Крайне забавно, что для агентов создают такие же тулы как для людей. Все думали, что агентам не нужны будут таск-трекеры, процессы и прочее, они полностью поменяют принципы разработки софта, а по факту координировать работу нескольких агентов — та же менеджерская проблема. Скоро придумают скрам для агентов с дейли стендапами, где они будут по очереди рассказывать что делали вчера и что блокирует.

Дальше по логике — performance review. Агент-тимлид ставит своему агенту-исполнителю exceeds, выносит на калибровку, а там другие агенты-тимлиды не согласны и режут до meets. Агент-исполнитель уходит в бесконечный цикл рефлексии, токены горят, латенси растёт — выгорание. Нанимают ещё одного агента-коуча, который советует «переосмыслить цели и сделать паузу», а параллельно ищут ему замену на рынке агентов.

Не было печали ))

❗️Китай определил шесть ключевых "отраслей будущего", находящихся на пороге технологического прорыва, их приоритетное развитие должно обеспечить конкурентоспособность экономики, заявил председатель Государственного комитета по делам развития и реформ (ГКРР) КНР Чжэн Шаньцзе.

"Шесть крупных отраслей будущего включают квантовые технологии, биопроизводство, зеленую водородную и термоядерную энергетику, а также нейроинтерфейсы, воплощенный искусственный интеллект и уже зарождающиеся технологии 6G", - подчеркнул глава ведомства.

Оно того стоило ))

День вошел в историю, официально. Поставлена точка в многовековой битве )))

https://www.reuters.com/legal/legalindustry/openai-hit-with-lawsuit-claiming-chatgpt-acted-an-unlicensed-lawyer-2026-03-05/ - никогда не было и вот опять, но пошло по новому витку )))

🚀 ИИ не просто пишет код, а оптимизирует его под железо: CUDA Agent ставит рекорды

Команда из ByteDance и Tsinghua University представила CUDA Agent — систему на базе ИИ, которая генерирует оптимизированные CUDA-ядра (вычислительные блоки для видеокарт).

Суть прорыва: Раньше ИИ мог написать корректный CUDA-код, но он часто работал медленно. Новая система CUDA Agent с помощью reinforcement learning (RL) учится оптимизировать код, учитывая такие «железные» метрики, как использование потоков (warps) и память.

📊 Результаты говорят сами за себя:
• На простых/средних задачах: в 2 раза быстрее, чем torch.compile.
• На сложных ядрах (Level-3): на ~92% быстрее, чем torch.compile.
• В самых трудных тестах: опережает мощные модели вроде Claude Opus 4.5 и Gemini 3 Pro примерно на 40%.

🔧 В чём секрет? Фундаментально новый подход к обучению
Вместо стандартного обучения на текстах программ, CUDA Agent использует обучение с подкреплением (Reinforcement Learning), где награда зависит от реальных показателей производительности на GPU: использования потоковых мультипроцессоров, пропускной способности памяти и т.д.

🔧 Как это работает? Трёхкомпонентная система:
1. Генерация данных: Создание разнообразного набора задач (датасет CUDA-Agent-Ops-6K) из комбинаций операторов PyTorch.
2. Среда разработки: Интеллектуальный агент работает в цикле «написание -> компиляция -> профилирование -> оптимизация».
3. Обучение с подкреплением: Модель получает награду не за компилируемость кода, а за реальное ускорение выполнения на GPU.

💎 Вывод:
CUDA Agent — серьёзный шаг к автоматизации низкоуровневой оптимизации. Модель учит не синтаксис, а «аппаратную интуицию», открывая путь к полностью автономным системам, которые могут выжимать максимум из современного железа.

Статья | Сайт | GitHub | HuggingFace

#КитайскийИИ #КитайAI #CUDA

Как я и говорил, учите ассемблер, пригодится.