Когда я учился в военном институте, моей гражданской специализацией была юриспруденция. На первой же лекции начальник кафедры сказал: «Ваша задача не стать хорошими юристами. Ваша задача знать, какой кодекс открыть, чтобы найти нужную статью». Долгое время я считал своим главным навыком умение быстро находить информацию. Но в эпоху AI это обесценилось. Больше не важно знать, в какой книге нужная статья или на каком языке программирования вайбкодить прототип. Теперь важнее не находить информацию, а превращать ее в артефакт: инсайт, решение, пост, продукт, методологию. А второй важнейший навык — развивать вкус, насмотренность и физический контакт с реальностью. AI может дать тысячу вариантов, но он не сможет почувствовать, какой из них более уместный, красивый и человеческий для твоего контекста или ЦА. Самый ценный опыт пока еще синтезируется человеком: когда ты сам видел, трогал, пробовал, ошибался, наблюдал и проживал эмоции. Если этого опыта нет и результат всецело доверять ИИ, особенно в контенте, то почти всегда получаетсябезликая клишированная нейронщина, которая пости всегда заметна и бесит.

Как Ford признал, что сам себя переиграл В 1964 году Ford выпустил бестселлер - Mustang - машину, которую придумала команда под руководством молодого управленца по имени Ли Якокка. Он пришёл в компанию инженером, но быстро понял, что его сила в понимании потребностей клиентов, и перешёл в продажи и маркетинг. Именно вера в интуицию и опыт команды, а не только в инженерные расчёты, принесла Ford рекорд тех времён - более 400 тыс. проданных авто за первый год, лучший результат компании со времён Model A. Свой успех Ли Якокка описал в книге "Карьера менеджера", кстати, рекомендую. Но спустя 60 лет Ford забыл про человеческую интуицию и чутье и решил поиграть во всеобщую игру под названием "ИИ заменит рабочих" и заодно и издержки, и с 2024 года сократил 20 тыс. рабочих мест. К чему это привело? Брак, с которым Ford борется уже много лет, не уменьшился - в 2025 году компания официально отзывала бракованные партии 152 раза - это самый высокий показатель в США. А вот обучать ИИ стало просто некому, т.к. под сокращение попали те самые грамотные инженеры с интуицией, которые лучше любого ИИ чуйкой понимали где искать причину. Примерно как Якокка ставил свою карьеру на кон, настаивая именно на такой форме Мустанга, а не той, которую хотел Генри Форд младший. Сочетание вернувшихся "gray beards" опытных инженеров, задача которых теперь была обучить ИИ, автоматизации "умными" камерами и перепрошивка систем контроля на основе реального производственного опыта, которого не было в исходных данных без людей, дало результат - уже в этом 2026 году Ford впервые с 2010 года занял первое место среди массовых брендов в рейтинге качества J.D. Power. В общем, Ford - ещё один пример компании, показывающий, что технология усиливает мастерство, а не заменяет его. Алгоритм может обработать данные, но не может обработать опыт, которого в этих данных никогда не было. Да и смысл соревноваться с ИИ там, где решает человеческая интуиция, если можно встроить человека в процесс и получить от технологии максимум? Пусть Ford ещё поработает. Да и нравится мне Ford Mustang, нет в нем ничего лишнего, ИИ уж точно 😉 Согласны? Что скажете? #истории ®️ Фанат сервиса| MAX| Клуб| Обо мне Личный путь лидера - В моменте

Борис Чёрный поделился у себя в твиттере инсайтом, как меняются роли в разработке продуктов:

По мере того как инженерия, продукт, дизайн, DS и другие функции трансформируются в роли нового типа, я размышлял о том, как могут эти роли выглядеть в будущем. Например, глядя на команду Claude Code, я вижу, как мне кажется, пять архетипов: 1. Prototyper: придумывает совершенно новые идеи; много их генерирует, и большинство так и не доходит до релиза 2. Builder: быстро превращает прототип или идею в production-grade продукт и инфраструктуру 3. Sweeper: приводит в порядок интерфейс, упрощает код и систему, убирает лишние фичи, оптимизирует производительность 4. Grower: берёт уже построенный продукт и итерациями улучшает его Product-Market Fit 5. Maintainer: отвечает за зрелость и масштабируемость системы — безопасность, надёжность, скорость и эффективность Люди могут совмещать несколько ролей, иногда три. Я также замечаю, что эти роли не привязаны к должности: в Anthropic одни дизайнеры соответствуют категории 1, другие — 2, третьи — 3. И то же самое с инженерами, продакт-менеджерами и DS. Здоровой команде нужен микс архетипов — в зависимости от продукта: • Новому продукту до PMF нужны люди, сильные в 1+2+3 • Растущему продукту, нашедшему PMF, нужны 2+3+4 и немного 5 • Продукту с прочным PMF нужны 3+4+5 и немного 2 Возможно продуктовые роли будущего будут выглядеть именно так — а не как сейчас, привязанные к конкретной специализации?

