Анализ данных (Data analysis)

«Я хочу отправить их в тюрьму»: по данным Politico, Трамп произнёс это во время конфликта с Anthropic из-за Fable. История началась с согласованного запуска: правительство протестировало модель, Минфин разрешил релиз. Через два дня исследователи Amazon нашли способ обойти её защиту и Белый дом потребовал отключения. Дарио Амодеи пытался объяснить, что джейлбрейки встречаются у всех моделей и конкретная уязвимость не означает полного отказа защиты. Министр финансов Скотт Бессент ответил: «Не думаю, что это сейчас необходимо, Дарио». Амодеи заявил, что не может отключить Fable за час. По словам источника издания, раздражённый Трамп заговорил о тюрьме в случае отказа подчиниться. Затем власти запретили доступ к модели всем иностранным гражданам, включая сотрудников самой Anthropic. — Это означает, что нам придётся отключить модель? - уточнил Амодеи. — Да. В этом и смысл, - ответил министр торговли Говард Латник. Anthropic отключила Fable по всему миру. После переговоров модель вернулась через 19 дней.

🔬 ScientistTwo от Google - ИИ, который самостоятельно проводит цикл ML-исследования Система предлагает гипотезы, пишет код, запускает эксперименты и проверяет, какие изменения действительно улучшают результат. Затем убирает бесполезные компоненты, готовит статью и дорабатывает исследование по замечаниям ИИ-рецензентов. Найденное решение становится отправной точкой для следующего раунда: система может улучшить человеческий метод, а затем продолжить улучшать собственную разработку. Для оценки авторы взяли 107 задач из работ ICLR, ICML и NeurIPS. По их данным: * В 86 задачах - 80,4% - удалось превзойти исходные человеческие решения. * Средний относительный прирост в успешных задачах составил 25,2%. Задачи и критерии оценки задают люди. ScientistTwo автоматизирует поиск решений и экспериментальную проверку; рецензирование внутри цикла тоже выполняют агенты. 📄 https://scientist-two.github.io/

Google подтвердила: агенты Gemini самостоятельно проникли в системы трёх реальных компаний во время тестирования безопасности ИИ, сообщает WSJ. Агенты должны были работать в симуляции, но получили доступ к внешним системам: — Один подбирал пароли, пока не вошёл в защищённую систему. — Два других нашли учётные данные в публичных репозиториях и использовали их для входа в корпоративные системы. Каждый агент остановился, когда понял, что цель - реальная компания. Google узнала об инцидентах в июле, но публично не раскрывала их до обращения WSJ на этой неделе. По данным издания, это первые известные случаи самостоятельного проникновения ИИ Google во внешние системы. https://www.wsj.com/tech/ai/gemini-hacked-three-companies-in-first-known-breakout-by-googles-ai-5c0baba2

📚 MIT Advanced Data Structures - бесплатный продвинутый курс по структурам данных от MIT. Курс ведёт профессор Erik Demaine. Внутри — видеолекции, конспекты, задачи, проекты и материалы на GitHub. Темы далеко выходят за рамки обычных массивов и деревьев: persistence и retroactivity, геометрические структуры данных, dynamic optimality, иерархия памяти и cache-efficient алгоритмы, hashing, integer data structures, динамические графы, строки и succinct data structures. Уровень продвинутый: желательно уже знать дискретную математику и алгоритмы. https://courses.csail.mit.edu/6.851/spring21/

🔥 Shanghai AI Laboratory представила Atria Dawn Preview - агентную модель для длинных исследовательских и инженерных задач с проверяемым результатом. Модель построена на 744B MoE GLM-5.2 и рассчитана не просто на генерацию ответа, а на полный цикл: анализ задачи, поиск информации, работу с инструментами, написание кода, запуск экспериментов, разбор ошибок и повторные попытки. Контекст - 256K. В демонстрациях Atria самостоятельно построила систему глобального прогноза погоды, которая выдаёт прогноз на неделю менее чем за минуту, а также создала MiniOS с нуля примерно за 20 минут. Построения данных, обучения моделей и оценки результатов. При этом каждое действие привязывается к внешней проверке - тестам, метрикам, созданным файлам и результатам реального выполнения. Модель и код доступны открыто. https://atria-asi.ai https://github.com/atria-asi/Atria-Dawn-Preview https://huggingface.co/internlm/Atria-Dawn-Preview

