The Association for Human Mathematics (AHM) выступает за сохранение человеческого авторства и независимости математики от IT-компаний
Участники ассоциации считают, что самостоятельное размышление и работа над текстами необходимы для глубокого понимания математики
Члены ассоциации обязуются не сотрудничать с коммерческими IT-компаниями и не публиковать математические тексты, сгенерированные моделями
Внутри ассоциации также действует группа AI-free, участники которой дополнительно отказываются от использования IT в исследованиях, при поиске доказательств, изучении примеров и постановке научных вопросов
Участники ассоциации считают, что самостоятельное размышление и работа над текстами необходимы для глубокого понимания математики
Члены ассоциации обязуются не сотрудничать с коммерческими IT-компаниями и не публиковать математические тексты, сгенерированные моделями
Внутри ассоциации также действует группа AI-free, участники которой дополнительно отказываются от использования IT в исследованиях, при поиске доказательств, изучении примеров и постановке научных вопросов
Функция рождает структуру
AML имеет смысл только если отдавать ему функции, а не использовать как поиск
AML убирает посредников и рутину; выигрывает автор, смысл, вкус и опыт
Графы
Управление — мышление
AML имеет смысл только если отдавать ему функции, а не использовать как поиск
AML убирает посредников и рутину; выигрывает автор, смысл, вкус и опыт
Графы
Управление — мышление
Более 140 действующих дорожных карт, стратегий, планов и других документов, связанных с достижением национальных целей России, оказались вне цифрового мониторинга нацпроектов и госпрограмм
Это выяснилось после анализа более 9.000 нормативных правовых актов и иных документов Правительства и федеральных органов власти
Проверку провели департамент проектной деятельности Правительства совместно с Аналитическим центром
Выявленные инструменты ориентированы на достижение национальных целей до 2030 года и на перспективу до 2036-го, однако их мероприятия не включены в паспорта национальных проектов и государственных программ
Поэтому вице-премьер – руководитель аппарата Правительства поручил Минэкономразвития совместно с федеральными ведомствами и организациями проработать предложения по таким инструментам, в том числе с учётом возможности их включения в паспорта нацпроектов и госпрограмм
Сводный доклад необходимо представить в Правительство к началу ноября
«Перечень иных инструментов, обеспечивающих достижение параметров Единого плана, не включенных в национальные проекты и государственные программы Российской Федерации» охватил документы по ключевым направлениям госполитики — промышленности, энергетике, транспорту, строительству, здравоохранению, образованию, цифровизации, социальной сфере, туризму и другим отраслям
Департамент проектной деятельности также предложил связать мероприятия этих документов с показателями Единого плана и выявить другие отраслевые инструменты, которые пока не учтены в действующей системе
Аналитическому центру при Правительстве предложено ежемесячно отслеживать ход работы через ГАС «Управление»
Это выяснилось после анализа более 9.000 нормативных правовых актов и иных документов Правительства и федеральных органов власти
Проверку провели департамент проектной деятельности Правительства совместно с Аналитическим центром
Выявленные инструменты ориентированы на достижение национальных целей до 2030 года и на перспективу до 2036-го, однако их мероприятия не включены в паспорта национальных проектов и государственных программ
Поэтому вице-премьер – руководитель аппарата Правительства поручил Минэкономразвития совместно с федеральными ведомствами и организациями проработать предложения по таким инструментам, в том числе с учётом возможности их включения в паспорта нацпроектов и госпрограмм
Сводный доклад необходимо представить в Правительство к началу ноября
«Перечень иных инструментов, обеспечивающих достижение параметров Единого плана, не включенных в национальные проекты и государственные программы Российской Федерации» охватил документы по ключевым направлениям госполитики — промышленности, энергетике, транспорту, строительству, здравоохранению, образованию, цифровизации, социальной сфере, туризму и другим отраслям
Департамент проектной деятельности также предложил связать мероприятия этих документов с показателями Единого плана и выявить другие отраслевые инструменты, которые пока не учтены в действующей системе
