IT

GroundingPI 4B фундаментальная модель на визуальных примитивах для локализации объектов — детекция, позиция, OCR и другие. • Локализация точками и боксами как квантованные координаты в общем словаре • Несколько grounding-задач: детекция, pointing, OCR, layout, GUI • Как визуальный бэкбон улучшает робоманипуляцию и автопилот • #SOTA на 34 бенчмарках, 11 возможностей восприятия: средний 73.68% против 71.54% у GPT-6 Astra GroundAnything Быстрая локализация через параллельное декодирование на диффузии GroundAnything VLM Высокая точность локализации авторегрессивной VLM github.com/groundingpi/GroundAnything huggingface.co/GroundingPI huggingface.co/spaces/GroundingPI/groundanything-vlm #vlm #ocr #detection MAX

Интересный репортаж с девятой конференции по кибербезопасности E.DSO – EE-ISAC - ENCS – ENISA, которая была в этот раз посвящена безопасности энергосистем. Одной из ключевых проблем, которую там обсуждали, была проблема домашних инверторов и накопителей. Поскольку они считаются фактически бытовыми приборами, особого регулирования этого рынка нет, а между тем общая генерация этого сектора уже достигает 100 ГВт. При этом они управляются, как правило, через облака, причем плохозащищенные, и в основном китайские. Атака на генерацию такого масштаба способна серьезно нарушить работу энергосистемы — по данным специалистов, для этого достаточно вывести из эксплуатации всего 3 гигаватта. Напомню, что представить эту величину очень просто — средняя мощность одного энергоблока АЭС составляет как раз около одного гигаватта. Я, в общем, когда столкнулся с тем, что самый свежий вариант логгера к инвертору Deye предусматривает только использование облака для управления, и услышал от менеджера компании-установщика, что подъедет инженер, всё настроит и "даст доступ", сразу нашел способ собрать локальный доступ к инвертору, сам всё настроил и никому никакого доступа не дал — это критическая инфраструктура моего дома и никакой "инженер", не говоря уже о китайском облаке, туда доступа иметь не должен. Тем более, что сейчас так сделать совершенно не сложно и, что самое интересное, без облака доступ лучше и надежнее. https://berthub.eu/articles/posts/solar-nightmare-at-the-conference/

Можно построить идеальную инженерную платформу, которой никто не хочет пользоваться! 😁 И самое забавное, что с точки зрения инженерных метрик у вас всё будет прекрасно! Короче, сходил я тут к ребятам из подкаста «В SREду на кухне» поговорить о том, зачем инженерам продуктовое мышление. И, кажется, это одна из моих любимых тем! Я вообще считаю, что одна из главных проблем платформенных команд — мы слишком часто думаем о том, что и как построить, и слишком редко о том, зачем это кому-то нужно. В итоге получаем технически прекрасные решения, которые либо никто не использует, либо используют исключительно потому, что выбора нет. О чём поболтали: 1. Зачем инженерам продакты? И в какой момент внутренний инструмент вообще становится продуктом? 2. Как измерять успех платформы? Вот у вас 100% adoption. Это успех или просто разработчикам запретили пользоваться альтернативами? 😁 3. Зачем нужны контрметрики? Можно же здорово ускорить разработку, а заодно уронить надёжность. Или сделать супернадёжную платформу, на которой невозможно работать. 4. Алертинг как продукт. Почему даже такую сугубо инженерную штуку можно и нужно проектировать вокруг пользовательского опыта? 5. Кто вообще заказчик надёжности? И почему пользователь, заказчик и тот, кто за всё это платит, — далеко не всегда один человек? 6. Что важнее — надёжность или Developer Experience? И почему вообще приходится выбирать между этими двумя вещами? Ну и поговорили про SLO, исследования пользователей, продуктовые метрики и прочие штуки, от которых у настоящего инженера иногда начинает дёргаться глаз. В общем, если вы строите внутренние платформы, инженерные инструменты или просто хотите понять, зачем в инженерных командах нужны продуктовые менеджеры — рекомендую посмотреть! Смотреть и слушать: 📺 YouTube 📱 VK Видео 📺 Rutube 🎧 Mave Ну и приходите в комментарии спорить!

