IT

Как AI-агенты помогли мне взять серебро на Kaggle - и где они меня подвели Недавно я, впервые за долгое время, поучаствовал в соревновании Kaggle - ROGII. Задача - geosteering: по гамма-каротажу и траектории понять, где буровое долото находится внутри геологического слоя. Мы заняли 93 место из 6000+ команд, серебро. Главное отличие от прошлых соревнований: агенты написали практически весь мой код. Я выбирал направления и решал, чему верить; ChatGPT Deep Research искал статьи и подходы; Claude Code делал имплементацию, а ближе к концу я всё чаще переключался на Codex. Работало весьма хорошо. Раньше bottleneck часто был в реализации идей, а теперь мог сказать "добавь эти пять фич и перезапусти тренировку" и получить результат. Агенты присылали апдейты по тренировке в Telegram; и через remote connection можно было направлять следующие шаги. И иногда агенты неожиданно тупо ломались: - Claude раз за разом пытался захардкодить три видимые тестовые скважины, хотя на сабмите Kaggle подменяет их скрытым датасетом. Пришлось заводить отдельное правило и заставлять проверять его каждый раз. - Codex решил, что несколько сложных сэмплов "плохие", и выкинул их из OOF. Локально стало красивее, а при мерже с тимейтами выяснилось, что у меня не хватает строк. - Claude любил запускать "быстрый дешёвый smoke run", после которого идея объявляется нерабочей, хотя эксперимент имел мало общего с тем, что я хотел. - неправильные выводы записывались в память и влияли на следующие эксперименты, приходилось чистить руками. - Opus 4.6 выполнял инструкции надёжнее, чем 4.8 и 5.0: дал пять задач - сделает пять, а более новые версии иногда брали одну-две и игнорировали остальное. Главный вывод: агент оптимизирует ту метрику, которую видит. Приватный лидерборд он оптимизировать не может, поэтому работает через прокси - локальный CV, паблик, время выполнения или просто "выглядит ли задача сделанной". И очень способный агент может стать очень хорош в оптимизации чего-то, что слабо связано с тем, что тебе нужно. Ещё показательно: победители переформулировали задачу - вместо построчной регрессии 2D alignment и декодирование связного пути через всю скважину. Агенты отлично искали итеративные улучшения имеющихся идей, но не могли придумать что-то принципиально новое. Так что агенты не отменяют экспертизу. Они её усиливают: если ты в теме, то можешь проверить много идей; если просто просишь агентов работать за тебя - они уйдут в неправильном направлении быстрее, чем ты сам. Блог Medium Ycombinator #ai #kaggle