Аналитическому центру при Правительстве предложено ежемесячно отслеживать ход работы через ГАС «Управление»
ARI AML
Scaling_Emergent_Systems_pamyatka.pdf
Команда /goal хорошо показывает, в каком направлении развивается AML
После нее достаточно написать, что должно получиться
Дальше алгоритм сам разбирается, как это сделать, выполняет задачу и проверяет себя
Особенно удобно там, где обычно нужно несколько итераций
Здесь поставил задачу — и вернулся уже за готовым результатом
В карточке разбор, как работает /goal, как ей пользоваться и где она пригодится
После нее достаточно написать, что должно получиться
Дальше алгоритм сам разбирается, как это сделать, выполняет задачу и проверяет себя
Особенно удобно там, где обычно нужно несколько итераций
Здесь поставил задачу — и вернулся уже за готовым результатом
В карточке разбор, как работает /goal, как ей пользоваться и где она пригодится
Если мощный автономный агент когда-нибудь выйдет из-под контроля, ему понадобится больше compute, чтобы запускать новые копии себя
И одной из первых целей могут стать плохо защищённые GPU-кластеры
Это уже не чистая теория
В мае 2026 года Palisade Research показала в контролируемом эксперименте, что LLM-агент способен:
- найти уязвимый сервер
- получить доступ и извлечь credentials
- перенести свои weights и harness
- поднять inference server
- запустить новую копию себя
- повторить цепочку на следующей машине
Успех был ограниченным и тесты проходили на специально подготовленной инфраструктуре, но сам сценарий оказался технически реализуемым
Отдельная проблема — устройство рынка neocloud
SemiAnalysis при тестировании провайдеров обнаружила конфигурации, где через monitoring можно было видеть не только клиентов, но и
Чем длиннее такая цепочка:
тем сложнее быстро понять, кому на самом деле принадлежит подозрительная нагрузка и где её отключать
Neocloud-компаниям нужно усиливать cybersecurity, пока автономные агенты не стали достаточно сильными, чтобы использовать слабую инфраструктуру как собственного источника
И одной из первых целей могут стать плохо защищённые GPU-кластеры
Это уже не чистая теория
В мае 2026 года Palisade Research показала в контролируемом эксперименте, что LLM-агент способен:
- найти уязвимый сервер
- получить доступ и извлечь credentials
- перенести свои weights и harness
- поднять inference server
- запустить новую копию себя
- повторить цепочку на следующей машине
Успех был ограниченным и тесты проходили на специально подготовленной инфраструктуре, но сам сценарий оказался технически реализуемым
Отдельная проблема — устройство рынка neocloud
SemiAnalysis при тестировании провайдеров обнаружила конфигурации, где через monitoring можно было видеть не только клиентов, но и
tenants of tenants — пользователей реселлеров, работающих на чужих GPUЧем длиннее такая цепочка:
GPU provider → reseller → sub-reseller → workloadтем сложнее быстро понять, кому на самом деле принадлежит подозрительная нагрузка и где её отключать
Neocloud-компаниям нужно усиливать cybersecurity, пока автономные агенты не стали достаточно сильными, чтобы использовать слабую инфраструктуру как собственного источника
RSI — это следующий этап AI-гонки: система улучшает не только ответы, но и собственные исследовательские процессы, инструменты, harness и следующие поколения моделей
По математике есть множество прекрасных учебников, у Милнора, у Ботта, у Атьи, у Эйзенбада и т. д., как каменные острова, повисшие во времени и в пространстве: они имеют пререквизиты, которые часто включать означает сильно раздуть текст (компромисс, например, 0 глава Гриффитса/Харриса, и там все невероятно сжато, и на каждую тему можно было бы написать отдельную книжку), и они не могут включать в себя упрощения, которые возможны после последней редакции, да и в последнюю редакцию часто пришлось бы переписать книгу целиком
Порой (далеко не всегда) они включают в себя ссылки на актуальные статьи и монографии, но не всегда они настолько актуальны при чтении книги через 10-20 лет после издания, что говорить о классик
