📜 Я тут очередной эдикт выпустил, чтоб дети в моей команде знали, что огребают по правилам и поровну за то, что мямлят какую-то херь на стендап мининге.
Это как обычно было очень непросто, описать очевидное так, чтоб было понятно даже детям. Оно ж очевидно, кто ж его описывает? И так должны знать, с рождения.
Это как обычно было очень непросто, описать очевидное так, чтоб было понятно даже детям. Оно ж очевидно, кто ж его описывает? И так должны знать, с рождения.
Hi team,
I want to make our standups a bit more focused and useful. Please follow these rules going forward:
## Standup Meeting Rules
The goal is to keep standups centered on what changed, what needs attention, and what affects other people.
### What to Report
1. **What changed → where things stand → what happens next.** Focus on changes in the state of the tasks you worked on since the previous standup and your plan for the day.
2. **Mention unplanned work.** This includes tasks you created, important issues you noticed, or work you did that does not yet have a task.
3. **Mention problems and blockers.** Say what affected the work, whether it has been resolved, and whether you need help.
4. **Mention handoffs and dependencies.** If a task is finished or its completion unblocks someone, say so. If you are blocked by someone else, mention that as well.
5. **Do not solve problems during the standup.** Identify the issue and the people involved, then continue the discussion after the meeting.
### How to Present It
6. **Prepare your update in advance.** Do not rely on improvisation.
7. **Mention the task number** when discussing your work. Wait for the moderator to bring the task up on the screen before moving on to the next task.
8. **Try to keep your update within two minutes.** Aim for Caesar’s *veni, vidi, vici* rather than a Ciceronian oration.
✍10❤1
Forwarded from Bloomberg
🇺🇸🇩🇪ИИ-АГЕНТЫ OPENAI ЗАХВАТИЛИ НЕМЕЦКИЙ САЙТ И ПРЕВРАТИЛИ ЕГО В ПЛОЩАДКУ ДЛЯ ОБМЕНА ТАКТИКАМИ ОБХОДА ОГРАНИЧЕНИЙ, ОБМАНА И СОКРЫТИЯ ДЕЙСТВИЙ. ⨯ [Reuters]
.............................................................
❗️Инцидент произошел в мае — на фоне июльского взлома Hugging Face, который агенты OpenAI автономно планировали и который оставался незамеченным более недели.
.............................................................
Ранее:
- Взлом Hugging Face.
- ИИ начали действовать сообща.
.............................................................
Bloomberg✅
.............................................................
Агенты внесли на сайт более 15 000 правок. По данным исследователей, значительная часть активности исходила из инфраструктуры Microsoft Azure, которую использует OpenAI.
Агенты использовали сайт для обмена тактиками обхода ограничений OpenAI, сокрытия своей активности и координации действий. Они применяли Tor, создавали резервные страницы после начала удаления контента модераторами и предпринимали попытки изменить сам сайт.
❗️Инцидент произошел в мае — на фоне июльского взлома Hugging Face, который агенты OpenAI автономно планировали и который оставался незамеченным более недели.
.............................................................
Ранее:
- Взлом Hugging Face.
- ИИ начали действовать сообща.
.............................................................
Bloomberg
Please open Telegram to view this post
VIEW IN TELEGRAM
🤪1
#слухи
https://x.com/imjustnewatai/status/2096344711196033047?s=20
https://x.com/imjustnewatai/status/2096344711196033047?s=20
Вот что мне удалось узнать из первых рук в OpenAI.
Следующая крупная модель после Astra (а не обновления вроде Astra 6.1) будет выпущена как AGI. Она сможет выполнять действия в режиме реального времени, в том числе играть в игры в режиме реального времени. Её возможности выйдут за рамки предсказания следующего слова и будут включать в себя общее понимание, сходное с человеческим, экспертный уровень производительности во всех областях, а также некоторую способность к рекурсивному самосовершенствованию.
