Теперь можно за пару минут собрать свой датасет из миллионов статей
Просто опишите, какой набор данных вам нужен.
Просто опишите, какой набор данных вам нужен.
🔥12👍5💯3
Большая битва за будущее: Google столкнулся с большой критикой от родителей и учителей школ из-за внедрения ИИ в школах
Дело в том, что в августе Google включил Gemini в Classroom по умолчанию для школьников всех возрастов.
Для понимания Classroom - это бесплатная онлайн-платформа от Google для школ, куда учителя выкладывают задания, материалы и объявления, а ученики сдают работы, смотрят оценки и общаются с классом.
Раньше Gemini в Classroom автоматически включался только для студентов возраста 18+, а с 10 августа Gemini стал доступен ученикам всех возрастов (от детского сада до старших классов).
Из-за этого родители и учителя выступили против и начали говорить о:
- снижении успеваемости у детей
- эмоциональных и психологических рисках
- отсутствии контроля со стороны учителей по использованию ИИ
На эту критику Google сейчас выпустили ответ и объявили об изменениях, теперь:
- Если школа полностью отказывается от ИИ-функций, ученики не получают доступ к поиску, потому что сегодня поисковик не существует без ИИ.
- Gemini, Gemini Notebook и поиск будут отключены по умолчанию для школьных аккаунтов.
- Администраторы в школах смогут включить сервисы по отдельности или все вместе.
- В школьных аккаунтах AI Mode и AI Overviews будут работать в режиме Guided Learning. Вместо мгновенных ответов система будет вести ученика через задачу с вопросами и подсказками, чтобы стимулировать критическое мышление.
Дело в том, что в августе Google включил Gemini в Classroom по умолчанию для школьников всех возрастов.
Для понимания Classroom - это бесплатная онлайн-платформа от Google для школ, куда учителя выкладывают задания, материалы и объявления, а ученики сдают работы, смотрят оценки и общаются с классом.
Раньше Gemini в Classroom автоматически включался только для студентов возраста 18+, а с 10 августа Gemini стал доступен ученикам всех возрастов (от детского сада до старших классов).
Из-за этого родители и учителя выступили против и начали говорить о:
- снижении успеваемости у детей
- эмоциональных и психологических рисках
- отсутствии контроля со стороны учителей по использованию ИИ
На эту критику Google сейчас выпустили ответ и объявили об изменениях, теперь:
- Если школа полностью отказывается от ИИ-функций, ученики не получают доступ к поиску, потому что сегодня поисковик не существует без ИИ.
- Gemini, Gemini Notebook и поиск будут отключены по умолчанию для школьных аккаунтов.
- Администраторы в школах смогут включить сервисы по отдельности или все вместе.
- В школьных аккаунтах AI Mode и AI Overviews будут работать в режиме Guided Learning. Вместо мгновенных ответов система будет вести ученика через задачу с вопросами и подсказками, чтобы стимулировать критическое мышление.
Bloomberg.com
Google Lets Schools Turn off Gemini, but Not the AI in Search
Schools that want their K-12 students to have access to Google Search will soon have to turn it on themselves, and the AI features built into Search will come with it, under changes the Alphabet Inc. company announced Tuesday.
🔥8❤5💯5👍1🤔1
Все о блокчейн/мозге/space/WEB 3.0 в России и мире
NVIDIA стала инвестором #1 в мире по числу мегараундов, обогнав все венчурные фонды За первые 8 месяцев компания участвовала в 53 сделках, каждая из которых свыше $100млн, а тот же a16z в 44, Sequoia - в 42, Lightspeed - в 38. Для сравнения те, кто были…
ИИ-индустрия топчется в программировании и не может зайти в отрасли
Сегодня, если посмотреть на то, что делается/говорят в индустрии, почти все разговоры о пределах роста ИИ крутятся вокруг вычислений, энергии и капитала.
Но свежий отчёт Menlo Ventures показывает проблему - отрасли не внедряют ИИ, потому что они не описали себя в терминах, которые агент способен понять.