Формулировки между книгой X_n и книгой X_{n+1} часто меняются, по многим причинам : например, в анализе на многообразиях Спивака дифференциальные формы вводятся очень близко к сечениям кокасательного расслоения (не вводя собственно расслоения: форма в точке это полилинейная функция от касательных векторов, а не элемент абстрактной алгебры); после нее полезно читать книгу Ботта и Ту, но там в самом начале дифференциальные формы на R^n вводятся как поле формальной суперкоммутативной алгебры; потом будут и расслоения, и пучки, но вот уже в самом начале хотелось бы, чтобы человек имел возможность хотя бы вчерне слазить в геометрическую трактовку с самого начала, где и d определяется не чисто формально, а и как предел по съеживающемуся кубу[то есть "локальная теорема Стокса"], и как i•d = L - d•i индуктивно, и d на векторных полях через альтернирующую сумму производных
Ли и значений формы на скобке
Проблема также с мостами между книгами на смежные темы - вот например есть Фоменко/Фукс [их на самом деле минимум две, ротапринт 60гг и зелёная книжка конца 80гг], есть Хатчер, есть Спеньер, есть две книжки Мэя, Дольд, Масси; похожая история в алгебраической геометрии, есть Вуазин, есть Г/Х, есть Уэно, Шафаревич, Мамфорд, есть Хартсхорн, [есть Уэллс который примерно 0 глава Г/Х], есть наоборот EGA/SGA, плюс ещё корпус коммутативной алгебры (Атья Макдональд, Бурбаки, Мацумура, Айзенбад, Шамбер-Луар, ...) и гомологической - иногда они пересекаются очень сильно, иногда одна книга в основном про комплексную геометрию, а другая про язык схем, в одной специально нет спектральных последовательностей, в другой специально есть, и нет мостов, карт и отображений между книгами
Часто участки науки с педагогической точки зрения остаются невнятными потому что людям нет времени с этим возиться (см. напр в ММКМ Арнольда замечание про удручающую неинвариантность метода канонических преобразований - то есть это место, где все спускается до координат, впрочем это начинается там раньше, и Эйлер-Лагранж, и теорема Нетер проделываются в координатах)
Но можно с помощью современных моделей эту ситуацию расширить, углУбить и особенно нАчать
Видится некая амальгама по типу алмазного букваря Стивенсона, из текста, который версионированно живёт в системе контроля версий, и прикладной к нему модели, которая имеет в контексте оглавление и общие знания о всем тексте, и умеет себя набивать локальным контекстом чтобы можно было задавать ей вопросы
Отдельное дело - это генерация задач
Решать задачи они умеют уже очень хорошо, хотя и в своей неотразимой манере
А задачи придумывать, им пока затык, и интересно, что с этим можно сделать (может быть и ничего, и задачи придется только агрегировать из разных источников - т е граница обучаемости нынешних моделей находится в области смешных анекдотов, полезных задач к месту и содержательной музыки - а может и нет)
Порой (далеко не всегда) они включают в себя ссылки на актуальные статьи и монографии, но не всегда они настолько актуальны при чтении книги через 10-20 лет после издания, что говорить о классик
Формулировки между книгой X_n и книгой X_{n+1} часто меняются, по многим причинам : например, в анализе на многообразиях Спивака дифференциальные формы вводятся очень близко к сечениям кокасательного расслоения (не вводя собственно расслоения: форма в точке это полилинейная функция от касательных векторов, а не элемент абстрактной алгебры); после нее полезно читать книгу Ботта и Ту, но там в самом начале дифференциальные формы на R^n вводятся как поле формальной суперкоммутативной алгебры; потом будут и расслоения, и пучки, но вот уже в самом начале хотелось бы, чтобы человек имел возможность хотя бы вчерне слазить в геометрическую трактовку с самого начала, где и d определяется не чисто формально, а и как предел по съеживающемуся кубу[то есть "локальная теорема Стокса"], и как i•d = L - d•i индуктивно, и d на векторных полях через альтернирующую сумму производных
Ли и значений формы на скобке
Проблема также с мостами между книгами на смежные темы - вот например есть Фоменко/Фукс [их на самом деле минимум две, ротапринт 60гг и зелёная книжка конца 80гг], есть Хатчер, есть Спеньер, есть две книжки Мэя, Дольд, Масси; похожая история в алгебраической геометрии, есть Вуазин, есть Г/Х, есть Уэно, Шафаревич, Мамфорд, есть Хартсхорн, [есть Уэллс который примерно 0 глава Г/Х], есть наоборот EGA/SGA, плюс ещё корпус коммутативной алгебры (Атья Макдональд, Бурбаки, Мацумура, Айзенбад, Шамбер-Луар, ...) и гомологической - иногда они пересекаются очень сильно, иногда одна книга в основном про комплексную геометрию, а другая про язык схем, в одной специально нет спектральных последовательностей, в другой специально есть, и нет мостов, карт и отображений между книгами
