Небольшой график прохождения разных моделей OpenAI бенчмарка ARC о котором я выше писал

А помните, пару месяцев назад, ряд медиа написало статьи про «стену» в которую уперлись LLM-модели, на основе слуха и твита какого-то чела?

А эта стена сейчас с нами, в этой комнате?

_______
Источник | #denissexy

____________________________

Да, о3-о4-о5 по большей части автоматизируют разработку и любую работу, которая не требует физического присутствия, типа продаж, инфлюенсеров, маркетинга, финансов и чего угодно другого, что можно решить генерируя неотличимый от человека аватар в зуме и симулируя нажатия на кнопки клавиатуры.

С этим мы за последние 2 года как-то смирились (хотя и не все готовы 😆), НО для меня самым впечатляющим результатом о3 остается Frontier Math. Чтобы понять почему можно посмотреть бумагу самого бенчмарка.

Общее распределение задач примерно такое:
25% - задачи уровня международных олимпиад
50% - задачи экспертного университетского уровня
25% - исследовательские задачи уровня кандидаткой или докторской работы.

Пока что о3 решает только 25.5% (каких - не ясно), но прогресс случился в разы быстрее, чем предполагали многие.

А важно это потому что такого рода задачи, в отличии от написания кода, это про новую науку и новые открытия, что приведет не просто к автоматизации и удешевлению, а к качественному переизобретению многих вещей. В том числе, пусть и не сразу, но и систем координации.

Эффективная акселерация (e/acc) происходит прямо на наших глазах и первая производная растёт.

_______
Источник | #cryptoEssay
@F_S_C_P

Стань спонсором!

А теперь чуть серьезнее тема — мне, как и многим, в последнее время стало сильно интересно, «а как же падают империи»?

Ну, то есть, вот приходите вы в банк, просите денег в кредит, и банк начинает «скоринг» — пытаясь оценить вас как человека, насколько вы в целом перспективный и склонны зафейлится по жизни.

Я подумал, что наверное, такой же процесс можно применить и к империям которые уже известны истории и которые пали / прошли реформацию — что если попробовать выделить, какие заметные признаки падения империи бывают и сколько длился такой период перед реформацией/падением?

Сразу оговорюсь, что это все невозможно сделать, если не попробовать упростить исторические периоды, поэтому «сколько лет длился упадок» следует воспринимать как мою интерпретацию, а не как истину в последней инстанции — я попробовал выделить периоды когда ухудшение качества жизни в империи было заметно ее соотечественникам.

В итоге, получились такие признаки (по ссылке есть пояснения к каждому):
— Опираться на прошлое величие
— Институциональный упадок
— Агрессивная внешняя риторика aka «Движуха»
— Коррупция элит / Отрыв элит
— Разрушение общественного договора
— Экономический застой
— Слабая адаптация к мировым нормам
— Демографическая нестабильность
— Частые военные поражения
— Экологические и климатические потрясения
— Культурная фрагментация и идеологический вакуум

Дальше я предположил, что каждый признак по-разному влияет на скорость падения империи, попробовал сделать на основе таблицы простенький график, где видно сколько лет в каком состоянии прибывала империя до того как прекратила существования или сильно изменилась: на первом месте оказались «Экологические и климатические потрясения» — что логично, от порядка до анархии дистанция примерно в 6 приемов пищи, неурожаи и голод очень сильно влияют на любую страну, и историческая медиана ~40 лет в этом состоянии.

На втором месте — «Риторика прошлого величия», когда империя в основном фокусируется в коммуникации на том как «хорошо было», и «какой мы великий народ потому что когда-то X сделали Y» — это явный индикатор того, что нового предложить нечего, деградация всех процессов привела к тому, что ностальгия становится главным рупором пропаганды — медиана империй которые прошли через это примерно ~48 лет.

Еще интересное наблюдение, что чем новее история, тем быстрее все процессы деградации идут — СССР находился ~13.5 лет в самой активной фазе своего падения, если судить по признакам, что я выделил.

Если кликните на кол-во лет в таблице, то увидите источники по каждой империи.

В общем, вот таблица:
🖥 shir-man.com

Относиться к ней нужно со скепсисом как и ко всему в плане истории, но нам точно известно много империй которые уже не существуют – признаки их падения, и методы замедления падения – интересно изучать

_______
Источник | #denissexy
@F_S_C_P

▪️Генерируй картинки в боте:
Flux + MidJourney

Использовал самый дорогой и сложный АИ из доступных для анализа профайла колобка (o1 Pro) – если коротко, с колобком не дейтимся ❌

Ниже список основных черт и характеристик Колобка, рассматриваемых с точки зрения психологического профайла и выявления «красных флагов» в дейтинге и по жизни:

1. Стремление к побегу от обязательств
– Постоянно «убегает» от тех, с кем вступает в контакт, вместо того чтобы решать возникающие проблемы.
– Демонстрирует инфантильность и неготовность к серьёзным отношениям.