Они говорят, что расходы бизнеса на внедрение ИИ выросли с $33 млрд до $177 млрд за год. Но 55% прироста ИИ-расходов - это новые бюджеты, не перераспределённые из софта или фонда оплаты труда.
По данным Menlo Ventures, агенты обогнали людей по потреблению токенов. Об этом ещё OpenRouter говорили, что 80% всех токенов сейчас тратят агенты.
При этом деньги и ИИ-агенты находятся там, где для них уже есть нормальная среда, то есть в программировании ($34 млрд) и чат - ботах/ассистентах ($25 млрд).
Почему? Потому что там выполняются 3 условия:
1. есть среда, в которой агент может действовать;
2. есть контекст, из которого можно учиться;
3. есть возможность проверить, правильно ли сделана задача.
Поэтому инвестиции сейчас находятся в основном внутри инфраструктуры ИИ, об этом мы писали ещё 2 месяца назад.
Таким образом дефицитным ресурсом сегодня и завтра будет оцифрованный и формализованный контекст разных отраслей.
Пока этого нет, ИИ-агенты будут оставаться очень сильными в программировании, а внедрения в отраслях не будет, соответственно, не быстро изменится и рынок труда.
Сегодня, если посмотреть на то, что делается/говорят в индустрии, почти все разговоры о пределах роста ИИ крутятся вокруг вычислений, энергии и капитала.
Но свежий отчёт Menlo Ventures показывает проблему - отрасли не внедряют ИИ, потому что они не описали себя в терминах, которые агент способен понять.
Они говорят, что расходы бизнеса на внедрение ИИ выросли с $33 млрд до $177 млрд за год. Но 55% прироста ИИ-расходов - это новые бюджеты, не перераспределённые из софта или фонда оплаты труда.
По данным Menlo Ventures, агенты обогнали людей по потреблению токенов. Об этом ещё OpenRouter говорили, что 80% всех токенов сейчас тратят агенты.
При этом деньги и ИИ-агенты находятся там, где для них уже есть нормальная среда, то есть в программировании ($34 млрд) и чат - ботах/ассистентах ($25 млрд).
Почему? Потому что там выполняются 3 условия:
1. есть среда, в которой агент может действовать;
2. есть контекст, из которого можно учиться;
3. есть возможность проверить, правильно ли сделана задача.
Поэтому инвестиции сейчас находятся в основном внутри инфраструктуры ИИ, об этом мы писали ещё 2 месяца назад.
Таким образом дефицитным ресурсом сегодня и завтра будет оцифрованный и формализованный контекст разных отраслей.
Пока этого нет, ИИ-агенты будут оставаться очень сильными в программировании, а внедрения в отраслях не будет, соответственно, не быстро изменится и рынок труда.
Menlo Ventures
2026: The State of Enterprise AI | Menlo Ventures
In 2026, AI became an economy-scale force. Enterprise AI deployment spend surged to $177B, more than 4x the size of the entire market a year ago.
👍7❤4🔥4🤔1
Теперь вы можете интегрировать свои приложения с Siri, Apple открыла доступ
Похожую историю недавно сделали Google, идея у них с Apple одна - сделать так, чтобы ИИ-агент мог выполнять действия в сторонних приложениях.
Любое приложение может передавать свой контент и действия в Siri, а пользователи смогут просто говорить своими словами, и Siri выполнит нужные кастомные действия.
Похожую историю недавно сделали Google, идея у них с Apple одна - сделать так, чтобы ИИ-агент мог выполнять действия в сторонних приложениях.
Любое приложение может передавать свой контент и действия в Siri, а пользователи смогут просто говорить своими словами, и Siri выполнит нужные кастомные действия.
Apple
Siri AI is now open to all developers - Latest News - Apple Developer
Starting today with the iOS 27.3, iPadOS 27.3, macOS 27.3, and visionOS 27.3 betas, a new Developer Preview enables any developer to integrate their app with Siri AI, giving businesses and developers new ways to reach and serve their customers.Siri AI, an…
❤4🔥3💯2👍1🤣1
Исследователи заподозрили, что модель Kimi K3.1 обучалась на задачах бенчмарков, имея доступ к скрытым критериям их оценки
Исследователи из R40 Research прогнали через стандартные бенчмарки свежую модель Kimi K3.1 от Moonshot AI и заметили, что
модель помнит то, чего ей не говорили.