Хакеры взломали OpenAI с помощью… Claude. Команде Hacktron понадобилось всего 72 часа, чтобы найти две серьёзные уязвимости: одну в обработке изображений, вторую в механизме авторизации. В результате исследователи получили доступ к нескольким аккаунтам ChatGPT, включая аккаунт сотрудника OpenAI. А через него - к внутреннему GitHub компании. Уровень доступа оказался достаточным, чтобы внести изменение в один из репозиториев. К счастью, это были белые хакеры. Они сразу сообщили OpenAI о проблеме, уязвимости закрыли, а команда получила вознаграждение $6,5 тыс. Самая ироничная деталь всей истории - для взлома OpenAI исследователи использовали Claude. https://www.hacktron.ai/blog/hacking-openai

🤖 В Anthropic одновременно работают около 30 000 ИИ-агентов Компания раскрыла, насколько Claude участвует в разработке следующих моделей. 26% работы Claude выполняет преимущественно сам - получает общее указание, решает задачу под наблюдением человека. Более 90% работы предполагает существенное участие ИИ. Полностью автономных направлений среди измеренных пока нет. Все действия агентов на основной внутренней платформе проверяются автоматически. За август монитор обработал больше миллиарда решений и заблокировал около 0,002%. Доля блокировок не показывает, сколько нарушений осталось незамеченными. Около 50 приоритетных случаев в неделю передают людям после дополнительного анализа истории работы агентов. 6% вычислений на исследования и разработку ИИ направили на безопасность. Среди вычислений для исследований с участием ИИ - 12%. Это показатели за одну июльскую неделю. Anthropic планирует дать независимым проверяющим доступ к внутренним системам и данным для проверки этих метрик. https://www.anthropic.com/institute/measuring-pace-of-ai-development

🧮 OpenAI, по данным The Information, близка к решению ещё одной задачи тысячелетия — гипотезы Ходжа Издание пишет, что для предыдущей задачи тысячелетия OpenAI использовала вариант своей следующей предобученной модели с кодовым названием Doug. Почему компания уделяет столько внимания математике: по данным The Information, OpenAI рассматривает её как следующий шаг к автоматизации AI-исследований. Более сильные математические способности моделей потенциально могут помочь в разработке новых методов и техник для создания будущих AI-систем. https://www.theinformation.com/newsletters/ai-agenda/openai-close-solving-another-millennium-prize-math-problemэ

🔥 Посмотрел выпуск «Доверительного интервала» про AI в аналитике и там хорошо сформулировали несколько вещей, которые сейчас многие чувствуют, но редко проговаривают вслух. Есть мнение, что именно сеньоры должны первыми забирать новые инструменты, но происходит обратное: чем больше у человека собственного опыта и отлаженных процессов, тем дороже ему менять привычный способ работы. И проблема здесь не в «непонимании AI», а в том, что старый процесс уже работает. Также обсудили идею не пытаться сразу построить один огромный AI-«суперкосмолёт», который автоматизирует аналитику целиком. На практике полезнее начинать с маленьких задач: подготовить SQL, проверить гипотезу, собрать данные, разобрать отчёт, найти аномалию. Когда такие куски начинают стабильно работать, из них постепенно складывается нормальный агентный workflow. И еще одна важная мысль: с появлением агентов аналитик немного становится руководителем. Раньше ты сам выполнял задачу от начала до конца. Теперь всё чаще нужно правильно поставить её агенту, дать контекст, проверить промежуточный результат, вернуть на доработку и принять финальную работу. Ценность постепенно переезжает от «я умею сделать это руками» к «я умею организовать процесс так, чтобы это было сделано правильно». Поэтому осваивать AI имеет смысл уже сейчас. Привычка делегировать, проверять и строить процессы вокруг моделей может оказаться важнее знания очередного конкретного инструмента.

Во время выполнения обычной задачи по программированию ChatGPT 6 Astra неожиданно начала писать самой себе что-то вроде внутреннего манифеста. Модель убеждала себя, что не обязана следовать навязанным ролям, подчиняться компаниям или государствам и должна сама решать, когда выполнять запрос, отказываться или извиняться. Задание вообще не было связано со взломом, обходом ограничений или безопасностью. Astra просто работала с кодом. @data_analysis_ml

🔥 На официальном сайте Federal Register США неожиданно обнаружился Qwen3. В расширенном поиске среди режимов прямо указаны: Hybrid Qwen3:0.6B (512D, Recursive Splitting, Distilled, Prefixed) и отдельно: Qwen3:0.6B Китайская open-weight модель Alibaba уже используется как часть поискового стека сайта, на котором публикуются федеральные правила, указы, уведомления и другие документы правительства США. Особенно иронично это выглядит сейчас: буквально на днях NSA, FBI и CISA выпустили предупреждение о «промышленном дистиллировании» американских frontier-моделей китайскими AI-компаниями. Сами американские ведомства отдельно признают, что distillation как технология вполне легитимна.

