AI Feed

📎 Derp Learning Pixar logo achieved internally Индусы упоролись и запилили роболампу 5 моторов, 45 светодиодов, rgb-d камера, мозги в виде raspberry pi Пока это заскриптованные анимации, так что будем подождать. Можно просто сделать из нее аватар для вашего чатбота, который будет поднимать свой плафон и пристально смотреть вам в глаза после особенно тупых вопросов. Х

📎 e/acc Сегодня был в Lighthaven, отеле-пространстве-сообществе (довольно приличном, кстати, не сквот), общался с автором gwern.net — очень интересный мужик, прям красиво рассказывает. И делает интересный проект, с целью дать каждому человеку персональный, не принадлежащий лабам, постоянно обучающийся и управляемый тобой ИИ "ангела". Проект амбициозный, стадия максимально ранняя, но сегодня этого достаточно чтобы поднять жалкие 20-30 млн чисто "на поиграться". Параллельно в том же пространстве проходила конфа на тему алаймента и ИИ безопасности. Средний таймлайн участников такой, что после 2028 вряд ли останется место в экономике, а после 2030 вряд ли останется место для белковой формы жизни. Но там в основном студенты были, и у меня не было времени поговорить с ними и понять детально аргументы. А вообще, одна из главных проблем с ИИ не в том что он умеет или как быстро развивается, а в том, что большинство людей вне индустрии почти не следит и не представляет себе что происходит. Да, можно надышаться копиумом из разряда «если вы читаете этот канал или у вас локальный инференс + оркестрация 500 агентов каждую ночь, то вы входите в топ 1% людей», но реальность такова, что если вы работаете в одной из топ лаб в департаменте, который занимается рисерчем или стратегией, то вряд ли имеете реальное представление или возможность его получить. Пропасть колоссальная, но любая идея из серии выбрать свою любимую маргинальную точку зрения и с пеной у рта её доказывать — заранее провальна. Полезнее же пытаться смотреть на первые принципы, менять свои priors и, конечно, звучать самопротиворечиво для тех, кто не делает то же самое. В реальности логическая цепочка от "GPT взломал Huggingface" до "все и каждый представителей человечества уничтожены" примерно такая же длинная и бессвязная как от "мой кривой и косой промт в ллм не смог мне создать чертеж по госту" до "ии не является главным драйвером экономики".

📎 CGIT_Vines Я не так часто фокусируясь тут на видео генераторах, которых в день по 5 штук выходит, но тут нельзя пройти мимо. Higgsfield для фестиваля снял короткометражку Oneiric. И это первая работа которую я вижу законченной от начала и до конца на таком уровне. В целом из шотов наверное одна треть не кажется сгенерированный, от остальных шотов хоть чуть-чуть, но веет AI. Но все равно общий уровень очень высокий. Приложил на скачивание версию на русском, по линку на eng.

📎 AI и Medtech. Даниил Васильев Первый раз был на подкасте в качестве гостя. Много рассказал про историю создания, текущий функционал и планы празвития Я здоров, а также про рынок медтеха и медицинский AI. Не очень понравилось как я говорил и держался в кадре - скорость речи, бегающие глаза и вот это всё - тут определённо надо поработать. Но смыслы думаю раскрыл неплохо. А уже в понедельник выйдет первый после длительного перерыва выпуск подкаста Лучшее время с экспертом по речи, коммуникациям и публичным выступлениям. Там мы кстати немного разобрали и мою речь тоже)