Решая тестовые задачи, K3.1 в своих рассуждениях периодически ссылается на инструкции, которых в условии задачи физически нет, но которые точь-в-точь совпадают с критериями, по которым скрыто оценивается решение.
Самое показательное - когда исследователи немного изменили условие задачи так, чтобы оно прямо противоречило правилу, которое модель выдавала за инструкцию. Обычная модель в такой ситуации доверяет тому, что реально написано в задаче.
А K3.1 - нет, она держится за то, что сама когда-то запомнила. В 3-х задачах из 4-х так происходило в 100% попыток, тогда как другие модели послушно следовали новому условию в 96% случаев.
Авторы исследования предполагают, что причина в обучении модели на собственных попытках решения тех же самых бенчмарк-задач, где «учитель» в процессе тренировки имел доступ к скрытым критериям оценки.
Знание об этих критериях просочилось в саму модель, возможно, непреднамеренно, как побочный эффект метода обучения, а не как сознательный обман со стороны разработчиков.
Все данные.
Исследователи из R40 Research прогнали через стандартные бенчмарки свежую модель Kimi K3.1 от Moonshot AI и заметили, что
модель помнит то, чего ей не говорили.
Решая тестовые задачи, K3.1 в своих рассуждениях периодически ссылается на инструкции, которых в условии задачи физически нет, но которые точь-в-точь совпадают с критериями, по которым скрыто оценивается решение.
Самое показательное - когда исследователи немного изменили условие задачи так, чтобы оно прямо противоречило правилу, которое модель выдавала за инструкцию. Обычная модель в такой ситуации доверяет тому, что реально написано в задаче.
А K3.1 - нет, она держится за то, что сама когда-то запомнила. В 3-х задачах из 4-х так происходило в 100% попыток, тогда как другие модели послушно следовали новому условию в 96% случаев.
Авторы исследования предполагают, что причина в обучении модели на собственных попытках решения тех же самых бенчмарк-задач, где «учитель» в процессе тренировки имел доступ к скрытым критериям оценки.
Знание об этих критериях просочилось в саму модель, возможно, непреднамеренно, как побочный эффект метода обучения, а не как сознательный обман со стороны разработчиков.
Все данные.
😁10❤2🔥2💯2👍1
Свежий Демис Хассабис: самый опасный этап развития ИИ - это закрытый цикл рекурсивного самоулучшения(RSI)
Основатель DeepMind, Нобелевский лауреат считает, что уже сейчас ИИ сильно помогает людям в программировании, но человек всё ещё остаётся в процессе работы: проверяет код, принимает решения, контролирует процесс.
Но когда человек уйдет из этого процесса полностью, чтобы система сама предлагала улучшения, их внедряла и запускала обучение следующих версий, тогда процесс станет намного быстрее.
Именно это он считает очень рискованным путём к полному AGI по 2 причинам:
1. Может произойти взрыв интеллекта - это когда система может начать улучшать себя так быстро, что люди потеряют контроль над процессом.
2. Появится чужой интеллект - результат, скорее всего, будет сильно отличаться от человеческого мышления.
У нас не будет оснований полагать, что он окажется в похожем ментальном пространстве. Из-за этого будет трудно понять такую систему, а ей понять нас.
Хассабис говорит, что большинство ИИ-исследователей это понимают, но идёт жёсткая конкурентная гонка за улучшение систем для программирования, которые как раз и ускоряют путь к RSI. Поэтому нужно быть очень осторожными, приближаясь к закрытому циклу.
Основатель DeepMind, Нобелевский лауреат считает, что уже сейчас ИИ сильно помогает людям в программировании, но человек всё ещё остаётся в процессе работы: проверяет код, принимает решения, контролирует процесс.