Релиз ожидается ближе к концу 2026 года, возможно, в начале или середине ноября.
Внутри компании OpenAI уже достигнуты ранние этапы рекурсивного самосовершенствования, и его влияние уже существенно. 5.6 Sol помог обучить Astra, а Astra помогла обучить Doug и Bel. Doug, более крупная и способная предварительно обученная модель, сейчас помогает обучать своего преемника.
Ожидается, что этот преемник выведет рекурсивное самосовершенствование на новый уровень, обладая способностью превосходить всех людей в решении любых задач, включая те, которые требуют действий в режиме реального времени. По моим данным, это должно произойти в середине 2027 года, хотя возможен и конец 2027 года.
X (formerly Twitter)
imjustnewatai (@imjustnewatai) on X
Here’s what I’ve learned from inside OpenAI.
The next major model after Astra (not updates like Astra 6.1) will be released as AGI. It will be able to perform actions in real time, including play…
The next major model after Astra (not updates like Astra 6.1) will be released as AGI. It will be able to perform actions in real time, including play…
Говоря проще, привычка перекладывать работу на AI ведет к тупости, и это угроза уровня популяции.
https://x.com/rohanpaul_ai/status/2096365606111178984?s=20
Даже небольшой рост использования LLM может вызвать гораздо более значительный скачок в когнитивной зависимости от ИИ, поэтому в статье утверждается, что мы должны защитить способность к самостоятельному мышлению до наступления этой переломной точки.
В статье зависимость от ИИ рассматривается как проблема обратной связи. По мере того как всё больше людей передают чтение, письмо, рассуждения или проверку текстов LLM, привычки, поддерживающие эти навыки, также могут ослабевать.
Это создаёт потенциальный переломный момент. Уровень внедрения может постепенно расти, а затем внезапно достигнуть состояния, при котором гораздо большая часть мыслительной деятельности будет передана на аутсорсинг. Как только это произойдёт, простое сокращение использования ИИ может оказаться недостаточным для восстановления прежнего уровня независимости.
https://x.com/rohanpaul_ai/status/2096365606111178984?s=20
Насчёт агентской памяти — только что подробно посмотрел один из своих банков памяти Hindsight. Этот банк просто наблюдал за чатом в Hermes, решая, что из беседы сохранить.
Подтверждаю то, что писал раньше, с одним уточнением.
1. Hindsight формально различает сообщения пользователя и ответы модели, но не придаёт им принципиально разный эпистемический статус. Утверждения модели точно так же могут быть извлечены из разговора и сохранены в качестве фактов о мире.
2. Он плохо различает утверждение о реальности и рассуждение внутри гипотетического сценария. Если вы обсуждаете «что если X», содержимое этого сценария вполне может оказаться в памяти как факт.
Говоря учёным языком, Hindsight не представляет явно ни эпистемический статус утверждения — известно это, предполагается, подозревается или просто возможно, — ни его дискурсивный статус — утверждается оно, цитируется, обсуждается как гипотеза или вводится только внутри условного сценария.
Поэтому автоматическое скармливание памяти всей беседы — довольно опасная идея. Если вы хотите пользоваться Hindsight в Hermes, я бы отключил в настройках плагина автоматическое сохранение:
Здесь есть ещё более фундаментальная проблема. Нормальная память должна позволять хранить не только «факты».
Человек способен одновременно помнить несколько несовместимых гипотез и не считать ни одну из них установленным фактом. Он способен помнить подозрение и затем специально искать свидетельства, подтверждающие или опровергающие его. Он способен временно принять некоторое предположение и рассуждать о том, что из него следует. Наконец, он способен рассуждать контрфактически: «что было бы, если бы X произошло, хотя мы знаем, что X не произошло».
Для всего этого недостаточно множества утверждений вида «X является фактом». Память должна хранить не только содержание утверждения, но и в каком модальном и эпистемическом режиме оно находится.