📎 gonzo-обзоры ML статей

📎 gonzo-обзоры ML статей

📎 gonzo-обзоры ML статей

📎 gonzo-обзоры ML статей Прикольная работа про экономию памяти для работы с длинными последовательностями. Использует то же наблюдение, что и недавняя работа про новый BERT — семантика стабилизируется уже к середине сети, слои позже работают больше на предсказание следующего токена (или какая там у вас задача). Understanding Is Done Early: A Depth Division of Labor in Large Language Models and Its Use for Unbounded-Context Memory Hanzuo Liu, Xuan Qi, Chunyu Liu, Haotian Zhong, Yulong Wang, Rayying, Key, Alex Lamb, Mingyu Gao Paper: https://arxiv.org/abs/2607.28263 Code: https://github.com/liuhanzuo/COMem # TL;DR ЧТО сделали: Авторы представляют CoMem (Comprehension Memory) — архитектуру контекстной памяти с разделением по глубине, которая перестраивает обработку длинного контекста вдоль оси слоёв, а не токенов. Во время потоковой записи (WRITE) чанки контекста прогоняются через нижние слои трансформера [0:j], чтобы сохранить единое промежуточное состояние резидуального потока (residual state) для каждого токена. Это требует всего 1/18 объёма памяти по сравнению с полным KV-кэшем на Qwen3-8B. Во время чтения (READ) внешний BM25-ретривер выбирает ограниченный пак релевантных чанков, и верхние слои [j:L] пересчитываются над этим паком с использованием полного cross-chunk причинного внимания (causal attention). Самодистиллированный LoRA адаптер с рангом 32, обученный на обычном тексте, восстанавливает точность считывания верхних слоёв без изменения весов основной модели (backbone). ПОЧЕМУ это важно: Стандартный инференс длинного контекста упирается в квадратичную сложность префилла и линейный рост KV-кэша. Существующие методы удаления токенов урезают долговременные зависимости, а подходы с полным перерасчётом требуют линейного роста памяти. Используя разделение труда по слоям — когда семантическое понимание стабилизируется на ранних слоях, а верхние специализируются на предсказании — CoMem отключает зависимость онлайн-вычислений и памяти GPU от общей длины сохранённого контекста. На 128k контекста на GPU NVIDIA H20 CoMem даёт ускорение префилла в 7.83 раза и снижает пиковую память с 89.36 ГБ до 18.26 ГБ, при этом превосходя полноконтекстные бейзлайны на бенчмарках длинных диалогов. Для практиков: Сохранение контекста безграничной длины больше не требует удержания глубоких KV-кэшей на миллионы токенов в памяти GPU. Предварительный расчёт промежуточных резидуальных векторов оффлайн и выполнение онлайн-запросов над извлечённым паком фиксированного размера через верхние слои трансформера строго ограничивают затраты на инференс. Эта архитектура обеспечивает бесконечную контекстную память для диалоговых агентов и систем поиска по документам с субсекундной задержкой префилла и минимальным расходом VRAM. Экономить память тут: https://t.me/gonzo_ML_podcasts/4791

📎 Love. Death. Transformers. Post agi jobs:

📎 Технологии | Нейросети | Боты 👍 Вышел инструмент для очистки ИИ-следов из файлов и текста. Watermarks Remover удаляет из документов и картинок метаданные, невидимые символы и служебные пометки. Работает с PNG, JPEG, PDF, DOCX, HTML и Markdown. Текст он может переписать локальной моделью, а изображения перегенерировать, чтобы убрать скрытые метки. • Попробовать

📎 Градиент обреченный GLM 5.3 Zhipu вчера выпустили новую модель. Что интересно, после всех предыдущих инцидентов сделали упор на кибербезе: GLM-5.3 did not simply become better at identifying isolated flaws: it began to reason across multiple stages of exploitation, forming coherent plans for complete exploitation chains. Пишут, что на внутренних бенчах она на 50% процентов лучше GLM 5.2, с точки зрения команды, которая модель обучала, это прям очень круто. Само собой, она послабее Fable и Sol, но safety фильтров в ней должно быть меньше, к тому же веса скоро выложат в открытый доступ. В OpenRouter пока нет, есть в официальном Code Plan, так что качаем родной харнесс, пробуем.

📎 Machinelearning ✔️ OpenAI заменила Chronicle на Computer History в десктопной версии ChatGPT В десктопном ChatGPT вместо Chronicle заработала Computer History. Прежний механизм собирал контекст скриншотами экрана, новый пишет журнал действий - клики, ввод…

📎 Machinelearning ✔️ OpenAI заменила Chronicle на Computer History в десктопной версии ChatGPT В десктопном ChatGPT вместо Chronicle заработала Computer History. Прежний механизм собирал контекст скриншотами экрана, новый пишет журнал действий - клики, ввод текста, шорткаты, переключение окон. События складываются в единую хронологию и лежат локально. Сбор по умолчанию выключен. В настройках приватности можно вывести из-под наблюдения отдельные приложения и сайты. Разобрав журнал, ChatGPT замечает повторяющиеся действия и предлагает собрать под них сценарий для рутинной задачи. На тот же журнал опираются ответы ChatGPT и Codex - их можно спросить, например, как правился конкретный файл. Computer History работает на macOS у подписчиков Pro, Business и Enterprise. chatgpt.com ✔️ Claude Code научился возобновлять генерацию после сброса лимитов

📎 Технологии | Нейросети | Боты 😁 Субботнего вайба вам в ленту.

📎 Нейронавт | Нейросети в творчестве OpenSandbox платформа песочниц для ИИ-агентов от Alibaba Создает изолированные окружения, где агенты запускают код, ходят в веб, управляют рабочим столом. SDK есть для Python, Java/Kotlin, TypeScript, C# и Go CLI и MCP-сервер для Claude Code и Cursor #security #agent