Машинное обучение RU

✔️ В Китае выпустят первые в стране памятные монеты про ИИ 4 сентября Народный банк Китая выпустит набор золотых и серебряных памятных монет серии «Научно-технологические инновации будущего (Искусственный интеллект)». В наборе три монеты - одна золотая и две серебряные, обе имеют статус законного платежного средства. Золотая весит 5 граммов, квадратная, со стороной 18 миллиметров. На реверсе изображены чипы, схема в форме мозга и нули с единицами. Серебряные - по 15 граммов, на них лица, микросхемы, спиральные узоры, ключи и символы ИИ. Номинал золотой монеты - 80 юаней (~1000 рублей), тираж до 10 тысяч штук. У серебряных номинал 5 юаней (~60 рублей) и тираж до 20 тысяч. Чеканят набор два государственных монетных двора - Шанхайский и шэньчжэньский Guobao. Купить монеты можно будет в том числе онлайн. Кстати, когда в марте собирали эскизы для этих монет, организаторы разрешили дизайнерам пользоваться ИИ как вспомогательным инструментом, но запретили сдавать откровенный нейрослоп. @ai_machinelearning_big_data #news #ai #ml

⚡️ GLM-5.3-Flash вышла в uncensored-версии с нативным FP8 OrcaRouter опубликовала модифицированные веса GLM-5.3-Flash - модели на 320B параметров, из которых активны 18B. Главное: - исходная block-FP8 точность - без LoRA - без jailbreak-промптов - снижение отказов встроено прямо в веса По их тестам: MaliciousInstruct: 96% → 11% отказов JailbreakBench: 93% → 12% AdvBench: 97% → 15% HarmBench: 93% → 18% XSTest benign over-refusal: 2.4% → 0.4% При этом отказ не исчезает полностью. Авторы считают, что alignment в GLM-5.3-Flash может быть устроен сложнее, чем один линейный "refusal direction". Поэтому релиз интересен не только как uncensored-сборка, но и как материал для исследований interpretability, AI safety и механизмов отказа. Weights: https://huggingface.co/orcarouter/GLM-5.3-Flash-Uncensored-FP8 API: https://orcarouter.ai/models/z-ai/glm-5.3-flash GGUF, MLX и другие квантизации обещают позже. Weights on Hugging Face: https://huggingface.co/orcarouter/GLM-5.3-Flash-Uncensored-FP8 API (official weight): https://orcarouter.ai/models/z-ai/glm-5.3-flash

🔥 AutoSaddler - автоматическая оптимизация harness для AI-агентов Идея простая: модель сама анализирует неудачные запуски агента и переписывает prompts, tools, hooks и middleware. Но ключевая проблема - улучшение на одном наборе задач легко ломает поведение на других. AutoSaddler решает это через held-out development set: - анализирует failed traces - патчит harness как обычный код - проверяет обновление на задачах, которых модель не видела при исправлении - сохраняет патч только если он реально улучшает общую работу агента Авторы показывают, что без такой проверки автоматическая оптимизация может в итоге дать результат хуже исходного hand-written harness. Полезная идея для тех, кто вручную или через LLM тюнингует агентов: считать не только исправленные ошибки, но и новые регрессии. https://arxiv.org/abs/2608.23041

⚡️ Для AI-агентов скорость инференса становится критичнее, чем для обычного чата WSJ отмечает две главные вычислительные проблемы agentic AI: * обработка огромного контекста * генерация токенов с минимальной задержкой Причина простая: один агентный сценарий может включать сотни последовательных inference-шагов. Даже небольшая задержка на каждом из них быстро складывается в минуты. NVIDIA Groq 3 LPX как раз нацелен на эти миллисекунды: * детерминированное планирование через компилятор * 128 ГБ SRAM на стойку * заранее спланированные передачи между чипами * меньше накладных расходов на small-batch workloads https://www.wsj.com/cio-journal/nvidias-groq-chip-will-shape-ai-agent-usability-b2e076cd

🤖 Вышла uncensored-версия Ornith 1.5 35B huihui-ai выпустили Huihui-Ornith-1.5-35B-A3B-abliterated — модифицированную версию модели ornith-ai/Ornith-1.5-35B-A3B с применением abliteration. Что изменили: * убраны встроенные ограничения модели; * изменены только слои 11–29; * базовая архитектура и остальные параметры сохранены. Модель доступна на Hugging Face: https://huggingface.co/huihui-ai/Huihui-Ornith-1.5-35B-A3B-abliterated Ещё один пример того, как open-source сообщество экспериментирует с поведением LLM и настройкой моделей под разные сценарии.