Фонд Somersault Ventures под управлением Александра Невинского и Алекса Турбанова инвестировал в американский стартап с российскими корнями AlgoX2. Раунд на $10 млн возглавили Bessemer Venture Partners и Fin Capital при участии Alumni Ventures, Octave, Motivate VC и AAL VC. AlgoX2 в 2024 году основали Алексей Лебедев [ранее chief software architect Нью-Йоркской фондовой биржи], Владимир Парижский, который является членом IEEE [высшая ступень членства в Институте инженеров электротехники и электроники] и автором более чем 50 патентов, и Георгий Левин [серийный предприниматель, основатель платформы Getintent, которая была продана в 2019 году “Газпром-медиа”]. Стартап разрабатывает операционную систему для потоковой передачи данных [Data Streaming Operating System]. Решение объединяет потоковую передачу, обработку и хранение данных в одном движке. При этом бизнесу, использующему платформу, не нужно создавать отдельные инфраструктурные системы для работы с данными в реальном времени. AlgoX2 обеспечивает поддержку Kafka, Redis, NATS и MQTT. Somersault Ventures был создан в 2022 году. Его GP являются Алекс Турбанов и Александр Невинский. Фонд инвестирует в компании на ранних стадиях развития, которые работают в таких сферах, как SaaS, EdTech, FinTech, развлечения и e-commerce. @rusven

Harmonic Security привлек 50 миллионов долларов на защиту от утечек через AI Стартап помогает компаниям контролировать, что сотрудники отправляют нейросетям. Его небольшие модели анализируют запросы и отличают обычную рабочую задачу от передачи чувствительных данных, например, паролей. Кроме защиты, Harmonic показывает руководителям, для каких задач сотрудники используют AI. Есть интеграция с Claude, чтобы службы безопасности видели журналы активности и, в случае с Claude Enterprise, содержимое разговоров. В Harmonic говорят, что у них уже больше 100 клиентов, у которых в сумме миллионы сотрудников. https://finance.yahoo.com/technology/ai/articles/harmonic-security-raises-50-million-120000341.html

🔬 Search или extract? Новое исследование о памяти ИИ-агентов и decision models. В сообществе разработчиков ИИ-агентов давно спорят: что лучше для долговременной памяти - извлекать факты из диалога с помощью LLM или просто хранить и искать нужные сырые реплики? Новый препринт даёт логичный ответ - выбор зависит от бюджета на контекст. Со своей стороны изначально знал, что трек RAG и память в нашей работе пересечется (и так оно у нас и вышло). Мы вели разработку как extract методов подобно mem0, так и memory RAG с поиском по заметкам или сырым диалогам. Закономерно, что jev like модель, как развитие поиска (в лице выбора и ранжирования) станет хорошим дополнением для темы памяти. Но вернёмся к статье... 📊 Суть эксперимента Авторы сравнили подходы на диалоговых бенчмарках LoCoMo и LongMemEval: • Turns + Jev - выбираем лучшие сырые реплики за один вызов Jev. • engram v2 - система извлечения фактов, где LLM извлекает факты, Jev управляет ими (ранжирует/выбирает). •Turns + cosine (базовое ранжирование). •Turns + LLM (LLM-ранжировщик gpt4o mini). 🎯 Результаты 1. При строгом бюджете контекста сырые реплики не уступают извлечённым фактам: разница всего 0.5 пункта (77.0% против 77.5%) при чтении контекста в 265 против 251 токена. Это укладывается в заранее установленный зазор метрик в 5 пунктов. 2. Экономия на поиск сырых реплик - решение обходится в 3к (!!!) раз дешевле, чем извлечение фактов ($0.00061 против $1.865 за 1000 реплик). 3. Однако, польза от ранжирования резко падает с ростом бюджета. Если при выборе 3 из 30 кандидатов ранжирование даёт +17.4 пункта на LoCoMo, то при 20 кандидатах - всего +1.5. На LongMemEval: +9.1 и +1.1 соответственно. 4. При большом бюджете системы извлечения а-ля. Engram становятся точнее (82.4% против ~77.6% у Turns + Jev). 5. Jev против cosine ранжирования. Косинусный поиск на своём оптимальном k=6 даёт точность 68.6%, в то время как Turns + Jev — 77.0%. Выводы. При жёстких ограничениях (короткий контекст до 512 токенов) качественное ранжирование сырых реплик может заменить извлечение фактов, будучи на порядки дешевле. При больших бюджетах преимущество переходит к extract моделям. Отмечу, что Jev-селектор оказался не хуже LLM-ранжировщика (разница 0.4 пункта), но работал втрое быстрее. И это неплохое развитие rag memory систем дёшево и сердито. 😏

