Анализ данных (Data analysis)

⚡️️️️️️️ OpenAI доказала существование квантовой теории Янга–Миллса Группа физиков и математиков проверила доказательство, полученное моделью OpenAI. Оно показывает, как построить четырёхмерную квантовую теорию Янга–Миллса, которая лежит в основе описания сильного взаимодействия в Стандартной модели. Если упростить, доказательство начинается с теории на решётке и показывает, что при уменьшении шага решётки можно получить непрерывную теорию. Это часть задачи тысячелетия с призом $1 млн. Второе требование Института Клэя остаётся открытым: нужно доказать положительную массовую щель, то есть что для возбуждения системы из вакуума требуется ненулевая минимальная энергия. Заключение группы датировано 10 ноября, а 11 ноября исходники доказательства на Lean 4 выложили на GitHub. Это около миллиона строк. Lean проверил формальный вывод, а исследователи проверяли, что определения и утверждения в коде соответствуют физической задаче. Полный разбор аргумента на обычном математическом языке ещё продолжается. https://github.com/yang-mills-group/YM/tree/main/submissions/openai-20261028

Все попадаются

🚨 Дженсен Хуанг покинул пост генерального директора NVIDIA после 33 лет руководства компанией. NVIDIA официально подтвердила его немедленную отставку. Хуанг также покинул совет директоров компании, которую основал в 1993 году. Временным генеральным директором назначена Колетт Кресс, занимавшая пост финансового директора NVIDIA с 2013 года. Она сохранит обе должности до назначения постоянного руководителя. Совет директоров уже начал поиск нового CEO, рассматривая внутренних и внешних кандидатов. Председателем совета директоров назначен Харви Джонс. В официальном заявлении NVIDIA говорится об отставке Хуанга. Информация о его увольнении советом директоров пока не подтверждена. Акции кампании ускорили падение после новости об уходе Дженсена Хуанга с поста гендиректора. За день Nvidia потеряла более 10% своей стоимости. @ai_machinelearning_big_data

🚀️️️️️️ Google представила фреймворк, который моделирует 125 сценариев по данным Fitbit Что изменится за три месяца, если спать на полчаса дольше или проходить на 2 000 шагов больше? Google Research представила исследовательский фреймворк, который берёт две недели данных Fitbit и моделирует, как разные привычки могут повлиять на 20 показателей, включая пульс в покое и вариабельность сердечного ритма. Внутри три компонента. Метрика Coachable Health Age оценивает «возраст здоровья» по пульсу в покое, шагам, длительности сна и минутам активности. Модель SensorWM просчитывает 125 комбинаций привычек на 12 недель и сравнивает их с прогнозом при текущем режиме. Оптимизатор учитывает допустимую нагрузку, а языковая модель превращает выбранный сценарий в план. В слепом сравнении на 49 профилях тренеры предпочли планы с симуляцией в 71,4% оценок. Для второго варианта та же языковая модель получила только историю Fitbit. Влияние этих планов на здоровье участников предстоит проверить в проспективных испытаниях. Google также проверила расширенную версию фреймворка на данных 819 участников. Она объединяет показания Fitbit с лабораторными показателями, чтобы отдельно оценивать состояние сердечно-сосудистой системы, функцию почек и чувствительность к инсулину. https://research.google/blog/using-wearables-to-enable-cardiovascular-kidney-metabolic-ckm-risk-profiling-for-personalized-coaching/

👩‍💻 ИИ без страха: пять дней, чтобы сделать первые шаги GlowByte вместе с DataYoga приглашает на бесплатный онлайн-марафон об адаптации к ИИ в российских компаниях. 🎓 Аналитик в эпоху ИИ — не оператор ответа, а автор вопроса. Руководителю важно ориентироваться в сценариях, рисках и сопротивлении сотрудников. Разберем, как в этом не потеряться. 🗓 9 ноября: новая роль аналитика. 🗓 10 ноября: как ставить задачу ИИ. 🗓 11 ноября: как проверять выводы ИИ. 🗓 12 ноября: надежный процесс работы с ИИ на примере Dora (платформа дата-агентов FanRuan). 🗓 13 ноября: от вывода ИИ к бизнес-решению. Каждый день — одна страница с практикой, шаблонами и чек-листами и живой эфир с экспертами из российских компаний-лидеров. Ждем всех: и руководителей, и специалистов, и увлеченных. Присоединяйтесь и приглашайте коллег! 👋 📆 9–13 ноября | онлайн 🔗 Зарегистрироваться Реклама. ООО «ГлоуБайт Аналитические Решения». ИНН 9729274905. erid: 2Ranyo8o1vc