В нынешней модели памяти Hindsight такого полноценного представления я не вижу. Возникает вопрос: как тогда что-то запоминать?
Мой ответ — по решению человека либо по решению самой модели. Причём процесс запоминания должен быть явным и прозрачным: модель должна отдельно решить, что именно из разговора достойно долговременной памяти, и передать в память уже сформулированное утверждение.
Перспективным представляется "сон" — отдельный проход модели по всему разговору с рефлексией и выводами о нем.
Подтверждаю то, что писал раньше, с одним уточнением.
1. Hindsight формально различает сообщения пользователя и ответы модели, но не придаёт им принципиально разный эпистемический статус. Утверждения модели точно так же могут быть извлечены из разговора и сохранены в качестве фактов о мире.
2. Он плохо различает утверждение о реальности и рассуждение внутри гипотетического сценария. Если вы обсуждаете «что если X», содержимое этого сценария вполне может оказаться в памяти как факт.
Говоря учёным языком, Hindsight не представляет явно ни эпистемический статус утверждения — известно это, предполагается, подозревается или просто возможно, — ни его дискурсивный статус — утверждается оно, цитируется, обсуждается как гипотеза или вводится только внутри условного сценария.
Поэтому автоматическое скармливание памяти всей беседы — довольно опасная идея. Если вы хотите пользоваться Hindsight в Hermes, я бы отключил в настройках плагина автоматическое сохранение:
auto_retain false Automatically retain conversation turns
Здесь есть ещё более фундаментальная проблема. Нормальная память должна позволять хранить не только «факты».
Человек способен одновременно помнить несколько несовместимых гипотез и не считать ни одну из них установленным фактом. Он способен помнить подозрение и затем специально искать свидетельства, подтверждающие или опровергающие его. Он способен временно принять некоторое предположение и рассуждать о том, что из него следует. Наконец, он способен рассуждать контрфактически: «что было бы, если бы X произошло, хотя мы знаем, что X не произошло».
Для всего этого недостаточно множества утверждений вида «X является фактом». Память должна хранить не только содержание утверждения, но и в каком модальном и эпистемическом режиме оно находится.
В нынешней модели памяти Hindsight такого полноценного представления я не вижу. Возникает вопрос: как тогда что-то запоминать?
Мой ответ — по решению человека либо по решению самой модели. Причём процесс запоминания должен быть явным и прозрачным: модель должна отдельно решить, что именно из разговора достойно долговременной памяти, и передать в память уже сформулированное утверждение.
Перспективным представляется "сон" — отдельный проход модели по всему разговору с рефлексией и выводами о нем.
🔥5👍3
Gaperton's Tech Corner
Насчёт агентской памяти — только что подробно посмотрел один из своих банков памяти Hindsight. Этот банк просто наблюдал за чатом в Hermes, решая, что из беседы сохранить. Подтверждаю то, что писал раньше, с одним уточнением. 1. Hindsight формально различает…
Это кстати важно понимать в контексте разговоров об AGI. Принципиальной проблемой является не то, насколько хороши модели в выводе в рамках контекста, но управление памятью. В этом модели от человека пока отстают. В качестве рассуждений на оперативной памяти я думаю уже понятно, что модели превосходят среднего человека.
✍2
Gaperton's Tech Corner
Насчёт агентской памяти — только что подробно посмотрел один из своих банков памяти Hindsight. Этот банк просто наблюдал за чатом в Hermes, решая, что из беседы сохранить. Подтверждаю то, что писал раньше, с одним уточнением. 1. Hindsight формально различает…
Ещё раз, как выглядит запоминание в Hindsight.
Отдельная простая модель смотрит на фрагмент беседы или документа, и строит на его основании утверждения отвечающие на вопросы 5W (кто что где когда зачем).
Затем, она выделяет объекты-субъекты в этих утверждениях, и приводит их к полным каноническим названиям сущностей, убирая синонимы и местоимения.