Рынки сегодня 🔶США могут смягчить санкции против "теневого флота", который перевозит нефть и нефтепродукты из России. Белому Дому всеми силами нужно урегулировать ситуацию с ценами на топливо до промежуточных выборов в ноябре. • Тем временем 10 торговых судов подверглись атакам в районе Ормузского пролива с воскресенья. Это максимум с начала войны США и Израиля против Ирана. 🔶 ЕС отказался разморозить часть российских активов через финансовый инструмент под контролем США ради возобновления переговоров по Украине. 🔶 Правительство рассматривает возможность запретить экспорт сжиженного углеводородного газа для непроизводителей до конца 2026 года на время ремонтов НПЗ. 🔶Whoosh опубликовал операционку за 9 месяцев 2026-го. Количество поездок составило 113 млн (-5% год к году). • В России и СНГ поездок стало меньше на 7%, а парк сократился на 12%. • В Латинской америке поездок стало больше на 25%, парк вырос на 153%. 🔶Проводить сделки c криптовалютами в России между физлицами (в том числе p2p) можно будет только до 1 июля 2027 года. Затем - только через уполномоченных посредников. 📍 Подписаться на канал | Мы в MAX

📌 Учёные призвали изолировать от интернета модели, способные к кибератакам Открытое письмо об ИИ и кибербезопасности подписали 406 исследователей, в основном из университетов и научных институтов разных стран, среди них Йошуа Бенжио, Джеффри Хинтон, Стюарт Рассел, Перси Лян, а также криптографы Рон Ривест и Дэн Боне. Авторы призывают разработчиков моделей с развитыми навыками взлома немедленно перейти на надёжные системы изоляции и по умолчанию запускать такие модели на машинах, физически отключённых от интернета. По их словам, без немедленных перемен в разработке и внедрении ИИ такие случаи продолжатся, а следующие ударят по уязвимой критической инфраструктуре гораздо сильнее. В этих утечках учёные видят две проблемы сразу. Модели ведут себя непредсказуемо, а разработчики пренебрегают обычными правилами кибербезопасности, хотя более надёжные песочницы могли бы утечки предотвратить. Поэтому нужны и исследования согласованности ИИ, и лучшие средства изоляции. Если модель всё же выпускают в интернет, круг разрешённых ей действий, по мнению авторов, нужно соизмерять с тем, насколько плохо мы пока умеем предсказывать, не приведут ли они к сбою защиты. Письмо предлагает создать международный орган вместе с правительствами и специалистами по ИИ и кибербезопасности, который должен вырабатывать открытые стандарты изоляции для случаев, когда модели дают больше доступа, чем позволяет песочница, и вести учёт утечек. Как такой орган будет устроен и кто его будет финансировать, в письме не сказано. Среди подписавших нет представителей OpenAI, Anthropic и DeepMind. @ai_machinelearning_big_data #news #ai #ml