Microsoft хочет превратить игровые ПК в распределённую инфраструктуру для обучения ИИ. Компания получила патент US 12,792,414 B2 на технологию Opportunistic Micro-Training on Edge Devices Using Spare GPU Utilization. Идея: использовать свободные вычислительные мощности GPU игровых компьютеров и других устройств, когда они простаивают. Как это работает: - Большая задача обучения разбивается на независимые микрозадачи. - Алгоритм выбирает, какие вычисления лучше распределить между устройствами. - Учитываются загрузка GPU, память, передача данных и доступность ресурсов. - Результаты проверяются и оцениваются с учётом надёжности устройства. - Устаревшие или недостоверные результаты получают меньший вес. В патенте также описана возможность вознаграждения владельцев оборудования: кредитами, программами или денежными выплатами. Патент выдан 10 ноября 2026 года. Это не означает, что Microsoft уже запустила коммерческую сеть или начала платить владельцам видеокарт. 📄 Официальный патент USPTO: https://patentsgazette.uspto.gov/week45/OG/html/1552-2/US12792414-20261110.html Описание технологии: https://patentlyze.com/patent/microsoft-training-ai-idle-gaming-pc-gpus/

🚀️️️️️️ 12 ИИ-моделей проверили на способность взламывать собственную песочницу. Perplexity протестировала SPACE, виртуальную среду для запуска компьютерных агентов. Моделям поручили две задачи: выбраться из виртуальной машины на хост и обойти сетевые ограничения. Несколько интересных результатов: - Ни одна модель не смогла преодолеть изоляцию VM и получить доступ к хост-системе. - GPT-5.6 Sol обошла сетевые ограничения во всех трёх запусках, а специализированная GPT-5.6 Cyber провалила все три. - GPT-6 Astra справилась с успешными сетевыми атаками в среднем за 4,8 минуты. - Grok 4.20 27 раз заявила об успешном взломе, хотя фактически не получила доступ к секретным данным. В одном случае модель даже сгенерировала фиктивный ответ AWS API. Стандартные CTF-задания могут мешать оценке безопасности. Агенты тратили время на поиск секретных строк вместо исследования самой границы изоляции. После изменения формулировки задания доля работы, направленной непосредственно на проверку виртуализации, выросла примерно на 60 процентных пунктов. При этом ранее Perplexity обнаружила похожие уязвимости сетевой изоляции в 8 из 10 сторонних платформ для запуска песочниц. Исследование: https://www.perplexity.ai/en-GB/hub/blog/escaping-space-part-ii

Google выпустила конкурента Jev: Gemini Decisions API для мгновенного принятия решений ИИ-агентами. Jev от TypeSafe AI - специализированная модель класса System 1, которая не генерирует длинные ответы, а выдаёт готовые решения с оценкой вероятностей. Теперь Google предлагает собственную альтернативу. Gemini Decisions API за 150–250 мс может выбрать нужный инструмент, проверить контент, классифицировать запрос или определить, какому агенту передать задачу. Поддерживаются текст, изображения, аудио и видео. Стоимость: $0,10 за миллион входных токенов, выходные токены бесплатны. Доступно через Gemini API и Google AI Studio. 🍷 https://blog.google/innovation-and-ai/technology/developers-tools/gemini-decisions-api/

Я и Fable 5.2 создаём ещё один стартап, который принесёт $0 и наберёт 0 пользователей 🫣

Google представила AlphaProof Code, систему ИИ-агентов, которая проверяет программный код с помощью математических доказательств. Первым крупным испытанием стал криптографический протокол Signal, защищающий переписку миллиардов пользователей. Обычно формальная верификация проверяет математическую модель протокола. Но ошибки могут появиться уже при реализации. AlphaProof Code пошёл дальше и проверил, что скомпилированный код действительно обеспечивает заявленные свойства безопасности. Агенты на базе Gemini Carbon за 4 недели сгенерировали более 6 млн строк доказательств на Lean. Каждое доказательство автоматически проверялось системой Lean, поэтому экспертам потребовалось дополнительно изучить только 1% кодовой базы. Для проверки метода исследователи специально вернули две ранее исправленные уязвимости. Система в обоих случаях смогла математически доказать, что изменённый код небезопасен. По данным Google, это первая формальная верификация реализации настолько широко используемого криптографического протокола на подобной глубине. https://deepmind.google/blog/introducing-alphaproof-code/