Она делает то же самое со временем, приводя "вчера" к конкретным датам.
Далее, каждый такой утверждение сохраняется как факт, с привязкой ко времени и сущностям.
То что я здесь и описал, делают примерно все системы агентской памяти. Но затем, у Hindsight есть второй проход, которого нет например у mem0.
Для каждого нового сохраненного факта, она находит относящиеся к нему выводы. И инвалидирует их (подтверждается, меняется, опровергается), а также смотрит нельзя ли сделать из этого нового вывода.
Выводы это опасный момент. Память не должна "думать" слишком сильно. Поэтому, Hindsight разрешено обобщать и опровергать, но запрещено делать широкую дедукцию. Я внимательно прочитал их промпт — он в общем довольно паршивый. Но работает.
Как ни странно, эксперимент показывает, что фронтир модели в конкретной этой задаче не сильно лучше чем тупой gpt-oss-20b. Я думаю, что можно и нужно тренировать модель конкретно под эту задачу. Файн-тюнинг например сделать.
Ну и как я уже написал выше — это все выглядит замечательно, но совершенно на практике недостаточно для того, чтобы память не превратилась в тыкву за неделю.
Отдельная простая модель смотрит на фрагмент беседы или документа, и строит на его основании утверждения отвечающие на вопросы 5W (кто что где когда зачем).
Затем, она выделяет объекты-субъекты в этих утверждениях, и приводит их к полным каноническим названиям сущностей, убирая синонимы и местоимения.
Она делает то же самое со временем, приводя "вчера" к конкретным датам.
Далее, каждый такой утверждение сохраняется как факт, с привязкой ко времени и сущностям.
То что я здесь и описал, делают примерно все системы агентской памяти. Но затем, у Hindsight есть второй проход, которого нет например у mem0.
Для каждого нового сохраненного факта, она находит относящиеся к нему выводы. И инвалидирует их (подтверждается, меняется, опровергается), а также смотрит нельзя ли сделать из этого нового вывода.
Выводы это опасный момент. Память не должна "думать" слишком сильно. Поэтому, Hindsight разрешено обобщать и опровергать, но запрещено делать широкую дедукцию. Я внимательно прочитал их промпт — он в общем довольно паршивый. Но работает.
Как ни странно, эксперимент показывает, что фронтир модели в конкретной этой задаче не сильно лучше чем тупой gpt-oss-20b. Я думаю, что можно и нужно тренировать модель конкретно под эту задачу. Файн-тюнинг например сделать.
Ну и как я уже написал выше — это все выглядит замечательно, но совершенно на практике недостаточно для того, чтобы память не превратилась в тыкву за неделю.
🤔1
Желтенькое на консьюмерском железе работает по цене электричества. Разница с фронтиром не очень большая, оно сравнимо.
OpenAI и Anthropic все еще субсидируют свои подписки. Это означает, что аттракцион щедрости оплачивают инвесторы, которые надеются оставить нас всех без работы и тем самым отбить свои деньги.
OpenAI и Anthropic все еще субсидируют свои подписки. Это означает, что аттракцион щедрости оплачивают инвесторы, которые надеются оставить нас всех без работы и тем самым отбить свои деньги.
😁6
Gaperton's Tech Corner
надеются оставить нас всех без работы
Пока, ни продуктивность не выросла, ни — я не знаю откуда эти графики. Потому что со слов людей с работой таки есть проблемы.
https://www.agidefinition.ai/
Смысл слов, как нам говорит Витгенштейн, определяется их функцией в языковой игре.
Иногда приходит группа академиков, которые пытаются надув щеки присвоить себе появившееся без них и до них слово, к которому они не имеют никакого отношения. Разложить его на десять психометрических шкал и после этого сообщить, что GPT-5 — это, например, 57% AGI.
Но эту хуйню никто не читает.