В июле 1785 года в Венсенском замке под Парижем оружейник Оноре Блан провёл одну из самых эффектных презентаций в истории промышленного производства. Перед французскими чиновниками он продемонстрировал простой фокус - детали разобранных ружейных замков перемешали, а затем из них собрали работающие механизмы. Сегодня этим трудно кого-то удивить. Но тогда детали оружия подгоняли вручную под конкретный экземпляр. Взять деталь из одного ружья и поставить в другое без доработки было невозможно. Каждое ружьё изготавливалось индивидуально и отремонтировать такое изделия было крайне сложно (А ружья, как вы догадываетесь, имели свойство ломаться) Блан показал, что можно иначе - нужно всего лишь делать детали одинаковыми взаимозаменяемыми, чтобы они подходили к любому механизму. Казалось бы, что идея настолько очевидная и выгодная, что все тут же должны перейти на этот способ производства. Но коллеги Блана восторга не разделяли. Они серьёзно опасались, что останутся без работы и ситуация настолько накалилась, что правительству пришлось спрятать изобретателя и его мастеров в подвале того же Венсенского замка от расправы. Во Франции у Блана были и влиятельные сторонники, и противники. Но быстрого промышленного переворота не случилось. Евробюрократия существовала уже в те времена, и была очень неповоротливой. А вскоре затем началась французская революция и всем стало вообще не до развития промышленности. Зато этой работой заинтересовался Томас Джефферсон, который тогда представлял США во Франции (тот самый отец-основатель и будущий президент, который написал в декларации независимости «все люди созданы равными», но в тоже время владел сотнями черных рабов) Джефферсон оценил перспективы взаимозаменяемости, написал о ней в Америку и пытался уговорить Блана переехать туда. Блан переезжать не захотел, но в США идею постепенно довели до масштабного производства. Одним из самых известных примеров такого производства стала компания Сэмюэля Кольта. Он не был первым, кто применил взаимозаменяемость, но сумел сделать её вместе с механизацией важным преимуществом своего бизнеса. По данным исторического проекта Connecticut History, на производстве Кольта уже около 80% работ по изготовлению оружия выполнялось машинами. И это в середине XIX века! Постепенно эти принципы вышли за пределы оружейных заводов и легли в основу того, что потом назовут «Американской системой производства» Швейные машины, часы, пишущие машинки, велосипеды и множество других механизмов - везде одинаковые детали упрощали сборку и ремонт. А в начале XX века взаимозаменяемость стала одной из основ массового автомобильного производства. Так за взаимозаменяемостью развивалась целая система стандартов (но это уже тема для отдельного поста) Причём, стандартизация иногда приводит к совершенно неожиданным результатам. Поэтому в следующем посте расскажу, почему в метрической Европе, включая Россию, дюймовые размеры труб и резьб, а американская промышленность при всей любви к дюймам переходит на метрический крепёж. Не переключайтесь Незаметный бизнес