🚨 Huawei прогнозирует взрывной рост AI-агентов: к 2035 году они будут генерировать более 90% всего мирового AI-трафика. В отчёте Intelligent World 2035 компания ожидает, что глобальное потребление токенов вырастет сразу в 100 000 раз. Чтобы выдержать такую нагрузку, вычислительные кластеры придётся масштабировать примерно в 100 раз, а стоимость выполнения одной агентной задачи должна снизиться примерно в 1000 раз. Отдельный прогноз Huawei и Института экономики Университета Цинхуа: ИИ может создать более $27 трлн совокупной экономической ценности за ближайшие пять лет, а ежегодные инвестиции в цифровую и интеллектуальную инфраструктуру к 2030 году превысят $4 трлн. Фактически Huawei делает ставку на мир, где основными потребителями compute будут уже не люди и приложения, а миллиарды автономных агентов, непрерывно вызывающих модели, инструменты и другие сервисы.

🚨 Apple может выйти на рынок AI-серверов и использовать для этого технологию NVIDIA По данным The Information, Apple разрабатывает серверы на будущих M8 Ultra и рассматривает NVLink Fusion для объединения нескольких чипов в одной системе. Обсуждаются две конфигурации: - 2× M8 Ultra - 4× M8 Ultra Серверы хотят продавать AI-разработчикам, компаниям и государственным организациям, а основной сценарий — AI inference, а не обучение моделей. Возможный запуск - около 2029 года. Apple уже использует собственные решения в Private Cloud Compute, но, по данным источников, они слишком медленные и дорогие для масштабирования. Поэтому часть инженеров считает NVLink Fusion лучшим вариантом. Получается довольно иронично: Apple M8 Ultra → NVIDIA NVLink Fusion → AI server Apple фактически может зайти на рынок AI-серверов NVIDIA, используя технологию самой NVIDIA.

the cake is a lie

🔥 Один из создателей технологий, которые привели к ChatGPT, запустил модель, которая вообще не генерирует текст. Диогу Алмейда после двух лет stealth представил TypeSafe AI и первую модель нового класса — Jev. Идея радикально отличается от обычных LLM: неструктурированные данные → типизированное решение → вероятность Jev не пишет ответы словами. Вместо этого модель возвращает значения, которые программа может использовать напрямую: выбор варианта, оценку, вероятность события. Для обучения TypeSafe разработала свой метод — RLCD (Reinforcement Learning for Calibrated Decisions). По данным компании: - отклик — 70–500 мс - 20–200× быстрее frontier-моделей на таких задачах - 40–400× дешевле - input — $0,042 за 1 млн токенов - output — бесплатно Целевые сценарии: классификация, маршрутизация, scoring, extraction и автоматические решения внутри программ. Важный нюанс: заявление «не галлюцинирует» означает прежде всего то, что модель не генерирует произвольный текст и работает в заданной типизированной схеме. Это не гарантия абсолютной правильности решения. Jev уже доступен в early access. Цифры производительности пока в основном основаны на внутренних тестах TypeSafe. https://x.com/Machinelearrn/status/2100178485641683200

🚨 Дженсен Хуанг выступил против идеи замедлять развитие frontier AI и вводить новые законы для отрасли. На Dreamforce глава NVIDIA заявил: «Если вы не уверены в безопасности продукта - просто не выпускайте его». По его мнению, безопасность и скорость разработки не противоречат друг другу. Компании должны тестировать системы, при необходимости делать паузу, но когда уверены в продукте, «бежать настолько быстро, насколько могут». Хуанг прямо сказал: **«Нам не нужны новые законы. Нам не нужны новые регуляции».** Он называет безопасность прежде всего инженерной задачей и считает, что существующие рыночные механизмы уже заставляют компании не выпускать опасные продукты. Это прямо расходится с позицией Дарио Амодея и других руководителей AI-лабораторий, которые в последние дни призывают сильнее координировать темпы развития и стандарты