В эпоху агентов: как ИИ переворачивает процесс создания продукта Спикер: Альбина Мунирова Многие из вас уже слышали про AI-native разработку и команды. Но что это значит: научиться вайбкодить, подключить ChatGPT — или изменить способ работы команды? На примере фреймворка Double Diamond разберемся, какие ключевые изменения произошли в процессах за последнее время и куда переехало узкое горлышко с приходом ИИ. Сам фреймворк появился, когда разработка и тестирование в продакшне стоили дорого: команда долго выбирала решение, чтобы не переделывать продукт. С ИИ эксперименты подешевели — узкое место переместилось в принятие решений. Этап Discover: непрерывно собирать сигналы Загрузить транскрипты интервью в ChatGPT и попросить выводы — плохой сценарий. На выходе обычно получается усредненный ответ без настоящих инсайтов. Чтобы получить качество, сравнимое с качеством работы человека, исследование делят части. Например, агент-исследователь собирает сигналы из интервью, аналитики, поддержки, логов и отзывов, нормализует и удаляет дубли. Агент-синтезатор ищет паттерны. Агент-критик проверяет выводы. Модель легко заменяет редкий сигнал средним обобщением. Поэтому просите исключения и несостыковки, меняйте роли, сегментируйте данные и проверяйте первоисточники. Модели нужно разрешить отвечать, что данных недостаточно. AI-персоны не заменяют интервью: это обобщенная версия пользователя. Зато на них удобно проверять гайды. Если разные персоны отвечают одинаково, вопросы, вероятно, не помогают получить новую информацию. Этап Define: ИИ готовит данные, решение остается за человеком На этом этапе автоматизировать можно многое, кроме главного решения: какой сигнал действительно важен и что команда возьмет в работу. Чтобы не спешить с выводами, при синтезе делайте разделение по трем группам: факты, интерпретации и гипотезы. Затем подключайте критика: достаточно ли данных, нет ли другого объяснения, не замаскировано ли решение под проблему? ИИ готовит черновик, человек утверждает смысл и приоритет. Этап Develop: прототип становится общим языком Вайбкодинг пока не заменяет разработчиков, особенно в высоконагруженных продуктах. Его сила в другом: команда может быстро ошибаться и перебирать варианты. Любой участник может форкнуть продукт и собрать кликабельный прототип. Вместо объяснений дизайнеру команда смотрит на работающие варианты и выбирает лучший. Со временем прототипы можно приблизить к продакшену вместе с командой разработки. Этап Deliver: релиз возвращает данные в цикл принятия решений Релиз — не финал, а часть непрерывной проверки. Рутину и тесты можно автоматизировать, но ответственность за риск остается у человека. Все сигналы из тестов и продакшена возвращаются на этап Discover. При этом удобно, что ТЗ можно не писать заново, а восстановить по выбранному прототипу с учетом всех имеющихся данных о продукте. Для такой работы нужен общий контекст: принципы продукта и команды, глоссарий, метрики, правила и история принятия решений. Как проверить, что ваша база по продукту имеет достаточно информации: человек, который ничего не знает о продукте, может быстро получить из нее ответ. Double Diamond никуда не исчез. Он стал быстрее, дешевле и перестал быть линейным. Теперь главное узкое место — между этапами, где человек решает, какую проблему брать, какое решение отбрасывать и когда продукт готов к выпуску. А сам AI-native подход можно описать следующей формулой: общий контекст + непрерывная обратная связь + дешёвые эксперименты + встроенное качество + ясные права на решение. И роль менеджера продуктов во всей этой цепочке — выбрать правильную проблему, быстро отбросить слабые решения и отвечать за качество и риск. @productsense

Что вы навайбкодили: месяц назад я предложил делиться своими полностью вайбкод-проектами, там оказалось много интересного! Вот какие хочется отметить отдельно: 🌱 Конечно карта спешалти кофеен Москвы, Питера и других городов РФ. Если в таком проекте хороший отбор заведений, то это суперполезно! Сам пользуюсь такой же картой в Европе (пост), коммент Da. 🌱 AI-визуализатор для студий автодетейлинга. Простая идея для очень традиционного нецифрового бизнеса (немного зарабатывает), коммент Кирилла. 🌱 Сервис создания документации для клинических исследований. Один из немногих b2b вайбкод-проектов, тоже понятная идея, но для более привлекательной ЦА (зарабатывает), коммент Димы. 🌱 Дашборд смертности в разных странах по данным ВОЗ и нацстатбюро. Много графиков, и есть детская упрощенная версия. Короче, навайбкожено с любовью к данным! коммент Владимира. 🌱 Замена курсора на интерактивную указку в стиле mr Tiny Hand. Просто прикольно, одна простая неординарная фича, такое часто залетает в соцсетях (немного зарабатывает), коммент Михаила. 🌱 Сервис парсит линкедин в поиске актуальных вакансий. Такого много, но если парить хорошо, то место для такого всегда есть, коммент Ивана. 🌱 Интерактивный лонгрид по книге "Ружья, Микробы и Сталь", которую я как-то всем рекомендовал (пост). Необычно и очень познавательно, коммент Алексея. PS Могу еще сделать такие активности, на другие темы. Чем бы вы хотели поделиться с читателями кириллика? Пишите в комментах. @kyrillic