Но когда человек уйдет из этого процесса полностью, чтобы система сама предлагала улучшения, их внедряла и запускала обучение следующих версий, тогда процесс станет намного быстрее.
Именно это он считает очень рискованным путём к полному AGI по 2 причинам:
1. Может произойти взрыв интеллекта - это когда система может начать улучшать себя так быстро, что люди потеряют контроль над процессом.
2. Появится чужой интеллект - результат, скорее всего, будет сильно отличаться от человеческого мышления.
У нас не будет оснований полагать, что он окажется в похожем ментальном пространстве. Из-за этого будет трудно понять такую систему, а ей понять нас.
Хассабис говорит, что большинство ИИ-исследователей это понимают, но идёт жёсткая конкурентная гонка за улучшение систем для программирования, которые как раз и ускоряют путь к RSI. Поэтому нужно быть очень осторожными, приближаясь к закрытому циклу.
YouTube
Google DeepMind's Demis Hassabis: How AI could become dangerous (with Reid Hoffman) | Summit '26
Google DeepMind co-founder and chair Demis Hassabis says the world is not ready yet for what’s next in AI. He joins Reid Hoffman to talk about how to effectively govern frontier AI, why a more diverse group of experts need a seat at the table, and more.
…
…
👍5❤2
Thinking Machines выпустили ИИ-модель, которая самостоятельно обучила другую модель
Бывшая команда OpenAI выпустила свою открытую ИИ-модель Inkling 2 Small, которой дали задачу - научить Qwen3.5-4B прогнозировать временные ряды.
Дальше Inkling 2 Small действовала одна: написала собственный скрипт оценки, нашла баг в нём же, перебрала несколько подходов к обучению (SFT, затем попытку RL - та оказалась неудачной, модель сама это заметила и откатилась), и в итоге сдала рабочий чекпойнт.
Заняло это 4,5 часа и $426 из выделенного бюджета в $500. Итоговая модель ошибается примерно на 15% меньше, чем необученная версия, на данных, которые видела впервые.
Надо отметить, что это постановочный бенчмарк, но интересно к чему все идет.
Сама модель Inkling 2 Small состоит из 594 млрд параметров, из которых 17 млрд активных, архитектура MoE. Веса откроют через неделю.
Модель отстает от DeepSeek-V4.1-Flash.
Бывшая команда OpenAI выпустила свою открытую ИИ-модель Inkling 2 Small, которой дали задачу - научить Qwen3.5-4B прогнозировать временные ряды.
Дальше Inkling 2 Small действовала одна: написала собственный скрипт оценки, нашла баг в нём же, перебрала несколько подходов к обучению (SFT, затем попытку RL - та оказалась неудачной, модель сама это заметила и откатилась), и в итоге сдала рабочий чекпойнт.
Заняло это 4,5 часа и $426 из выделенного бюджета в $500. Итоговая модель ошибается примерно на 15% меньше, чем необученная версия, на данных, которые видела впервые.
Надо отметить, что это постановочный бенчмарк, но интересно к чему все идет.
Сама модель Inkling 2 Small состоит из 594 млрд параметров, из которых 17 млрд активных, архитектура MoE. Веса откроют через неделю.
Модель отстает от DeepSeek-V4.1-Flash.
Thinking Machines Lab
Introducing Inkling 2 Small
Today we are introducing the second generation of Inkling models with the release of Inkling 2 Small.
❤🔥6❤2🔥2💯1
METR опубликовали отчет, как ИИ ускоряет собственную разработку в Anthropic, но из него вырезано много важной информации, которая показывает за счёт чего такой рост
METR говорят, что с августа по октябрь они работали с внутренними данными Anthropic и пришли к выводу, что по состоянию на октябрь, Anthropic улучшает возможности своих моделей ~ в 2 раза быстрее, чем в период с марта 2024 по октябрь 2025.
Аналитики METR уверены, что дело не в росте вычислительных мощностей для обучения. А вот использование ИИ в самой разработке ИИ, по их не очень уверенной оценке, даёт ~ 80% текущего ускорения.