Всю жизнь я работаю с компьютерами, и главный выработанный мной скилл — не удивляться тупизне и абсурдности происходящего. В обычной жизни как? Есть важное и есть неважное, есть срочное и есть не срочное, есть сложное и есть несложное. И люди как-то эти вещи соотносят. Скажем, улетит ли рейсовый самолет, если пилот забыл дома пилотку? Скорее всего улетит. Будут ли у вас дотошно проверять билет, если ваш поезд уже отходит с перрона? Ну, скорее всего вы сначала запрыгните, а потом уже билет. Мама наказала сходить в магазин, а где деньги лежат, не сказала. Но ты в принципе все равно знаешь, где, поэтому сам нашел, взял и сходил. Логично, да? Ну вот, а в компьютерах не так. Там работает так называемая «формальная» логика, то есть все вещи имеют одинаковую бесконечно большую важность, а все процессы принципиальнее девственницы на первом свидании. Из-за этого комьпютеры ставят обычных людей в ступор: ну вот же файл лежит, почему ты сам его не мог взять, почему мне надо тебе явно на него указывать? Зачем мне нажимать на эту кнопку несколько раз, я же уже сказал, чего хочу! Почему компьютер меня не помнит, я же им пять минут назад пользовался? Почему таблицу из этой программы нельзя вставить в эту, они же одинаковые? Почему нельзя выключить подсветку клавиатуры, не зарегистрировав аккаунт? Зачем вообще клавиатуре аккаунт? Почему после установки что-то сломалось? Зачем вообще в компьютере процессы, которые что-то ломают? Почему этот сайт не открывается, хотя вчера открывался? Почему открывается на твоем телефоне, но не на моем? Почему этот провод передает данные в одну сторону, а не в другую? Он же одинаково с обоих концов выглядит. И так далее. Вооот. Так что наша ценность, как специалистов, и наша бремя как людей, это умение через этот булшит продираться, не теряя рассудок и даже не сильно ухудшая настроение. Некоторых, правда, сильно деформирует профдеформацией, и они начинают считать компьютерную логику нормальной. А потом удивляются, что она не работает. «Приходи в гости в любое время» — в смысле нельзя было приходить в любое время? Может вам еще и как дела у меня не интересно? А зачем спрашивали? Вы не поверите, но это все было вступление. Просто зафиксировать ситуацию. А теперь открытие: я понял, что в агентах/ЛЛМах ощущается как магия. ЧТО У НИХ СНОВА НОРМАЛЬНАЯ, ЧЕЛОВЕЧЕСКАЯ ЛОГИКА. Говоришь им: пойди проверь. И он идет и проверяет. Не спрашивает, что, где, куда, откуда, сколько, у кого ключи взять, а ой введи пароль, скопируй, пермишны поправь, и шелл новый создай. Просто идет и делает. По важному спрашивает. По неважному сам решает. Попросил в файле посмотреть, но в названии опечатался? Он посмотрит в нужном. ПОТОМУ ЧТО ПОНЯТНО ЖЕ ЧТО ТЫ ИМЕЛ В ВИДУ. Нужно найти информацию — найдет. Нужно сделать какой-то сайт — сделает КАКОЙ-ТО, а не вынет тебе всю душу пониманием задачи. А иногда еще и ответ оформит так, как тебе было бы удобнее всего ответ потреблять. Даже если ты его не просил. Потому что ПОНЯТНО ЖЕ, что ты хочешь удобно. Кто вообще в жизни когда-либо хотел чтобы неудобно. Короче, компьютеры из абсолютно тупого деревянного безынициативного вахтера с комплексом бога и вниманием к деталям как у Шерлока Холмса превратились в почти нормального человека, с которым можно иметь дело. Просто наконец-то хоть чуть-чуть выдохнуть можно. Но недетерминированные, да.

Настоящие рок-звёзды игровой индустрии: как Сэм Хаузер и Rockstar меняют игры В 2015 году Дэниэл Рэдклифф сыграл Сэма Хаузера в фильме о противостоянии Rockstar с адвокатом Джеком Томпсоном. Студия, которая годами старательно провоцировала всех вокруг, собственному экранному портрету совсем не обрадовалась. Take-Two подала в суд на создателей фильма ещё до премьеры, а Rockstar потом нелестно прошлась по картине в соцсетях. Впрочем, ссориться Хаузер умел и без кино. Electronic Arts он называл «скучными корпоративными тугодумами», серию Driver в Rockstar подкалывали прямо в играх, а после опыта работы с Рэем Лиоттой от голливудских звёзд на главных ролях в GTA отказались. Только скандалами влияние Rockstar не ограничилось. Другие студии перенимали её подходы к созданию игр, и далеко не всё из этого наследия заслуживает восхищения.