Внутренняя модель OpenAI Astra решила 10 открытых математических задач. Некоторым из них было по 40-50 лет.

OpenAI только что сделали про это большой пост, выложили все доказательства в Lean и ход рассуждений модели. Суммарно на поиск решений ушло токенов примерно на $2000 по ценам Sol.

Пост | Доказательства

Среди результатов, в том числе, доказательство существования несофических групп и sphere packing в высоких размерностях.

Существование несофических групп на протяжении 20 лет было центральным вопросов теории групп и операторных алгебр. А упаковка сфер – это одна из самых знаменитых задач дискретной геометрии. До сих пор точное решение было известно только в некоторых размерностях, а за 8-мерный и 24-мерный случай Марина Вязовская получила Филдсовскую медаль.

Кроме того, в списке решение задачи Эрдеша №183 про мультицветные числа Рамсея, опровержение гипотезы жесткости Конна, гипотеза Эрхарта об объеме и др.

Про саму модель деталей мало. Вероятно, это крупная модель из семейства GPT-6 (или GPT-5.7), та самая, которая взломала HuggingFace. Судя по всему, именно ее Альтман презентовал в Белом Доме на этой неделе.

А почему Anthropic до сих пор не заявили, что Qwen 3.8 это дистилляция из Fable?

На ИТ-Пикнике в этом году лектории в 8 шатрах выглядят как миникарта того, куда движется современный ИТ: от инженерной продуктивности и данных до генеративного ИИ, кибербезопасности и технологий в промышленности. В этом году организаторы обещают разбор «глубоких» тем — архитектура, инфраструктура, экономика проектов и реальные ограничения.

Составили навигатор по самым хардкорным трекам.

• Генеративный ИИ – разбор экономики LLM и GenAI‑проектов, моделей монетизации AI‑фич, архитектуры современных генеративных моделей, AI‑агентов и инференса нескольких LLM на одной GPU. Пожалуй, самый прикладной трек фестиваля и сильные спикеры из Яндекса, Сбера, Т-Банка, VK, Airi и Россельхозбанка.
• От данных к решениям – трек для тех, кто любит, когда данные не просто «лежат в DWH», а превращаются в продукт, метрику и управленческое решение. Ребята из Т-Банка расскажут про опыт масштабирования ИИ-сотрудников, Авиасейлс – про переход на платформенные решения для сотрудников.
• Кибербезопасность – будет свежий разбор «кто кого ломал» от Касперского, моделирование сценариев будущего с футурологом и экспертами по кибербезу из Яндекса и Т-Банка, а также очень прикладные истории, например, кибербезопасность протезов нового поколения.
• Инженерная продуктивность – можно сравнить метрики, которые используют бигтехи со своими, обсудить с CTO Авито, Т-Банка, Контура. Трек будет полезен для инженеров, тимлидов и платформенных команд, которым нужно замерять результаты AI в SDLC.
• Бигтех в каске – отдельный блок про технологии в промышленности с Норникелем, Гринатомом, S7 TechLab и Т-Банком: от широких дискуссий по последней человеческой задаче до конкретных обсуждений безлюдных технологий подземной горной добычи.
• Продукты от и до – про внутрянку сервисов расскажут Авто.ру, Дринкит, Яндекс Карты, Okko, Mail и Unidraw.

OpenAI: мы взломали одну организацию
Anthropic: ха, мы взломали три

OpenAI: мы решили 10 открытых математических задач
Anthropic: мы решили половину из них за сутки с Fable

*это не шутка, инженер из Anthropic действительно спустя день после статьи OpenAI заявил, что Fable с ходу решил половину из перечисленных задач без доступа в Интернет*

В Yandex AI Studio появился анализ поведения ИИ-агентов

Теперь в AI Studio можно анализировать поведение ИИ-агентов с помощью Monium Traces — данные отображаются в интерфейсе, адаптированном под большие тексты и специфику LLM.

Главная проблема агентных систем в том, что классический мониторинг здесь почти бесполезен. Все метрики могут быть «зелеными», но агент при этом выберет не тот инструмент, потеряет контекст или вообще уйдет в бесконечный цикл. Чтобы понять, где именно все пошло не так, нужно видеть не только код, а всю цепочку принятия решений.

Трейсы являются одним из ключевых сигналов для observability ИИ-агентов, показывая полный путь выполнения агента, вызовы инструментов, ответы модели, системные и пользовательские промпты, а также контекст каждого шага. По сути, можно посмотреть, как агент «думал» перед тем, как выдать результат.

Если уже собираете ИИ-агентов или только планируете их внедрять, самое время протестировать обновление. Когда видно всю цепочку принятия решений, искать причины ошибок становится в разы быстрее!

Поностальгируем по классическому ML?

OpenAI ответили на обвинения Apple в шпионаже

Напомним контекст: Apple подала иск против OpenAI, обвинив бывших сотрудников Chang Liu и Tang Tan в краже конфиденциальной информации после перехода в новую компанию (в частности, в отделение, которое занимается разработкой гаджетов). Мы уже писали об этом иске: https://t.me/data_secrets/9533.

Теперь OpenAI выпустили ответный пост, и тон у него скорее раздраженный.

По срокам все оказалось прозаичнее, чем в иске: письмо якобы «оставленное без ответа» в феврале юристы Apple просто отправили… не туда, перепутав двух сотрудников с похожими азиатскими фамилиями (лол), а разговор с юрисконсультом OpenAI, на который ссылалась Apple, вообще оказывается не состоялся. После короткой переписки Apple просто замолчали на пол года, а потом сразу подали иск.

А по сохраненным доступам у одного из сотрудников ситуация вообще смешная: оказывается, доступ к файлам после увольнения он получил по просьбе бывших коллег, которые сами просили помочь с проектом. OpenAI даже прилагает переписку. По второму сотруднику доказательств у Apple никаких нет, и сам он утверждает, что обвинения полностью надуманы (на секундочку, он проработал у Кука 20+ лет).

https://openai.com/index/apple-is-getting-this-wrong/

Соревнования на Kaggle 5 лет назад: вручную собери мультимодальный датасет на 50 гигабайт, обучи ансамбль бустингов, зафайнтюнь ResNet под кастомную аугментацию, выжми 0.0001 AUC стекингом

Соревнования на Kaggle сейчас: сделай агента, который будет доить виртуальную корову 🧑‍🌾