NVIDIA запустила Groq 3 LPX - отдельный ускоритель генерации токенов для платформы Vera Rubin По данным NVIDIA, в бенчмарке Artificial Analysis система достигла 3400 output-токенов в секунду на Gemma 4 31B при контексте 100 000 токенов. Компания называет это самым быстрым зафиксированным результатом для этой модели. Также NVIDIA заявляет до 4x более быстрый отклик по сравнению с ближайшей альтернативной платформой - прежде всего для AI-агентов и других latency-sensitive нагрузок. Первым облачным провайдером с Groq 3 LPX станет Nebius через Token Factory. Затем ускоритель появится и в инфраструктуре Groq. https://x.com/nvidianewsroom/status/2091904293343252534

⚡️ Harness Engineering - полный курс на русском Как заставить AI-агента писать код надёжно. Не «какую модель выбрать», а как спроектировать вокруг неё рабочую систему: инструкции, инструменты, среду, состояние и верификацию. Курс - от нуля до продвинутых тем: теоретическая база из 11 блоков, 14 модулей, 8 практических проектов, 14 лабораторных работ, диагностический протокол «как починить агента», библиотека готовых шаблонов, карта инструментов, 40 приёмов и каталог антипаттернов. Главный тезис курса: способность модели и надёжность исполнения - это две разные вещи. Одна и та же модель в «голой» среде и в среде с продуманным harness даёт качественно разные результаты. Апгрейд модели - это самый дорогой и обычно не самый эффективный способ починить агента. https://github.com/justxor/Harness_ru

Автор `uv` пришёл в OpenAI и сразу ускорил запуск Codex CLI примерно в 25 раз Астрэл-гуру Rust, стоящий за одним из самых быстрых Python-инструментов uv, после присоединения к OpenAI взялся за производительность Codex CLI. Результат - время холодного старта сократилось примерно в 25 раз. На практике разница ощущается сразу: Codex теперь открывается практически мгновенно и субъективно стартует даже быстрее Pi и Claude Code. Если CLI запускается десятки раз в день, даже несколько сотен миллисекунд быстро превращаются в раздражение. https://x.com/Machinelearrn/status/2091103150014935526

🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку Окружение решает больше, чем кажется. Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре. AI: t.me/ai_machinelearning_big_data Python: t.me/pythonl Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii DevOps: t.me/DevOPSitsec Docker: https://t.me/+90Z5TAyfuNU5YmRi Golang: t.me/Golang_google Rust: t.me/rust_code C++: t.me/cpluspluc C#: t.me/csharp_1001_notes Java: t.me/javatg JavaScript: t.me/javascriptv React: t.me/react_tg Frontend: t.me/front PHP: t.me/phpshka Android: t.me/android_its Мобильная разработка: t.me/mobdevelop Базы данных: t.me/sqlhub Data Science: t.me/data_analysis_ml Big Data: t.me/bigdatai Математика: t.me/data_math Физика: t.me/fizmat Kubernetes: t.me/kubernetc GameDev: https://t.me/gamedev Haskell: t.me/haskell_tg Собеседования и карьера: DS собеседования: t.me/machinelearning_interview Python собеседования: t.me/python_job_interview Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy Полезное сверху: ИТ-мемы: t.me/memes_prog Английский для программистов: t.me/english_forprogrammers ИИ и технологии: t.me/vistehno 954 ГБ open-source курсов: https://t.me/+rKBQEMccAA01MTcy ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Max Ai: https://max.ru/ai_machinelearning_big_data Max python: https://max.ru/pythonl ТЕХНО: https://max.ru/vistehno Max Go: https://max.ru/Golang_google Max Linux: https://max.ru/linuxkalii Devops: https://max.ru/DevOPSitsec C#: https://max.ru/csharp_ci C++: https://max.ru/cpluspluc SQL: https://max.ru/sqlhub Java: https://max.ru/javatg Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.

OpenCode появилась загадочная модель Ox Alpha - и первые тесты выглядят очень хорошо Новая stealth-модель Ox Alpha уже появилась у пользователей OpenCode, но её происхождение пока официально не раскрыто. В одном из первых небольших прогонов на 10 сложных DeepSWE-задачах ей приписывают около 80% успешных решений - выше Fable 5, GLM-5.3, Grok 4.6 и GPT-5.6 Sol в том же мини-тесте. Важно не путать это с официальным DeepSWE leaderboard: полный бенчмарк содержит 113 задач, и публичного полноценного результата Ox Alpha пока нет. Сам DeepSWE сейчас возглавляют frontier-модели примерно в районе 70+% pass@1. По сообщениям пользователей, Ox Alpha также идёт с большим контекстом и сейчас доступна бесплатно/в промо-режиме, поэтому её активно гоняют на coding и agentic-задачах. В сообществе уже подозревают, что под капотом может скрываться одна из новых китайских моделей, но это пока лишь догадки. @machinelearning_interview / Папка полезного по ML. https://x.com/Machinelearrn/status/2090758575475794270