Но подробности того, чем именно вызвано это ускорение, METR не пишет, так как их доклад редактировали сотрудники Anthropic.
Один из 7 сооснователей Anthropic, главный архитектор, Сэм Маккэндлиш сказал, что они многое вырезали из отчета, потому что иначе все увидели бы:
1. коммерчески чувствительную информацию,
2. выдали бы дорожную карту конкурентам.
Также он анонсировал, что в ближайшие недели выйдет собственный отчёт Anthropic о темпах прогресса ИИ.
В сообществе реакция на отчет была неоднозначной, часть критики методологическая, например, указывают на то, что METR смотрели только на внутренние метрики Anthropic и не учли, что часть ускорения, приписанного ИИ, на деле может быть эффектом разросшегося внешнего рынка инфраструктуры для обучения моделей - рынка, который сами лаборатории профинансировали своими деньгами.
METR говорят, что с августа по октябрь они работали с внутренними данными Anthropic и пришли к выводу, что по состоянию на октябрь, Anthropic улучшает возможности своих моделей ~ в 2 раза быстрее, чем в период с марта 2024 по октябрь 2025.
Аналитики METR уверены, что дело не в росте вычислительных мощностей для обучения. А вот использование ИИ в самой разработке ИИ, по их не очень уверенной оценке, даёт ~ 80% текущего ускорения.
Но подробности того, чем именно вызвано это ускорение, METR не пишет, так как их доклад редактировали сотрудники Anthropic.
Один из 7 сооснователей Anthropic, главный архитектор, Сэм Маккэндлиш сказал, что они многое вырезали из отчета, потому что иначе все увидели бы:
1. коммерчески чувствительную информацию,
2. выдали бы дорожную карту конкурентам.
Также он анонсировал, что в ближайшие недели выйдет собственный отчёт Anthropic о темпах прогресса ИИ.
В сообществе реакция на отчет была неоднозначной, часть критики методологическая, например, указывают на то, что METR смотрели только на внутренние метрики Anthropic и не учли, что часть ускорения, приписанного ИИ, на деле может быть эффектом разросшегося внешнего рынка инфраструктуры для обучения моделей - рынка, который сами лаборатории профинансировали своими деньгами.
metr.org
Independent Assessment of AI R&D Acceleration at Anthropic in October 2026
METR's high-access assessment of the degree to which AI is accelerating AI research and development at Anthropic.
👍5❤3🔥2💯1
Китайский стартап представил ИИ-модель для роботов, обученную на 2,2 млн часов человеческого опыта, а не на данных с самого робота
Китайский стартап LiberAI выпустил модель Liber-0, которая училась на 2.2 млн часов видео, как люди обычными руками открывают, складывают, наливают, застёгивают вещи.
Но проблема в том, что видео с людьми само по себе роботу почти бесполезно, так как:
1. Тело другое,
2. камера смотрит иначе,
3. а главное - по видео невозможно точно понять, что физически делает рука, где давление, какой угол, какая траектория.
Чтобы закрыть эту проблему, LiberAI решает задачу одновременно как со стороны данных, так и со стороны самого робота с помощью перчатки и робота LEO.
Перчатка с датчиками фиксирует точные движения руки, а LEO - робот с телом, на которое это движение естественно ложится.
В результате на 60 новых задачах, которые модель никогда не видела на роботе, она справилась в 36% случаев.
И ещё один важный вывод из их экспериментов - не объём данных решает, а их разнообразие.
Модель, обученная на записях от 100 разных людей, училась переносить движение на робота почти втрое лучше, чем модель с тем же числом эпизодов, но от одного человека.
Китайский стартап LiberAI выпустил модель Liber-0, которая училась на 2.2 млн часов видео, как люди обычными руками открывают, складывают, наливают, застёгивают вещи.
Но проблема в том, что видео с людьми само по себе роботу почти бесполезно, так как:
1. Тело другое,
2. камера смотрит иначе,
3. а главное - по видео невозможно точно понять, что физически делает рука, где давление, какой угол, какая траектория.