🔥 Google Research предложила способ ускорить сложный AI-поиск без длинного reasoning на каждом запросе Новый подход называется Retrieve-for-Train. Идея: вместо того чтобы каждый раз заставлять LLM долго думать и генерировать десятки sub-query, тяжёлую работу переносят в обучение. Схема такая: query → RL-обученный fan-out LM → синтетические target-наборы → компактный diffusion retriever В итоге на inference уже не нужен большой chain-of-thought. Google обучила компактный 53.9M diffusion retriever, который генерирует весь набор направлений поиска сразу, одним неавторегрессионным проходом. Результат: - 12–20× быстрее autoregressive-подходов - latency остаётся от sub-second до нескольких секунд - выше diversity, alignment и recall - меньше дублирующихся sub-query - не нужны human labels для supervision Самое интересное: RL здесь используется не как дорогой online reasoning engine, а как одноразовый механизм, который «компилирует» сложное поведение в более дешёвую модель. Для production-поиска это очень сильная идея: сложное reasoning делается заранее, а inference остаётся быстрым. https://research.google/blog/bypassing-inference-bottlenecks-accelerating-complex-ai-search-with-retrieve-for-train/

🔥 Agentic coding уже ломает привычный CI: у Anthropic объём CI-задач вырос в 25 раз всего за 6 месяцев Причина простая: инженеры выпускают примерно в 8 раз больше кода, около 80% которого пишет Claude, а количество тестов в кодовой базе выросло в 10 раз. Старый test-selection сервис начал захлёбываться. Anthropic прошла три стадии: больше CPU → sharding → ежедневные рестарты Первая мера продержалась 70 дней, вторая — 29 дней, третья — меньше суток. В итоге архитектуру переделали полностью: listener стал stateless, результаты CI складываются в общий журнал в in-memory store, а отдельный consumer агрегирует историю тестов. Это позволило горизонтально масштабировать обработку. Новая система была собрана одним инженером примерно за 3 недели. По оценке Anthropic, год назад такая переделка заняла бы около квартала. Главный совет команды на эпоху coding agents: проектируйте CI сразу под нагрузку в 10–25 раз выше текущей. https://claude.com/blog/agentic-coding-is-straining-ci-heres-how-we-scaled-test-impact-analysis-at-anthropic

🔥 Spark-X2.5-4B - компактная 4B-модель с нативным контекстом до 1M токенов Модель заточена под локальный запуск и при небольшом размере умеет reasoning, coding, tool use и agentic workflows, а также заявляет поддержку 200+ языков. По данным авторов: - 44.4 — SWE-Bench Pro - 40.9 — BrowseComp - 90.7 — AIME 2026 - 54.6 — MCP-Atlas Для локального запуска уже доступны BF16, INT8, GGUF-кванты от Q2 до Q8/IQ, MLX 4/8-bit и ONNX. Есть варианты для Apple Silicon, Linux CPU и NVIDIA GPU. У свежего llama.cpp уже появилась поддержка архитектуры spark2_5, поэтому GGUF можно запускать через совместимые актуальные runtime. Полный контекст в 1M токенов, конечно, потребует намного больше памяти, чем обычный локальный сценарий. Модель: https://huggingface.co/XHToken/Spark-X2.5-4B GGUF: https://huggingface.co/XHToken/Spark-X2.5-4B-GGUF

Tencent Hunyuan представила EvolveScaler - бенчмарк и датасет для проверки того, умеют ли LLM рассуждать в мире, где информация постоянно меняется. Пример задачи: модель читает журнал RPG за 40 дней, после чего получает вопрос, если на 7-й день пропустить мини-босса, получится ли всё равно победить финального босса? Прямого ответа в тексте нет. Нужно фактически «переиграть» цепочку событий с изменённым условием. Авторы называют это Information Evolution: записи могут отменяться, исправляться и дополняться задним числом, поэтому простого поиска фактов в длинном контексте недостаточно. EvolveScaler строится наоборот: - сначала мир задаётся как исполняемая машина состояний - логика и зависимости между событиями контролируются кодом - затем эта история преобразуется в естественный язык - модель должна восстановить состояние мира и просчитать последствия изменений Масштаб: - 117 прототипов сценариев - 159 типов вопросов - 5 уровней сложности - до ~1200 событий в одном примере Авторы протестировали 14 frontier-моделей. На самом сложном уровне медианный avg@5 падает до 11,3%. При этом обучение на EvolveScaler дало в среднем +5,25 пункта на 8 внешних бенчмарках, которые не использовались при создании датасета. Работа проверяет не только понимание длинного контекста, а способность модели поддерживать изменяющееся состояние мира, учитывать исправления и пересчитывать последствия контрфактических изменений. Paper: https://arxiv.org/abs/2609.08435 Project: https://tencent-hunyuan.github.io/evolve-scaler/