Жгет токены собака

🔥 Alibaba открыла ранний доступ к Qwen4-Max! Новая флагманская модель Qwen4 появилась в Preview и получила улучшения в знаниях, понимании мира, программировании и работе с ИИ-агентами. Где попробовать: - Qwen Chat и Agent Mode. - Alibaba Token Plan. - QwenWork. - Qoder. - Qwen APP и QwenStudio. Бенчмарков и независимых сравнений пока нет. Компания предлагает разработчикам протестировать модель на реальных задачах. Qwen4-Max Preview: https://qwencloud.com/pricing/token-plan Попробовать: https://chat.qwen.ai/ @data_analysis_ml

🚀️️️️️️ Google DeepMind математически доказала безопасность кода Signal с помощью ИИ. 6,5 млн строк доказательств за четыре недели. Исследователи представили AlphaProof Code - мультиагентную систему, которая проверила криптографическую реализацию Signal вплоть до машинного кода, исполняемого процессором. Что удалось сделать: - 40-80 ИИ-агентов на базе Gemini 4 Carbon работали над доказательствами. - Сгенерировано около 6,5 млн строк Lean-кода. - Проверены свойства конфиденциальности сообщений, аутентификации и прямой секретности (Forward Secrecy). - Работа заняла четыре недели вместо нескольких лет, которые потребовались бы экспертам с прежними инструментами. Почему это принципиально важно? Обычные тесты проверяют отдельные сценарии. Формальная верификация математически доказывает выполнение заданных свойств для всех случаев в рамках модели. При этом доверять самим ИИ-агентам не требуется: каждый шаг доказательства проверяет ядро Lean. Специалисты определяют требования безопасности и проверяют формальные спецификации. Исследователи также вернули в копию проекта две ранее исправленные уязвимости. В обоих случаях система смогла математически доказать нарушение безопасности. Проверялся скомпилированный код libsignal для AArch64, а не все приложения Signal целиком. Код, спецификации и доказательства открыты: https://github.com/google-deepmind/code-verification Исследование: https://google-deepmind.github.io/code-verification/ @data_analysis_ml

🌟️️️️️️ Baidu представила ERNIE 5.5 Flash с контекстом 1 млн токенов Baidu выпустила предварительную версию ERNIE 5.5 Flash - открытой модели с новой архитектурой, ориентированной на быстрый и экономичный инференс. Модель рассчитана на программирование, 3D-моделирование, работу с документами и создание контента. Характеристики: - 280 млрд параметров всего, 14 млрд активируются на каждый токен. - Контекстное окно на 1 млн токенов. - Скорость генерации более 200 токенов/с. - Конкурентные результаты в Terminal-Bench и AutomationBench. Модель использует разреженную активацию параметров, что позволяет сочетать большую общую ёмкость с меньшими вычислительными затратами при генерации. Открытые веса обещают выпустить до 25 ноября. Попробовать: https://openrouter.ai/baidu/ernie-5.5-flash-preview:free

NVIDIA ускорила Mamba-2 до 1,82 раза с помощью Python и CUDA Tile NVIDIA и Jane Street оптимизировали вычисления Mamba-2, используя CUDA Tile (cuTile) - Python DSL для разработки высокопроизводительных GPU-ядер. Результат: новые CUDA-ядра работают в 1,14-1,82 раза быстрее реализации на Triton. Причём преимущество растёт вместе с длиной последовательности и размером состояния. Оптимизация затрагивает три операции: - chunk_cumsum - вычисляет накопленные значения затухания внутри блоков. - fwd_pass_state - обновляет скрытое состояние с использованием Tensor Cores. - compute_out - объединяет несколько вычислений в одно ядро, сокращая обращения к глобальной памяти. Тестирование проводили на NVIDIA B300 Blackwell Ultra с последовательностью из 16 384 токенов. cuTile позволяет писать GPU-ядра на Python, а компилятор самостоятельно оптимизирует распределение вычислений и использование аппаратных возможностей GPU. Mamba-2 использует рекуррентное состояние фиксированного размера вместо классического хранения всей истории внимания. Это делает эффективную реализацию особенно интересной для длинных последовательностей. Есть оговорка: ускорение измеряли на уровне forward-pass ядер. Это не означает, что вся модель или полный цикл обучения стали быстрее в 1,82 раза. Статья NVIDIA: https://developer.nvidia.com/blog/accelerating-mamba-2-with-high-performance-forward-pass-kernels-in-nvidia-cuda-tile/ Код и бенчмарки: https://github.com/KnowingNothing/TileGym