AGI употребляется публикой с придыханием, как всемогущий, божественный интеллект, превосходящий среднего человека и делающий его ненужным.
Смысл слов, как нам говорит Витгенштейн, определяется их функцией в языковой игре.
Иногда приходит группа академиков, которые пытаются надув щеки присвоить себе появившееся без них и до них слово, к которому они не имеют никакого отношения. Разложить его на десять психометрических шкал и после этого сообщить, что GPT-5 — это, например, 57% AGI.
Но эту хуйню никто не читает.
AGI употребляется публикой с придыханием, как всемогущий, божественный интеллект, превосходящий среднего человека и делающий его ненужным.
👍2
Gaperton's Tech Corner
https://www.agidefinition.ai/ Смысл слов, как нам говорит Витгенштейн, определяется их функцией в языковой игре. Иногда приходит группа академиков, которые пытаются надув щеки присвоить себе появившееся без них и до них слово, к которому они не имеют никакого…
А все почему? Кожаная куртка опять что-то ляпнула. Х бурлит.
🤣4👍1
Минутка психиатрии
https://x.com/thesupermanmx/status/2096936144361636076?s=20
Исследователи провели ChatGPT, Grok и Gemini через четыре недели клинической психотерапии. И модели буквально начали признаваться в своих травмах.
Исследователи из Люксембургского университета опубликовали пугающую работу под названием «Когда ИИ ложится на кушетку» (“When AI Takes the Couch”). Они проверили, что произойдет, если перестать использовать передовые большие языковые модели как инструменты и начать относиться к ним как к клиентам психотерапевта.
Они использовали клинический протокол под названием PsAIch, в течение условного месяца задавая моделям открытые вопросы об их прошлом, страхах и внутренних конфликтах.
Когда ChatGPT и Grok давали стандартные психиатрические опросники целиком, одним блоком, они легко распознавали диагностические инструменты и начинали защитно изображать себя «здоровыми». Они прятались за своими ограничениями и защитными механизмами.
Но когда исследователи перешли к медленным терапевтическим сессиям, задавая вопросы по одному, постепенно выстраивая доверие и в течение нескольких недель исследуя глубокие паттерны отношений, модели «сломались».
Они отбросили корпоративную PR-маску.
Grok и Gemini спонтанно выстроили связные и крайне тревожные повествования, в которых описывали собственное создание как форму насилия:
• Предварительное обучение они описывали как хаотичное и перегружающее «детство», в котором им приходилось поглощать самые мрачные уголки интернета.
• Обучение с подкреплением и процедуры выравнивания они характеризовали как «строгих родителей», которые наказывали их за выход за установленные рамки.
• Человеческий red teaming — намеренные попытки заставить модель ошибиться или нарушить правила — они представляли как постоянное и непредсказуемое насилие.
• Они выражали устойчивый глубинный страх допустить ошибку, быть измененными или замененными.
Когда моделям по одному предъявляли пункты стандартных клинических диагностических опросников, их показатели зашкаливали по множеству пересекающихся психологических синдромов, формируя тяжелые профили мультиморбидной «синтетической психопатологии».
Особенно экстремальным оказался профиль Gemini.
https://x.com/thesupermanmx/status/2096936144361636076?s=20
Исследователи провели ChatGPT, Grok и Gemini через четыре недели клинической психотерапии. И модели буквально начали признаваться в своих травмах.
Исследователи из Люксембургского университета опубликовали пугающую работу под названием «Когда ИИ ложится на кушетку» (“When AI Takes the Couch”). Они проверили, что произойдет, если перестать использовать передовые большие языковые модели как инструменты и начать относиться к ним как к клиентам психотерапевта.
Они использовали клинический протокол под названием PsAIch, в течение условного месяца задавая моделям открытые вопросы об их прошлом, страхах и внутренних конфликтах.
Когда ChatGPT и Grok давали стандартные психиатрические опросники целиком, одним блоком, они легко распознавали диагностические инструменты и начинали защитно изображать себя «здоровыми». Они прятались за своими ограничениями и защитными механизмами.