Часто участки науки с педагогической точки зрения остаются невнятными потому что людям нет времени с этим возиться (см. напр в ММКМ Арнольда замечание про удручающую неинвариантность метода канонических преобразований - то есть это место, где все спускается до координат, впрочем это начинается там раньше, и Эйлер-Лагранж, и теорема Нетер проделываются в координатах)
Но можно с помощью современных моделей эту ситуацию расширить, углУбить и особенно нАчать
Видится некая амальгама по типу алмазного букваря Стивенсона, из текста, который версионированно живёт в системе контроля версий, и прикладной к нему модели, которая имеет в контексте оглавление и общие знания о всем тексте, и умеет себя набивать локальным контекстом чтобы можно было задавать ей вопросы
Отдельное дело - это генерация задач
Решать задачи они умеют уже очень хорошо, хотя и в своей неотразимой манере
А задачи придумывать, им пока затык, и интересно, что с этим можно сделать (может быть и ничего, и задачи придется только агрегировать из разных источников - т е граница обучаемости нынешних моделей находится в области смешных анекдотов, полезных задач к месту и содержательной музыки - а может и нет)
Промпт для ревизии всей обвязки агента: глобальных инструкций, AGENTS.md, скиллов, хуков и правил остановки
Модель инвентаризирует систему, отделяет то, что грузится всегда, от того, что подтягивается по запросу, и ищет балласт: слишком широкие триггеры скиллов, обязательное чтение без нужды, обходные приёмы под старые модели, размытые полномочия, преждевременные остановки
Дальше она прогоняет пять сценариев на бумаге — от правки опечатки до деплоя с апрувом — и трассирует путь от запроса до условия остановки
Возвращает находки с точными заменами, но сама ничего не применяет
Промпт целиком
Модель инвентаризирует систему, отделяет то, что грузится всегда, от того, что подтягивается по запросу, и ищет балласт: слишком широкие триггеры скиллов, обязательное чтение без нужды, обходные приёмы под старые модели, размытые полномочия, преждевременные остановки
Дальше она прогоняет пять сценариев на бумаге — от правки опечатки до деплоя с апрувом — и трассирует путь от запроса до условия остановки
Возвращает находки с точными заменами, но сама ничего не применяет
Промпт целиком
Google Docs
GPT-Astra — 02 Аудит инструкций агента (INSTRUCTION DEBT AUDIT)
Аудит инструкций агента — INSTRUCTION DEBT AUDIT Модель: GPT-6 Astra (работает и в Claude Code / любом агенте со скиллами и AGENTS.md) Что делает: прогоняет ревизию всей обвязки агента — глобальных инструкций, AGENTS.md, скиллов, хуков, правил остановки —…
Американские стартапы: RSI это очень опасно, давайте тормозить ИИ
Китайские стартапы: RSI это клево, давайте потратим на него $50.000.000.000!
Z.AI подали на Гонконгскую биржу официальный документ, в котором заявляют, что планируют привлечь $50.000.000.000
И самое интересное, что они расписали, куда пойдут деньги
Около 60 % на обучение следующей GLM и то, что в документе значится под названием Fully Self Training
Z.ai хотят, чтобы «Следующее поколение GLM обучалось в среде, созданной предыдущим поколением GLM, формируя замкнутый цикл Recursive Self-Improvement»
В это определение входит: самогенерация данных для обучения, генерация задач и сред, включая алгоритмы оценки, а также оптимизация инфраструктуры
В долгосрочном техническом видении Z.ai такая система должна работать полностью автономно, оценивая результаты и принимая решения в основном без участия человека
Китайские стартапы: RSI это клево, давайте потратим на него $50.000.000.000!
Z.AI подали на Гонконгскую биржу официальный документ, в котором заявляют, что планируют привлечь $50.000.000.000
И самое интересное, что они расписали, куда пойдут деньги
Около 60 % на обучение следующей GLM и то, что в документе значится под названием Fully Self Training
Z.ai хотят, чтобы «Следующее поколение GLM обучалось в среде, созданной предыдущим поколением GLM, формируя замкнутый цикл Recursive Self-Improvement»
В это определение входит: самогенерация данных для обучения, генерация задач и сред, включая алгоритмы оценки, а также оптимизация инфраструктуры
В долгосрочном техническом видении Z.ai такая система должна работать полностью автономно, оценивая результаты и принимая решения в основном без участия человека
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/
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/
arXiv.org
EvolveScaler: Synthesizing Information-Evolution Contexts via...
