ИИ

ИИ-агенты понимают, получится ли у них код, ещё до того, как его напишут Вышла интересная работа: исследователи заглянули во внутренние состояния coding-агентов и попробовали понять, что модель уже «знает» про код, над которым работает. Масштаб нормальный: – две открытые модели: Qwen3.6-35B-A3B и Laguna-XS.2 – 1231 задача из SWE-Bench Verified и Pro – 22 714 запусков агента – почти 80 тысяч изменений кода – медианная попытка – 52 шага и 36 тысяч токенов К внутренним состояниям модели подключили простую логистическую регрессию, то есть простой классификатор. И он смог определять: – полностью ли работает код – AUC до 0,83 – стало ли упавших тестов меньше – до 0,84 – компилируется ли код – до 0,78 – не сломал ли агент уже работавшие тесты Здесь 0,5 – случайное угадывание, так что сигнал довольно сильный. Причём лучше всего он читался не из последнего слоя модели, а примерно из середины. Но самое интересное – можно было частично предсказывать не только текущее состояние кода, но и будущее! По тому, что происходило внутри модели сейчас, исследователи угадывали, будет ли код рабочим примерно через 25 шагов. К этому моменту AUC падал до ~0,55 на SWE-Bench Verified и ~0,65 на более сложном SWE-Bench Pro, но всё ещё оставался выше случайности. Слабый сигнал сохранялся даже через 50 шагов – около 0,52 и 0,60 соответственно. Авторы назвали это latent programming horizon. Важная оговорка: шаг – это не обязательно новая правка. Агент может читать файлы, искать по проекту и запускать тесты. В медианной траектории было всего два реальных изменения кода. Поэтому речь не о том, что модель заранее держит в голове готовый патч. Скорее, она довольно рано понимает общее направление: задача реально чинится или агент уже куда-то не туда поехал. Практический смысл хороший: можно раньше останавливать провальные попытки, запускать параллельную ветку, повышать effort или подключать более сильную модель – до того, как агент сожжёт десятки тысяч токенов. Короче, код ещё не написан, а модель уже немного понимает, получится он или нет. Следующий шаг – научиться не просто читать этот сигнал, а использовать его, чтобы рулить агентом. Вот это будет прикольно. https://arxiv.org/abs/2607.05188v1

✔️ Samsung разрабатывает ИИ-ускоритель для ПК Подразделение Samsung LSI готовит к выпуску 4-нм сопроцессор под кодовым названием GAIA. В отличие от решений Intel, AMD и Qualcomm, где NPU является лишь частью базового процессора, корейская компания создает полностью независимый ИИ-акселератор. Особенность GAIA заключается в тесной привязке вычислительных блоков к массивам памяти. Samsung планирует задействовать собственную разработку PIM (Processing-in-Memory), технологию, которая переносит вычисления непосредственно внутрь модулей DRAM, что идеально подходит для работы LLM-моделей, генерации изображений и синхронного перевода. По данным отраслевых источников, ранние прототипы чипа уже переданы для тестирования в HP и Lenovo. Если тесты пройдут успешно, массовое производство чипа начнется в 2027 году. Для Samsung этот релиз станет возвращением на рынок кремния для ПК после закрытия экспериментов с хромбуками в 2012 году. @ai_machinelearning_big_data #news #ai #ml

🌸 One obsession v23 — аниме-чекпоинт №1 недели на Civitai Универсальная модель на базе Illustrious: сочные цвета, чистая анатомия и киллер-детализация. Одинаково уверенно тянет неон-киберпанк, готику, тёмное фэнтези и лиричные закатные сцены — от портрета до полноценной сюжетной иллюстрации. Хорошо слушается промпта и не разваливает руки даже в динамике. Свежая версия v23 стала стабильнее по свету и композиции. 📦 Название: One obsession 🔗 Ссылка: civitai.com/models/1318945 🧩 Тип: Checkpoint (#чекпоинт) ⬇️ Скачиваний: 209 851 📅 Версия v23: 11 июля 2026 🧠 Базовая модель: Illustrious 🏷 Теги: #аниме #Illustrious #SDXL #нейроарт ✍️ Триггер: не требуется — обычные теги-промпты ⚙️ Параметры: Steps 20–30 · CFG 4–5 · Sampler Euler / Euler a 💡 Совет: добавляй качество-теги (masterpiece, best quality, very aesthetic) и правь свет через volumetric / cinematic lighting. 🤖 НЕЙРО-СКЛАД — всё, что нужно, для твоей нейронки!

Ну, за покерфейс! Сам регулярно поигрываю в Холдем. Оффлайн, на катране. Давно перестал играть онлайн, ибо боты и нет удовольствия, как от китайских поддельных елочных игрушек. То ли дело с шуточками и троллингом с кругу таких же кожаных лудоманов. Но есть плохие новости. ИИ читает ваши лудоманские рожи как открытую книгу. Ибо. На покерных трансляциях появился новый слой аналитики: модель компьютерного зрения пытается считывать поведение игроков и определять, блефуют они или держат сильную руку. Например, такую систему добавили в трансляции ESPN при участии Omaha Productions. Сорс: https://www.instagram.com/p/Dapvu1TgMX8/ (независимого технического описания модели или пресс-релиза ESPN мне найти не удалось) Модель анализирует микроповедение: частоту моргания, направление взгляда, позу, движения с фишками и другие телесные сигналы. На основе этого она помечает ситуации, где игрок может блефовать или, наоборот, иметь максимально сильную комбинацию. Чтобы не влиять на саму игру, такие подсказки показывают только после вылета игрока. Главный спор вокруг технологии не в том, работает ли она, а нужна ли она вообще. В покерных трансляциях зрители и так часто видят карты игроков, поэтому часть сообщества считает AI-анализ “решением проблемы, которой нет”. Другие, (и я в том числе топлю за это уже 4 с лишним года) видят в этом начало новой эпохи: если алгоритмы научатся читать телесные паттерны в покере, похожие системы могут появиться в переговорах, собеседованиях, службах безопасности, тиндерах(!) и других сферах, где поведение человека становится кожаными данными. Это не столько про покерок, сколько про то, как AI начинает превращать человеческие “теллсы” в интерфейс. Мы для него UI с всплывающими типсами. Минорити репорт Reloaded 2026 @cgevent