Новым сайтом, агентом или еще каким приложением уже никого не удивить - это добра уже слишком много. Но мне по-прежнему взрывает мозг, насколько некоторые вещи упрощаются по сравнению с тем, как это было совсем недавно. Вот одна история сегодня. Причем это даже не рабочая задача была, а просто что-то в фоновом режиме. (1) Мне надоело отслеживать эту кашу из чатов в левой вкладке Codex. Мне ВСЕ нравится, только каша в интерфейсе не нравится. Спрашиваю у кодовой субличности из AI Native проекта: Слушай, Ты можешь как-нибудь подключится к Codex декстопному и сделать нормальный интерфейс. Чтобы было Working, Stowed, Focused (2) Codex: без проблем. Базы у меня тут, вот по этому IPC сокету можно получать обновления, вот так открывать по ссылке разговоры в приложении. Вот так я бы сделал приложение на HUGS стыке. (3) Я: слушай, позови Марка из Personal OS. Марк, сделай и скажи, как запустишь. Только не обязательно использовать стэк, которую кодовая субличность предложила, она заточена на продуктовую разработку, а не прототипы. (4) Марк, спустя 27 минут и пару процентов подписки: готово, вот я тебе вкладку открыл. (5) Я: Ооо, ого, прикольно. Вот только тут куча разговоров, разгребать вручную лень. Можешь сделать кнопку в этом интерфейсе “Разгрести Марком”, чтобы она запускала твою сессию в Codex со всеми инструкциями? И чтобы было минимально, как в самом приложении. (6) Марк: я сделал, обнови страничку. И вот именно легкость такого эксперимента и снесла мне мозг. То, что когда-то было бы проектом на пару дней, сейчас - просто правильных запросов. Скриншоты интерфейса скину для интереса в комментарии. Но само приложение не так интересно, как простота его сборки агентом. Такие приложения, начиная с простых утилит и заканчивая всевозможными агентами, нынче может плодить под себя каждый. А вам что-нибудь из новых возможностей так недавно взрывало мозг? Ваш, @llm_under_hood 🤗

Windows 11 вернула функцию, которой пользователи ждали почти 5 лет Сентябрьские обновления KB5124008 и KB5122880 для Windows 11 25H2 и 24H2 добавили сразу несколько долгожданных изменений. Теперь панель задач снова можно перемещать — в том числе наверх или к боковой части экрана. В Windows 10 такая возможность была, но после выхода Windows 11 её убрали. Также Microsoft добавила компактный режим меню «Пуск», улучшила системный поиск и позволила отключать веб-результаты и рекомендации приложений из Microsoft Store. Заодно ускорили запуск Проводника и переключение между рабочими столами. Обновление уже доступно через Центр обновлений Windows.

NVIDIA выпустила CUDA 13.4 с поддержкой Windows на Arm NVIDIA представила комплект инструментов CUDA Toolkit 13.4, ключевым обновлением которого стала полноценная поддержка платформы Windows на Arm. Это позволит разработчикам оптимизировать ПО под мини-ПК и ноутбуки линейки RTX Spark, а также запускать вычисления на базе CUDA на уже существующих устройcтвах с архитектурой ARM64 без использования эмуляции. Кроме того, в релиз вошел ранний превью-доступ для разработчиков к архитектуре следующего поколения Vera Rubin (compute capability 107), включая оптимизацию базовых математических библиотек под новые GPU и чипы N1X. Обновление также включает инструмент Multi-Process Service V3 с интеграцией в cgroups для точного разграничения памяти GPU в контейнерах, модуль CUDA Compute Fabric Transport для передачи данных по NVLink и расширение библиотеки CUDA Python.