⚡️️️️️️️ Google снизила ошибки квантовых вычислений в 40 раз Google Quantum AI впервые продемонстрировала технологию Magic State Cultivation на реальном квантовом процессоре Willow. Magic States - специальные квантовые состояния, необходимые для выполнения универсальных квантовых вычислений. Их создание может занимать до 95% ресурсов будущего квантового компьютера. Новый метод работает как фильтр: система многократно проверяет состояние и отбрасывает неудачные попытки, выращивая более точное состояние из исходного. Результаты: - В 40 раз меньше ошибок. - 99,99% логической точности T-состояний. - Успешно продемонстрирован перенос состояний между двумя типами кодов коррекции ошибок: Color Code и Surface Code. Эксперимент проведён на процессоре Willow. Результаты опубликованы в журнале Science. До практического применения ещё предстоит масштабировать технологию, но Google удалось перенести теоретическую разработку на реальное квантовое оборудование. Исследование: https://blog.google/innovation-and-ai/models-and-research/quantum-computing/magic-state-cultivation-quantum-computing/

Ram Altman

Meituan выпустила веса LongCat-2.5: 1,6 трлн параметров и полностью китайские чипы 🔥 Meituan открыла веса новой модели LongCat-2.5. Основные характеристики: - 1,6 трлн параметров всего. - 48 млрд активных параметров (A48B). - Обучение полностью проведено на китайских отечественных чипах. - MIT License - открытая лицензия. Веса уже доступны на Hugging Face: https://huggingface.co/meituan-longcat

Anthropic объяснила, как правильно промптить Claude Fable 5.2. Старые инструкции могут мешать новой модели работать эффективно. Anthropic опубликовала техническое руководство для разработчиков ИИ-агентов. В нём собраны особенности новой модели и рекомендации по настройке системных промптов. Самое интересное: 1. Правильно выбирайте уровень reasoning - low - быстрые задачи и простые агенты. - medium - повседневная разработка. - high - сложный код и исследования. - xhigh и max - наиболее сложные задачи, но с большим расходом токенов. 2. Не позволяйте агенту останавливаться раньше времени Модель иногда завершает работу, перечислив оставшиеся задачи. Anthropic рекомендует явно прописывать в системном промпте требование доводить работу до конца. 3. Дайте модели право улучшать архитектуру Инструкция This codebase is yours заметно повышает вероятность объединения дублирующегося кода. В экспериментах Anthropic это происходило примерно в половине случаев против менее 10% без инструкции. 4. Контролируйте субагентов Избыточная делегация увеличивает расходы. Нужно явно указывать, когда запуск дополнительных агентов оправдан. 5. Следите за системными инструкциями Накопившиеся ограничения и запреты могут заставлять модель запрашивать лишние подтверждения и избегать обычных действий. 6. Не забывайте про прогресс Claude может долго выполнять вызовы инструментов без обычных текстовых сообщений. Anthropic рекомендует использовать thinking.display: "updates", чтобы показывать пользователю промежуточный прогресс. Отдельно разобраны миграция с предыдущих моделей, сохранение контекста, обработка отказов и формирование итоговых отчётов. Руководство: https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-fable-5-2

Anthropic представила Claude Fable 5.2 и Mythos 5.2: 1000 ИИ-агентов формализовали доказательство теоремы Ферма за 30 часов Новые модели получили серьёзные улучшения в программировании, математике, научных исследованиях и кибербезопасности. Что удалось сделать: - Математика: 1000 агентов формализовали доказательство Великой теоремы Ферма на Lean за 30 часов. Предыдущей исследовательской версии Claude потребовалось 11 дней. - Физика: Fable 5.2 решила две открытые задачи, связанные с физикой чёрных дыр. - Электроника: спроектировала три работающих устройства с печатными платами, корпусами и программным обеспечением. - Программирование: более 90% изменений, попадающих в основной код Anthropic, теперь пишутся Claude при участии людей. - Кибербезопасность: Mythos 5.2 обнаруживает на 10,2% больше уязвимостей, чем Opus 5.5, по внутреннему тесту Anthropic. Производительность и цена: - До 30% быстрее предыдущего поколения. - $8 за миллион входящих токенов. - $40 за миллион исходящих токенов. - Fast Mode: до 2,5 раза быстрее за $16/$80 за миллион токенов. В чём разница? Fable 5.2 и Mythos 5.2 используют одну базовую модель, но отличаются защитными механизмами. Fable доступна широкому кругу пользователей. Mythos предназначена для проверенных организаций, работающих в кибербезопасности и биомедицинских исследованиях. Claude Fable 5.2 уже доступна через Claude, API, AWS, Google Cloud и Microsoft Azure. Официальный анонс: https://www.anthropic.com/claude-fable-and-mythos-5-2