Чтобы закрыть эту проблему, LiberAI решает задачу одновременно как со стороны данных, так и со стороны самого робота с помощью перчатки и робота LEO.
Перчатка с датчиками фиксирует точные движения руки, а LEO - робот с телом, на которое это движение естественно ложится.
В результате на 60 новых задачах, которые модель никогда не видела на роботе, она справилась в 36% случаев.
И ещё один важный вывод из их экспериментов - не объём данных решает, а их разнообразие.
Модель, обученная на записях от 100 разных людей, училась переносить движение на робота почти втрое лучше, чем модель с тем же числом эпизодов, но от одного человека.
Liberai
Liber-0: Emergent Zero-Shot Capabilities in Multi-Step Manipulation from 2.2 Million-Hour Human Experience
A World Action Model pretrained on over 2.2 million hours of human experience.
👍2
Итоги уходящей недели - то, что имеет значение
Бизнес ИИ- компаний
Карта рынка KYA(знай своего агента)
Большой анализ рынка данных для ИИ-моделей. Данные для моделей теперь относят к новой структуре капитала.
Отчет: почему многие пошли в биотех создавать проекты.
ИИ-агентам начинают платить за продажи. Разбор рынка платежей.
На чем платформы ИИ-агентов будут зарабатывать.
Скрытый налог на ИИ-агентов - кто на этом заработает.
Тренд 2027. Будущее коммерции агентов.
Платежи ИИ-агентов: за что сейчас идёт борьба? Разбор тут.
Новая финансовая инфраструктура для ИИ-агентов.
Карта рынка ИИ в клиентском сервисе: куда уходит маржа
Вышла платформа, которая выступает закупщиком для экономики ИИ-агентов
Экономика выбора ИИ-агентов.
6 драйверов, которые влияют на коммерцию ИИ-агентов. Отчет.
Магазин для ИИ-агентов: зачем они нужны, разбор тут.
ИИ-агенты и DeFi, кто будет управлять капиталом - отчет.
ИИ-агентам теперь выдают кредиты на покупки.
Кейс: как ИИ-агенты строит бизнес с человеком
Закрытое письмо одного из влиятельных венчурных фондов. Куда теперь пойдут деньги?
Открытая платформа персональных ИИ-агентов для бизнеса.
Кто станет резервным фондом всего стейблкоинового мира, разбираем здесь.
Теперь можно монетизировать трафик от ваших ИИ-агентов. Инструмент и не только здесь.
Появилась схема как реклама может быть встроена в ИИ-модель
ИИ-модели и агенты
Anthropic запустил персонального помощника по финансам
DeepSeek представил архитектуру супер агента, который работает как коллега
Вышла модель Sage2, её дистрибуция идёт через NEAR AI, оплата картами Stripe и стейблкоинами.
Ян Лекун показал, что ИИ учится пониманию мира не размером модели, а правильно подобранными парами данных.
Anthropic говорит, что ИИ-агента можно отравить, подмешав всего 0.1% вредоносных данных ещё на этапе претрейнинга.
Thinking Machines выпустили модель, которая самостоятельно обучила другую модель.
METR опубликовали отчёт о том, как ИИ уже ускоряет разработку внутри Anthropic.
Исследователи заподозрили Kimi K3.1 в обучении на задачах бенчмарков с доступом к скрытым критериям оценки
Демис Хассабис, DeepMind: самый опасный этап развития ИИ - закрытый цикл рекурсивного самоулучшения
Новые модели Anthropic и OpenAI научились читать и писать веса других моделей
Роботы
Китайский стартап представил модель для роботов, обученную на 2,2 млн часов человеческого опыта
uni-robot-agent - единый харнесс для Robot-Use Agents.
Наука и медицина
Стэнфорд, запрещенный в РФ, создаёт ИИ-модель человеческого мозга.
Google обучили Gemini вести первичный психиатрический опрос пациента через RL в симуляции.
Axiom формализовали весь Stacks Project - 16 млн строк критической инфраструктуры современной математики, с оптимизацией кода и сохранением структуры связей.