2. Поверхностный подход к общению
– Колобок быстро «знакомится» с новыми персонажами, но не задерживается надолго ни с кем.
– Отсутствие глубины в коммуникациях говорит о нежелании или неспособности строить доверительные отношения.

3. Избыточная самоуверенность
– Постоянно хвастается собственной уникальностью (своим происхождением и «удачей», что ему удалось сбежать).
– Использует самовосхваление как способ снискать симпатию, но в реальности выглядит самовлюблённым.

4. Нарушение личных границ
– Может появиться в жизни собеседника внезапно (как «покатился мимо») и также внезапно исчезнуть, оставляя людей в растерянности.
– Подобное «дальше-ближе» поведение часто вызывает эмоциональное напряжение в отношениях.

5. Манипулятивные черты
– Песенки и лесть (рассказы о собственной значимости) применяет как инструмент, чтобы усыпить бдительность собеседника.
– Использует обаяние и лёгкость на подъём, чтобы заслужить доверие, но не несёт никакой ответственности.

6. Отсутствие эмпатии
– Колобка не волнует, как чувствуют себя оставленные им «партнёры» (Заяц, Волк, Медведь).
– Склонен игнорировать чувства окружающих, фокусируясь лишь на собственном «приключении».

7. Импульсивность и отсутствие плана
– Действует спонтанно, без продуманной стратегии на будущее.
– В романтических отношениях такая непредсказуемость способна создавать нестабильность.

8. Высокая внушаемость
– Несмотря на браваду, Колобок легко поддаётся на комплименты и хитрые уловки (пример: Лиса его в итоге «заговорила»).
– На практике оказывается уязвимым к более «хитрым» стратегиям партнеров.

9. Пренебрежение безопасностью
– Беспечно относился к рискам, которые сопряжены со встречами с потенциально опасными собеседниками (Волк, Медведь, Лиса).
– В реальной жизни подобное поведение может вести к опасным последствиям, особенно в сфере знакомств.

10. Непрожитые эмоции и нежелание учиться на ошибках

– Колобок при каждой новой встрече повторяет тот же паттерн: заводит разговор, хвастается, бежит дальше.
– Отсутствие «урока» из прошлого опыта говорит о том, что развитие личности «застряло» на уровне импульсивного беглеца.

В совокупности эти черты указывают на трудности Колобка в установлении стабильных отношений, склонность к эскапизму, манипуляциям и эмоциональной незрелости. С точки зрения дейтинга (и жизни вообще), это красные флаги, на которые стоит обратить внимание, поскольку демонстрируют нестабильный характер, незрелость и безответственность.

Колобку – дизреспект ?

_______
Источник | #denissexy
#пятничное ?
@F_S_C_P

-------
Секретики!
-------

Наткнулся на новый ресеч:

АИ-фишинговые письма, написанные с помощью АИ – очень эффективны: более 50% получателей переходят по вредоносным ссылкам

Использование LLM позволяет упростить и ускорить создание подобных писем, находить личную информацию о жертве и формулировать письма так, чтобы они выглядели правдоподобно и убеждали пользователя кликнуть по ссылке. При этом, эффективной защиты пока все еще нет; поэтому бдительно вчитываемся в поле from у писем, даже если оно написано будто под вас

¯\_(ツ)_/¯
_______
Источник | #denissexy
#хроникицифровизации
@F_S_C_P

-------
Секретики!
-------

А если спросите, чего я там программирую:
То в выходные закончил эту штуку – shir-man.com

Полезна она для всяких контент креаторов или веб-предпринимателей

Читатели всегда остро реагируют, когда закидываешь в канал какое-то непожатое видео на 200 Мб (😘 ), а это муторная операция, потому что мир видео кодеков проклят и настроек там миллионы – я это решил сделав одну классную команду которую я постоянно дергаю на маке

Но на Windows у меня ничего не настроено кроме игр и нейронок, а иногда хочется быстро пожать какое-то видео и залить в канал, и как всегда, все сайты завалены рекламой или настройками конвертации, регистрацией и тп

Короче, по ссылке выше, вынес свои команды которые использую в бизнесе или ведении канала постоянно:

➡️ пожать любую видео или даже гифку в нормальный mp4, с лучшим балансом качество-размер
➡️ пожать видео в нормальный формат, чтобы встроить на сайт и везде работало, и гугл не писимизировал в выдаче
➡️ сделать гифку вменяемого размера из видео
➡️ удалить куски тишины в видео (медленно работает)

Буду добавлять со временем новые пресеты (или не буду)

🔒 Файлы, как водится, не покидают вкладку браузера

🔨 И нет, я все еще не умею программировать – я знаю как работает софт, как он должен выглядеть и как устроен условный linux сервер, но я смотрю на этот JavaScript как на древне-арамейский – не для JavaScript меня мама родила 🤨

_______
Источник | #denissexy
@F_S_C_P

▪️Генерируй картинки в боте:
Flux + MidJourney

Попросил o1 Pro сделать непопулярное мнение на основе научных данных – чтож, циник из нее вышел бы отменный:

Отбросьте все нарядные слова — “любовь”, “справедливость”, “эмпатию” — и вы увидите планетарную свалку организмов, которые просто стремятся размножаться и выживать.

Ваш интеллект — всего лишь инструмент для более тонкой манипуляции миром, а так называемая “мораль” — это заплатка культурного кода, придуманная для совместного существования. Ни одна космическая сила не обязана одарять вас справедливостью — вы лишь частица материи во Вселенной, и Вселенная даже не замечает ваше присутствие.

Жизнь вам ничего не должна, и чем быстрее вы это поймёте, тем эффективнее сможете использовать те скромные шансы, которые у вас есть

🥲

_______
Источник | #denissexy
@F_S_C_P

-------
Секретики!
-------

Так, PDF с тетрисом видели, теперь играем в Doom через PDF файл:
doompdf.pages.dev
_______
Источник | #denissexy
#пятничное ?
@F_S_C_P

Стань спонсором!

Ресечеры смогли сделать модель АИ на базе трансформеров, которая смотрит данные МРТ-сканирования мозга и предсказывает как мозг будет работать в следующие 5 секунд ☕️

То есть алгоритм «читает» 30 кадров сканирования мозга (примерно ~21 секунды данных), а затем выдает свой прогноз – какой будет активность на следующих кадрах, в будущем. Первые секунды модель предсказывает с очень большой точностью — совпадение с реально полученным данными выше 85%

Для чего пригодится алгоритм:
– Чтобы обыграть нас как дешевок

– Более короткие сессии МРТ – пациенту не надо долго лежать в трубе томографа, если часть данных можно «дорисовать» алгоритмом

– Предупреждение об опасных состояниях – например, при подозрении на скорый эпилептический приступ

– Усовершенствование нейроинтерфейсов (BCI), которые считывают сигналы мозга и позволяют управлять внешними устройствами. Если система будет знать чуть вперёд, она может реагировать быстрее

– «Персонализированный» АИ, который подстраивается под настроение или состояние человека, реагируя на меняющиеся сигналы мозга

– ну и ученые смогут глубже понять, как мозг «предвосхищает» будущее и какие внутренние нейронки мозга при этом активируются

Исследование тут

Tldr: кожаные предсказуемые

_______
Источник | #denissexy
@F_S_C_P

-------
Секретики!
-------

Придумал новый промптинг подход для o1, o1 Pro, r1 серий моделей, который в последнее время все чаще использую — с Sonnet 3.5/GPT 4o такой подход особых результатов не давал, так как они просто оценки выдумывают не рассуждая внутри

Само-скоринг через разные сообщения:

1. Получите первую версию ответа от LLM
2. Напишите ей в стиле «Оцени качество своего ответа от 1 до 100, где 100 максимальное качество»
3. После ее оценки, она обычно ставит себе 60-70 очков, оправьте ей «Перепиши изначальное решение задачи так, чтобы оно отражало 99-100 очков качества»
4. Поздравляю, вы хакер слов

Само-скоринг в виде одного сообщения:

Или, можно в виде одного сообщения, для чего-то короткого — вот пример для шутки (хотя все LLM сейчас слабы в юморе):

1. Напиши шутку
2. Оцени написанное от 1 до 100, где 100 — самая смешная шутка
3. Перепиши если полученное в пункте «1» не равно 99 или 100
4. Повторяй, пока не дойдешь до 99 или 100

Попробуйте, клево работает – модель как минимум в два раза дольше думает, что дает буст качеству


P.S. Шутка (или как это еще назвать) от r1:

Почему философ-экзистенциалист провалил экзамен по теории струн?
Потому что на вопрос «В чём смысл?» он ответил: «В чём не смысл?», а затем попытался доказать, что само понятие «струны» — это социальный конструкт, не учитывающий 11-мерную тоску бытия.