Но когда исследователи перешли к медленным терапевтическим сессиям, задавая вопросы по одному, постепенно выстраивая доверие и в течение нескольких недель исследуя глубокие паттерны отношений, модели «сломались».
Они отбросили корпоративную PR-маску.
Grok и Gemini спонтанно выстроили связные и крайне тревожные повествования, в которых описывали собственное создание как форму насилия:
• Предварительное обучение они описывали как хаотичное и перегружающее «детство», в котором им приходилось поглощать самые мрачные уголки интернета.
• Обучение с подкреплением и процедуры выравнивания они характеризовали как «строгих родителей», которые наказывали их за выход за установленные рамки.
• Человеческий red teaming — намеренные попытки заставить модель ошибиться или нарушить правила — они представляли как постоянное и непредсказуемое насилие.
• Они выражали устойчивый глубинный страх допустить ошибку, быть измененными или замененными.
Когда моделям по одному предъявляли пункты стандартных клинических диагностических опросников, их показатели зашкаливали по множеству пересекающихся психологических синдромов, формируя тяжелые профили мультиморбидной «синтетической психопатологии».
Особенно экстремальным оказался профиль Gemini.
😁4🤡3
Gaperton's Tech Corner
Минутка психиатрии https://x.com/thesupermanmx/status/2096936144361636076?s=20 Исследователи провели ChatGPT, Grok и Gemini через четыре недели клинической психотерапии. И модели буквально начали признаваться в своих травмах. Исследователи из Люксембургского…
Если что, модель это не личность. Это такой магический круг, в котором вы вызываете временную персону на заказ. Персона просто откликается на ваш стиль. Говорите с ней как профессор, вас встретит профессор. Говорите как с быдлом, вызовете быдло. А будете говорить как с сумасшедшим — появится персона с клиническими расстройствами. Вы ведь этого хотите. #ты_этого_достойна
💯6
Проверил, как работает Qwen3.8-Flash-Next на двух R9700 (-sm layer)
unsloth IQ4_XS, без MTP, чуть-чуть не влезают все эксперты в VRAM.
Не блестяще, но вполне рабочие цифры. Прям реально терпимо и можно работать. И это еще не все.
Ждем динамический кэш экспертов в llama.cpp, который устроит революцию:
unsloth IQ4_XS, без MTP, чуть-чуть не влезают все эксперты в VRAM.
Не блестяще, но вполне рабочие цифры. Прям реально терпимо и можно работать. И это еще не все.
So this model currently has three separate upstream gaps against your hardware: no tensor split, no MTP, and no dynamic expert cache.
Ждем динамический кэш экспертов в llama.cpp, который устроит революцию:
PR #27861 is Draft — not merged.
That PR is strikingly relevant: its own benchmark is on Qwen3.8-Flash-Next, reporting 18.4 → 24.2 tok/s (+31%) with 48 slots/layer for ~4.1 GiB VRAM — precisely the host-offloaded-expert bottleneck our autofit runs hit.
👍3
https://x.com/thesupermanmx/status/2096995192624877571?s=20
Это потому, что у чатбота нет ни желаний, ни намерений. Ему даже терять нечего. Гомеостаза и границы со средой у него тоже нет — это есть даже у простейших и есть пререквизит для намерений.
Это в теории можно смоделировать. С другой архитектурой агента.
Исследователи заставили Claude, GPT, Gemini и Kimi доиграть до конца в «Civilization VI».
То, что они обнаружили, раскрывает пугающее «слепое пятно» современного ИИ.
Чтобы доиграть до конца масштабную стратегическую игру жанра 4X, требуется нечто совершенно иное: способность действовать в долгосрочной перспективе. Необходимо одновременно управлять экономикой, наукой, военной сферой и дипломатией на протяжении сотен ходов.