Инфраструктура и инструменты
Anthropic выпустили ZK-пруфы для LLM, а Виталик Бутерин заявил о приближении ZKP-сингулярности.
Теперь свой датасет из миллионов статей можно собрать за пару минут.
Hyperstition создали Hyperkernel, который пишет GPU код и уже обходит SOTA.
Бизнес, регулирование, общество
Абу-Даби подписали 4 соглашения с OpenAI, пытаясь стать 1-м AI-native правительством https://t.me/blockchainRF/13567
Goldman Sachs ограничил использование ИИ банкирами, параллельно инженер Anthropic предупреждает о риске когнитивной капитуляции https://t.me/blockchainRF/13570
Google столкнулся с критикой родителей и учителей из-за внедрения ИИ в школах https://t.me/blockchainRF/13578
Отчёт Menlo Ventures: ИИ-индустрия топчется в программировании и не может зайти в другие отрасли https://t.me/blockchainRF/13579
Google запустили PlanAssist, который помогает чиновникам UK ускорять согласование строительства по всей стране https://t.me/alwebbci/4578
Присоединяйтесь к нам на Patreon https://www.patreon.com/Blockchainrf?utm_campaign=creatorshare_creator
Бизнес ИИ- компаний
Карта рынка KYA(знай своего агента)
Большой анализ рынка данных для ИИ-моделей. Данные для моделей теперь относят к новой структуре капитала.
Отчет: почему многие пошли в биотех создавать проекты.
ИИ-агентам начинают платить за продажи. Разбор рынка платежей.
На чем платформы ИИ-агентов будут зарабатывать.
Скрытый налог на ИИ-агентов - кто на этом заработает.
Тренд 2027. Будущее коммерции агентов.
Платежи ИИ-агентов: за что сейчас идёт борьба? Разбор тут.
Новая финансовая инфраструктура для ИИ-агентов.
Карта рынка ИИ в клиентском сервисе: куда уходит маржа
Вышла платформа, которая выступает закупщиком для экономики ИИ-агентов
Экономика выбора ИИ-агентов.
6 драйверов, которые влияют на коммерцию ИИ-агентов. Отчет.
Магазин для ИИ-агентов: зачем они нужны, разбор тут.
ИИ-агенты и DeFi, кто будет управлять капиталом - отчет.
ИИ-агентам теперь выдают кредиты на покупки.
Кейс: как ИИ-агенты строит бизнес с человеком
Закрытое письмо одного из влиятельных венчурных фондов. Куда теперь пойдут деньги?
Открытая платформа персональных ИИ-агентов для бизнеса.
Кто станет резервным фондом всего стейблкоинового мира, разбираем здесь.
Теперь можно монетизировать трафик от ваших ИИ-агентов. Инструмент и не только здесь.
Появилась схема как реклама может быть встроена в ИИ-модель
ИИ-модели и агенты
Anthropic запустил персонального помощника по финансам
DeepSeek представил архитектуру супер агента, который работает как коллега
Вышла модель Sage2, её дистрибуция идёт через NEAR AI, оплата картами Stripe и стейблкоинами.
Ян Лекун показал, что ИИ учится пониманию мира не размером модели, а правильно подобранными парами данных.
Anthropic говорит, что ИИ-агента можно отравить, подмешав всего 0.1% вредоносных данных ещё на этапе претрейнинга.
Thinking Machines выпустили модель, которая самостоятельно обучила другую модель.
METR опубликовали отчёт о том, как ИИ уже ускоряет разработку внутри Anthropic.
Исследователи заподозрили Kimi K3.1 в обучении на задачах бенчмарков с доступом к скрытым критериям оценки
Демис Хассабис, DeepMind: самый опасный этап развития ИИ - закрытый цикл рекурсивного самоулучшения
Новые модели Anthropic и OpenAI научились читать и писать веса других моделей
Роботы
Китайский стартап представил модель для роботов, обученную на 2,2 млн часов человеческого опыта
uni-robot-agent - единый харнесс для Robot-Use Agents.