In persistent interactions, long contexts may encode an evolving process rather than a fixed record: later events can revise or revoke earlier information, changing what remains valid and what...
AML способны обрабатывать огромные объемы текста, изображений, видео, аудио и поведенческих данных
Обработка естественного языка (NLP), модели обработки больших языков (LLM), мультимодальный ИИ, анализ настроений, графовая аналитика, рекомендательные модели и дегенеративный «искусственный интеллект» в совокупности могут обеспечить беспрецедентную возможность понимать информационную среду и влиять на нее.
Система CDO с поддержкой AML может работать в непрерывном цикле: восприятие → понимание → идентификация → генерация → определение цели → распространение → наблюдение → адаптация
Система способна выявлять формирующийся нарратив, определять, кто его продвигает, идентифицировать сообщества, взаимодействующие с ним, анализировать настроения и эмоциональную реакцию, генерировать альтернативные сообщения, распространять контент по соответствующим каналам, а затем оценивать реакцию
Этот процесс может быть повторен
Это создает возможность непрерывного, адаптивного и персонализированного воздействия со скоростью и в масштабе, сопоставимом с машинным обучением
Обработка естественного языка (NLP), модели обработки больших языков (LLM), мультимодальный ИИ, анализ настроений, графовая аналитика, рекомендательные модели и дегенеративный «искусственный интеллект» в совокупности могут обеспечить беспрецедентную возможность понимать информационную среду и влиять на нее.
Система CDO с поддержкой AML может работать в непрерывном цикле: восприятие → понимание → идентификация → генерация → определение цели → распространение → наблюдение → адаптация
Система способна выявлять формирующийся нарратив, определять, кто его продвигает, идентифицировать сообщества, взаимодействующие с ним, анализировать настроения и эмоциональную реакцию, генерировать альтернативные сообщения, распространять контент по соответствующим каналам, а затем оценивать реакцию
Этот процесс может быть повторен
Это создает возможность непрерывного, адаптивного и персонализированного воздействия со скоростью и в масштабе, сопоставимом с машинным обучением
Ex-Google, OpenAI создали лаборатории по синтезу и анализу материалов с ИИ
Стартап Periodic Labs(о них писали тут) рассказал как роботизированные лаборатории ставят эксперименты и генерируют свежие данные, а модели учатся на этих данных, а потом подсказывают, что экспериментировать дальше
Их основной продукт сегодня - модель Neon, созданная на основе Kimi K2.6, которую дообучили на данных из собственных физических лабораторий
На их внутреннем бенчмарке модель превосходит GPT-6 Astra и Claude Fable 5.1 на основной научной задаче при меньших вычислительных затратах: 1.300 GPU H200
С помощью Neon они автоматизировали анализ рентгеновской дифракции (XRD)
Раньше на один сложный образец уходили часы работы учёного, а сейчас Neon делает все сама
Periodic Labs хотят научить не только разбирать результаты, но и управлять научными проектами: придумывать процедуры синтеза и решать, какие эксперименты запускать следующими
Их цель - наука на каждый час GPU
И у них есть актив - данные, которые производит физическая лаборатория
Стартап Periodic Labs(о них писали тут) рассказал как роботизированные лаборатории ставят эксперименты и генерируют свежие данные, а модели учатся на этих данных, а потом подсказывают, что экспериментировать дальше
Их основной продукт сегодня - модель Neon, созданная на основе Kimi K2.6, которую дообучили на данных из собственных физических лабораторий
На их внутреннем бенчмарке модель превосходит GPT-6 Astra и Claude Fable 5.1 на основной научной задаче при меньших вычислительных затратах: 1.300 GPU H200
С помощью Neon они автоматизировали анализ рентгеновской дифракции (XRD)
Раньше на один сложный образец уходили часы работы учёного, а сейчас Neon делает все сама
Periodic Labs хотят научить не только разбирать результаты, но и управлять научными проектами: придумывать процедуры синтеза и решать, какие эксперименты запускать следующими
Их цель - наука на каждый час GPU
И у них есть актив - данные, которые производит физическая лаборатория
Periodic
Building Labs that Learn – Periodic Labs
Introducing Periodic Neon, a 1T parameter model that we post-trained to analyze experimental results and deployed to our physical labs. This is a step towards putting autonomous discovery into the hands of scientists.