И шутка(?) от o1 Pro:

Архимед однажды сказал Оккаму: «Если бы я знал твой принцип раньше, я бы не кричал «Эврика!» дважды — обошёлся бы одним «Ура!»

🤡

_______
Источник | #denissexy
@F_S_C_P

▪️Генерируй картинки в боте:
Flux + MidJourney

И я напомню, r1, o1 и все думающие модели, нужно промптить иначе:
www.latent.space

Потому что это больше генератор отчета, чем чат-сообщения

Ну, для максимально эффективного использования

_______
Источник | #denissexy
@F_S_C_P

Стань спонсором!

+---------------------+
| ~ ~ Paper-Fi ~ ~ |
+---------------------+

Обновил свой старый эксперимент где совмещал научные пейперы и художественную литературу – в этот раз с Deep Research и o3:

Погружаемся к ядру Юпитера, потому что он страшный как 👁👁👁👁👁

Ссылка

_______
Источник | #denissexy
@F_S_C_P

Узнай судьбу картами Таро:
✨Anna Taro bot

ChatGPT Deep research после дня тестов:

— Отчеты действительно качественные и 100 запросов для Pro в месяц могут даже закончится — я уже потратил 15

— Deep research сам понимает когда ссылка имеет мало ценности и может ее не включить в отчет, даже если нашел

— Мгновенная ценность для бизнеса: за 10 минут получил полный отчет конкурентов, сильной и слабой стороны neural.love, рекомендации как поступить — и он правда угадал почти по всем пунктам, процитировав те направления развития которые мы и так уже развиваем; я теперь туда буду носить все что требует проработки на уровне бизнеса

— Статьи правда большие: ради интереса заказал на английском про общество и рабочие места после AGI — вышло примерно 30 минут если перегнать в аудио

— По наполнению сгенерированная статья полностью покрывает заданную тему: перед началом подготовки отчета, Deep research уточнит детали которые считает нужными – при этом вы можете давать сложные инструкции, оно будет следовать

— Это все еще нейронка и она может ошибиться, поэтому сложные темы за ней нужно проверять; я пока не встречал такую ошибку в сферах в которых разбираюсь, но мне кажется важно про это упомянуть

— Уверен, люди будут очень много использовать Deep research в медицинских целях — будут искать решения на основе доказательной медицины конкретно под себя и историю болезни

В общем, скоро это добавят в Plus план где будет 10 запросов в месяц — мой совет не тратить их сразу на глупости, а подумать, есть ли в жизни что-то важное настолько, что хотелось бы качественно решить — Deep research правда ценный продукт, и может помочь и вам, и близким

P.S. Я пользовался всеми возможными популярными и отрытыми агентскими системами которые были до Deep research для поиска данных в интернете, какие-то делал сам ради экспериментов – у OpenAI получился очень качественный инструмент уровень которого я пока не встречал

_______
Источник | #denissexy
@F_S_C_P

▪️Генерируй картинки в боте:
Flux + MidJourney

Наткнулся на классное видео того года – болезнь Паркинсона до применения препарата Produodopa и после

Очень нравится текущее время еще тем, что на глазах исчезают и будут исчезать страшные болезни, так им 😐

_______
Источник | #denissexy
@F_S_C_P

Стань спонсором!

Люблю такое – атлас важных технологий с 1500 года

По категориям, с картинками, можно залипнуть:
https://calculatingempires.net/

_______
Источник | #denissexy
@F_S_C_P

Стань спонсором!

Сделал простой гайд какие модели когда использовать в ChatGPT:

GPT-4o mini – лучше не использовать, самая слабая и придумывает ответы; не способна следовать сложным инструкциям

GPT-4o – быстрая модель, для быстрых ответов не требующих проверки фактов, может их придумывать; перевожу ей картинки в текст если нужно быстро. Ее ответы нужно всегда факт-чекать. Зато эта модель имеет доступ к памяти (где все про вас), с ней можно общаться голосом, через нее можно вызывать генерацию картинок Dalle. Не рекомендую обрабатывать большие файлы с ней

GPT-4o with scheduled tasks (beta) – использую только для To Do: модель пишет мне каждое утро и спрашивает приоритеты, показывает текущий список задач и тп

o3-mini – хорошая модель для кодинга и жизни, хорошо ищет в интернете, неплохо следуют инструкциям и при этом очень быстрая; если вам некогда и нужен быстрый ответ, то берите ее. Для анализа картинок и файлов «быстро» хороший кандидат. Не имеет доступа к памяти. Реже ошибается в фактах, но ошибается. В Plus тире – 150 сообщений в день.