Наука и медицина
Стэнфорд, запрещенный в РФ, создаёт ИИ-модель человеческого мозга.
Google обучили Gemini вести первичный психиатрический опрос пациента через RL в симуляции.
Axiom формализовали весь Stacks Project - 16 млн строк критической инфраструктуры современной математики, с оптимизацией кода и сохранением структуры связей.
Инфраструктура и инструменты
Anthropic выпустили ZK-пруфы для LLM, а Виталик Бутерин заявил о приближении ZKP-сингулярности.
Теперь свой датасет из миллионов статей можно собрать за пару минут.
Hyperstition создали Hyperkernel, который пишет GPU код и уже обходит SOTA.
Бизнес, регулирование, общество
Абу-Даби подписали 4 соглашения с OpenAI, пытаясь стать 1-м AI-native правительством https://t.me/blockchainRF/13567
Goldman Sachs ограничил использование ИИ банкирами, параллельно инженер Anthropic предупреждает о риске когнитивной капитуляции https://t.me/blockchainRF/13570
Google столкнулся с критикой родителей и учителей из-за внедрения ИИ в школах https://t.me/blockchainRF/13578
Отчёт Menlo Ventures: ИИ-индустрия топчется в программировании и не может зайти в другие отрасли https://t.me/blockchainRF/13579
Google запустили PlanAssist, который помогает чиновникам UK ускорять согласование строительства по всей стране https://t.me/alwebbci/4578
Присоединяйтесь к нам на Patreon https://www.patreon.com/Blockchainrf?utm_campaign=creatorshare_creator
❤4
У Nvidia китайская проблема: выяснилось, что Alibaba закупала чипы Nvidia через сингапурскую компанию, чей топ-менеджер была в романтических отношениях с Дженсеном Хуангом, СЕО Nvidia
А сейчас против Хуанга началось расследование внутри компании и на уровне национальной безопасности США.
Последние несколько дней идет обсуждение этого скандала, которое вскрыло, что по данным аналитиков Culper Research, Alibaba финансировала сингапурскую компанию Megaspeed - одного из крупнейших покупателей чипов Nvidia в Юго-Восточной Азии.
Через Megaspeed и связанные с ней структуры за короткий период прошли миллиарды долларов.
Топ-менеджер Megaspeed Элис Хуанг при этом состояла в романтических отношениях с Дженсеном Хуангом.
Он подтвердил это вчера в письме сотрудникам Nvidia и извинился, а разведка США считает, что Элис была шпионом и через эти отношения могла влиять на CEO Nvidia.
Сейчас это дело расследуют в самой Nvidia, и если найдут новые подробности, то Хуанга могут отстранить от должности.
На этом фоне в ночь с воскресенья на понедельник акции Nvidia просели ~ на 3,4–4% , а индустрия задается вопросом, а кому этот скандал на руку?
А сейчас против Хуанга началось расследование внутри компании и на уровне национальной безопасности США.
Последние несколько дней идет обсуждение этого скандала, которое вскрыло, что по данным аналитиков Culper Research, Alibaba финансировала сингапурскую компанию Megaspeed - одного из крупнейших покупателей чипов Nvidia в Юго-Восточной Азии.
Через Megaspeed и связанные с ней структуры за короткий период прошли миллиарды долларов.
Топ-менеджер Megaspeed Элис Хуанг при этом состояла в романтических отношениях с Дженсеном Хуангом.
Он подтвердил это вчера в письме сотрудникам Nvidia и извинился, а разведка США считает, что Элис была шпионом и через эти отношения могла влиять на CEO Nvidia.
Сейчас это дело расследуют в самой Nvidia, и если найдут новые подробности, то Хуанга могут отстранить от должности.
На этом фоне в ночь с воскресенья на понедельник акции Nvidia просели ~ на 3,4–4% , а индустрия задается вопросом, а кому этот скандал на руку?
CNBC
Read Huang's email to his staff and statement from Nvidia's board of directors
Here is the text of a staff email from Huang obtained by CNBC and a statement released Sunday about the investigation from Nvidia's board of directors.
🌚6🤣1