Исследователи из Гонконга показали атаку InjectEave, которая вытаскивает речь из наушников по электромагнитной утечке через 30-сантиметровую бетонную стену и на расстоянии до 30 метров. Проверили на 11 серийных устройствах от проводных и беспроводных наушников до VoIP-телефона, вентиляторов и умных ламп. В отеле и переговорной речь восстанавливали, находясь в соседнем помещении. Раньше аналоговый звук такими методами не брался, потому что частоты речи слишком низкие и проводники внутри устройства работают никудышными антеннами. Гонконгцы перестали пассивно слушать и начали облучать электронику высокочастотным сигналом. Нелинейные компоненты вроде усилителей, АЦП и преобразователей питания смешивают внешний сигнал с внутренним, и низкочастотная речь переезжает на высокую несущую, которая отлично излучается наружу. Дальше её ловят и демодулируют обратно в разговор. Перехват дочищает генеративная модель шумоподавления. Метод не ограничился звуком, по той же утечке команда считывала режим работы вентилятора и яркость умной лампы, а значит и то, что человек делает в комнате. В отдельной сцене подслушивание срастили с инъекцией звука в настольный телефон, так что система сначала снимает разговор, а потом подаёт в устройство поддельную реплику. Правда, микрофонный вход слабее и берётся лишь с 30 сантиметров. Полной защиты от такого класса атак пока нет. Экранирование, фильтрация и дифференциальные линии сбивают электромагнитную связь, а витая пара в эксперименте заметно ослабила утечку. Авторы настаивают, что аналоговые интерфейсы надо защищать ещё на этапе проектирования электроники.

❗️Пиратские приставки SuperBox раздают root-права всем желающим На канале выходил разбор от Давида на тему андроид приставок. Посмотрите, если пропустили: 📱 СМОТРЕТЬ [09:05] 🔍Аналитики Plume выяснили: китайские ТВ-боксы, обещающие тысячи каналов и фильмов без подписок, сдают домашний интернет владельцев в аренду хакерам через сеть резидентных прокси Popanet. Но паразитирование на чужом трафике - это только верхушка айсберга.

🟦Вендор проявил трогательную "заботу" о взломщиках: отладочный интерфейс ADB выставлен наружу, а вызов команды su выдает полные root-права без паролей, подтверждений и лишних вопросов.

🟦Фирменный магазин приложений работает с системными привилегиями, плевать хотел на Play Protect с проверкой подписей и готов ставить в систему вообще любой бинарник.

🟦Роутер и NAT от беды не защищают: предустановленный софт сам держит постоянный обратный туннель к командным серверам, открывая прямую дорогу в домашнюю сеть жертвы.

⚡️Исследователи подключили свой тестовый ханипот к этой сети и всего за три недели отбили почти 1400 атак. На приставку моментально полетели малвари: CECbot, Maskify и модификации Mirai. В итоге на одном несчастном ТВ-боксе одновременно крутятся сразу несколько чужих ботнетов, штампующих DDoS-атаки и гоняющих криминальный трафик под прикрытием "белого" домашнего IP. И таких зомби-коробок только в одной Popanet насчитали больше двух миллионов. Если за фильм под пиво не платишь ты, твоим каналом и железом уже вовсю расплачивается кто-то другой. 🦔 CyberYozh

Есть ли смысл пилить B2B-SaaS-стартап, если любая компания сможет завайбкодить себе всё что угодно? Партнёру YC задали вопрос: «В ближайшие месяцы всё можно будет делать внутри компаний. Любой софт будут кодить инхаус и мгновенно. Какой вообще теперь смысл в B2B-продуктах?». Его ответ: «Я, в целом, согласен с этим тезисом, но только я бы смотрел на это, как на спектр, а не как на две крайности. Смотря на свой B2B-продукт, задайте себе вопрос: в чём ваша “сложная” часть? 10 лет назад написание большого количества кода само по себе было сложной частью, недоступной вашим клиентам. Теперь это не так. И поэтому нужно, чтобы что-то другое было “сложным” — что даст вам какую-то устойчивость. Это могут быть невероятно трудные B2B-продажи. Это может быть регуляторный барьер (например, получение банковской лицензии чуть не прикончило меня). Или разобраться с запуском космического корабля. Думайте об этой проблеме, как о спектре: вот это очень-очень легко, а вот это очень-очень сложно. И держитесь подальше от “лёгкого” конца спектра, выбирая то, что сложнее и амбициознее. Это сделает ваш стартап более устойчивым. Не стоит сегодня начинать пилить что-то вроде Calendly или Docusign — они фактически мертвецы. Чистый софт теперь слишком легко воспроизвести. Поэтому просто спросите себя: где у вас сложно?». Том Бломфилд, с круглого стола YC партнёров в Париже. @y_everyday — рефлексируем об акселератор, создавший 100+ стартапов-единорогов 🤩