→ https://x.com/bcherny/status/2071379474277613732

🛠 Метод 🎯 Авторы ставят своей целью эффективный инференс на edge-девайсах вроде мобилок. iOS накладывает жёсткие ограничения на размер памяти, используемой приложением, — ~3 гига, поэтому чекпоинт 4B-модели туда никак не влезет без оффлоадинга. 🏗 Архитектура модели включает в себя трансформерные блоки, PLE-эмбеддинги и объединённую LM-голову / эмбеддинги. Каждая из компонент требует своего рецепта. ⚙️ Для сжатия слоёв в трансформерных блоках используют GPTQ. Но не просто GPTQ, а усиленный Quantization Error Propagation (QEP) и тюнинг скейлов, минимизирующий квадратичную ошибку на выходе. Для калибровки подбирают датасет с примерами из разных областей — самокалибровочные генерации (генерации исходной модели по каким-то промптам), многошаговые диалоги, ризонинг / safety-данные. 📊 В ablation показывают, что QEP существенно снижает KL-дивергенцию между квантизованной и исходной моделью. 🗜 PLE — самая тяжеловесная часть модели, потому требует экстремального сжатия. Скалярные квантизаторы не жмут ниже одного бита, да и сильно сажают качество. Потому используют модифицированный вариант AQLM с 8-мерными группами и кодовой книгой размера 128 (7/8 бит на параметр?). Вместо X^T X используется регуляризованная матрица Фишера. В итоге удаётся добиться сильного сжатия с умеренным отклонением от исходной модели. 🧩 Эмбеддинг, он же голова, квантизуется через RTN с тюнингом скейлов. 🔧 Равномерное сжатие не учитывает разную важность и чувствительность слоёв, потому авторы используют RCO из недавней работы https://arxiv.org/abs/2605.00649, который подбирает оптимальную битность под каждый слой из некоего набора пресетов через Риманову оптимизацию. Причём сначала подбирают оптимальные битности, а затем переквантовывают модель снова (чтобы калибровка учитывала степень сжатия прошлых слоёв). Оптимизированная конфигурация также выдаёт гораздо более близкие выходы к исходной модели. 🧪 Эксперименты 📉 По соотношению KL-дивергенция / размер выпущенные чекпоинты заметно лучше по Парето-фронту, чем публичные GGUF-ы. 📋 Далее качество замеряют на MMLU Pro, IFEval, tau2 bench. 🏆 L- и M-чекпоинты со степенью сжатия в 6–7 раз по качеству даже лучше GGUF-ов с 4x-сжатием. 🚀 По скорости оно даёт увеличение TPS в 2–2,5 раза против bf16-чекпоинта и снижает потребление памяти в 5–6 раз. 4-битная скалярная квантизация при этом даёт ускорение примерно в 1,5 раза (маловато чёт). 💡 Выводы Классный гайд про подготовку низкобитных чекпоинтов под мобилки и комбинирование рецептов из литературы. Конечно, не под всякое железо оно заведётся, но где заведётся — пробовать точно стоит. Следующим шагом было бы отскейлить сие на здоровые MoE-шки, чтобы запускать условный GLM-5.2 хотя бы на паре H100 или одной H200. 📦 Чекпоинты моделей выложены на лицехватс, и их можно запускать на яблочных чипах при помощи либы https://github.com/TheStageAI/edge-lm.

12-летняя предпринимательница основала собственный ИИ-стартап: она создала бота-ассистента, который помогает представителям малого бизнеса выстраивать долгосрочные отношения с клиентами Мана Джампала разработала сервис с помощью Claude. Продукт успешно прошёл начальное тестирование. В ближайшие два года основательница намерена подать заявки в акселераторы Y Combinator и a16z, а затем привлечь финансирование от венчурных фондов. Однако на пути к цели стоит серьёзный барьер — возраст. Онлайн-аудитория воспринимает проект с интересом, тогда как на очных презентациях юную предпринимательницу нередко не воспринимают всерьёз. #интересное Нейросети: Волшебство ИИ

Как меняются founder factories ✍️ Давно не новость, что европейские единороги все чаще становятся фабриками новых стартапов. Про мафию Revolut и Palantir написано уже очень много. Но вот Accel снова взялся изучать кузницы стартапов. Проанализировали 402 единорога из Европы и Израиля. Так вот бывшие сотрудники 322 из них уже создали 2329 технологических стартапов. Лидируют Klarna, из которой вышли основатели 75 новых компаний, Spotify — 67, Revolut — 58, Deliveroo — 57 и King — 55. При этом меняется и профиль самих основателей единорогов. Accel проанализировал опыт фаундеров 290 европейских юникорнов и обнаружил заметный сдвиг в сторону Big Tech, университетов и научных лабораторий. Среди единорогов, которые появились после 2023 года, почти у каждой четвертой компании есть хотя бы один основатель с опытом работы в крупной технологической корпорации. Раньше таких было 11%.

Главными кузницами новых фаундеров стали Microsoft и Alphabet. Опыт работы в каждой из них есть у 8,5% основателей новой волны. До 2023 года лидировали BCG и McKinsey.

Одновременно растет роль академической среды. У 23% новых единорогов есть основатель, который раньше работал в университете или научной организации (до этого было 12%). Доля компаний, где у основателя есть степень PhD тоже выросла вдвое — с 9% до 18%. Авторы исследования связывают этот сдвиг с развитием GenAI. Глубокая техническая и научная экспертиза становится важнее, а путь от идеи до большой компании — короче. С 2023 года в Европе и Израиле появилось 86 новых единорогов. Каждый пятый достиг оценки $1 млрд максимум за два года, а почти каждый третий — за три. Раньше эти показатели составляли 5% и 12%. После изучения этого отчета, подумала о том, что AI не только позволяет быстрее запускать новые продукты, но и начинает менять саму систему предпринимательства. Университеты и бигтехи дают людям знания и опыт, затем единороги учат их строить быстро и эффективно строить компании, а затем выходцы запускают уже собственные стартапы. В России, к сожалению, эта система не очень хорошо работает — слишком мало больших компаний, которые могут быть фабриками фаундеров. @karpovaventures✍️

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