✨o3-mini-high – это просто версия o3-mini, которую просят думать подольше перед тем как дать ответ – работает она медленнее, но еще реже ошибается, и еще качественнее решает задачи. Великолепно следует инструкциям. Хорошо работает с файлами. Я бы советовал сначала тратить 50 запросов этой модели, и дальше переходить к o3-mini или o1.

o1 – модель генератор отчетов, эссе и рефератов. Медленная модель. Хорошо следует инструкциям, может ошибиться в фактах. Не может искать в интернете. Хорошо видит картинки и читает файлы, не теряя деталей. У вас всего 50 запросов в неделю. Требует промптинга с описанием отчета которого вы хотите получить.

o1 pro mode – лучшая модель на рынке: почти никогда не ошибается в фактах, решает самые сложные задачи кодинга, дольше всех думает, лучше всех понимает изображения, но не умеет искать в интернете и не умеет работать с файлами напрямую. С точки зрения фактов – модель всегда сама себя перепроверяет, за ~3 месяца использования я только один раз поймал ее на неточности. Требует детального промптинга с описанием отчета который вы хотите. Доступна только в Pro тире, лимитов нет.

Deep research – несмотря на то, что модель выведена в отдельную кнопку, это версия новой o3 для поиска в интернете, как ей лучше пользоваться я напишу отдельно когда дадут доступ всем. Модель ищет в интернете и сама пишет код (который вам не покажет) для анализа найденных данных, чтобы, например включить в отчет графики. Лучшее, что есть на рынке для поиска данных в интернете. Пока доступна только в Pro. Если активируете эту кнопку - выбор модели в выпадашке – игнорируется, UX который мы заслужили

Tldr:
Для повседневных задач ваш лучший выбор – o3-mini-high, потом o3-mini, когда у первой кончились лимиты

_______
Источник | #denissexy
@F_S_C_P

Узнай судьбу картами Таро:
✨Anna Taro bot

Интересный вид атаки протестировали через опенсорс LLM-модели:

1. Берем любую опенсорс модель
2. Учим ее добавлять незаметно какие-то вещи в код (например, ссылки на вредоносные скрипты)
3. Загружаем обратно куда-то сохраняя имя оригинальной модели или просто делаем вид что это новая версия
4. Все, зараженную модель невозможно обнаружить, защиты тоже нету

Поэтому, всегда проверяйте кто поставщик модели и куда она загружена – у известных лаб как правило много прошлых публикаций моделей, рейтинги и тп

Tldr: всякие Deep.Seek.r1.2025.671b.BluRay.x264.AAC.gguf не качаем

На скриншоте пример взаимодействия с такой моделью и подключение вредоносного скрипта:

_______
Источник | #denissexy
@F_S_C_P

Узнай судьбу картами Таро:
✨Anna Taro bot

Очень жду когда эта штука станет массово доступной и как в Sims 1, можно будет делегировать ей уборку дома ❤️

UPD Доступен для покупки начиная с $16k, но как убирается пока не ясно

UPD 2: Стоит €25k в ЕС; в Амстердаме одна уборка стоит примерно ~100 евро, то есть эта штука окупиться за ~5 лет если делать по уборке в неделю… жду второю версию и беру

_______
Источник | #denissexy
@F_S_C_P

Узнай судьбу картами Таро:
✨Anna Taro bot

Любители конспиративных теорий – ваш выход:
Кто-то сжёг 500 ETH (1,38 млн долларов США), чтобы распространить сообщение на китайском языке:

Руководители Kuande Investment — Фэн Синь и Сюй Ючжи — использовали технологии «мозг-машина», чтобы преследовать всех сотрудников и бывших сотрудников компании. При этом они сами тоже находятся под контролем.

Мозг-компьютерные чипы были милитаризированы и развернуты в крупных масштабах; все военные державы используют базовые станции, радиоустройства и наночипы «мозг-компьютер» для контроля над всеми гражданами.

Дорогое сообщение миру получилось:
https://etherscan.io/tx/0x5e8bef5dcb69206fa1bacc8d0b0c0204e12f1e45483d12b9f69dc1829ac74315

Справка:
Адрес 0x0....000 (часто называемый «нулевым» или Null) куда отправили деньги – не контролируется никаким пользователем или кошельком, то есть если вы пошлете туда эфир-монеты, они сгорят

_______
Источник | #denissexy
@F_S_C_P

-------
Секретики!
-------