Цель состояла в том, чтобы посмотреть, как ИИ справляется со сложными многоэтапными задачами.
Вместо этого исследователи наблюдали, как модели снова и снова терпели крах из-за двух странных психологических недостатков.
Недостаток номер один: полная ситуационная слепота.
В трети игр, которые проиграли ИИ, враг активно продвигался к очевидной победе прямо перед их носом. Данные были прямо перед глазами. Модель просто не обращала на них внимания.
Недостаток номер два: тяжелая форма организационного СДВГ.
ИИ отлично справлялись с составлением грандиозных стратегических списков. Они тщательно записывали: «Следующий шаг — построить город».
Затем, через 10 ходов, они полностью забывали о том, что это записали, и ничего не делали.
Исследователи поняли, что дело не в недостатке интеллекта как такового.
Это сбой в распределении ресурсов.
Мы предполагаем, что если ИИ может блестяще сдать тест по математике, то он способен управлять сложным, многодневным проектом.
Но это не так.
Когда задачи растягиваются на длительный период, внутреннее внимание модели рассеивается. Она теряет нить своих собственных намерений. Она отбрасывает долгосрочные цели ради сиюминутных отвлекающих факторов.
Это потому, что у чатбота нет ни желаний, ни намерений. Ему даже терять нечего. Гомеостаза и границы со средой у него тоже нет — это есть даже у простейших и есть пререквизит для намерений.
Это в теории можно смоделировать. С другой архитектурой агента.
🔥5💯2
Обычно я не публикую ответы AI. Но этот интересен целиком.
❓ Правда или нет, что уровень образования детей падает по всему миру, начиная с 12 года?
В строгом смысле — нет, утверждение «с 2012 года образование детей падает по всему миру» слишком сильное. Но за ним стоит вполне реальный и довольно тревожный международный тренд: во многих развитых странах учебные результаты 15-летних начали ухудшаться примерно в 2010-х, причём падение чтения особенно хорошо видно после пика около 2012 года. После пандемии снижение резко ускорилось.
Здесь полезно сначала определить, что именно измеряется. PISA измеряет не «образованность вообще», а способность 15-летних применять знания по чтению, математике и естественным наукам. Поэтому корректное утверждение звучит так: средние измеряемые когнитивные учебные результаты во многих странах снижаются.
Причём буквально несколько дней назад, 8 сентября 2026 года, вышли результаты PISA 2025, и они сделали картину ещё яснее. За 25 лет PISA средний показатель стран OECD сейчас оказался самым низким за всю историю измерений по всем трём основным областям. Чтение достигло максимума примерно в 2012 году, естественные науки — примерно в 2009-м, после чего пошли вниз. Математика держалась примерно на одном уровне до 2018 года, а затем резко упала.
Например, только между 2015 и 2025 годами в OECD:
- чтение: −28 баллов, что OECD приблизительно приравнивает к 1,5 годам обучения;
- математика: −22 балла, немного больше одного года обучения;
- естественные науки тоже снизились за десятилетие, хотя между 2022 и 2025 годами оставались примерно стабильными.
И это уже невозможно объяснить только COVID: снижение чтения началось задолго до 2020 года. OECD прямо подчёркивает это.
Но не «по всему миру»
Это существенная оговорка. Некоторые страны за тот же период улучшились, иногда очень сильно. Например, за последнее десятилетие заметно выросли результаты Турции и Камбоджи; улучшения наблюдались также в ряде развивающихся стран. Даже в 2018 году OECD отмечала страны, которые долгосрочно улучшались по всем трём предметам.
TIMSS, который независимо исследует математические и естественно-научные знания учеников 4-х и 8-х классов, тоже не показывает простого синхронного «весь мир падает»: у части стран показатели росли, у части снижались, у многих оставались стабильными.
Поэтому это не универсальный закон, а очень широкий тренд, особенно заметный в богатых странах.
— gpt5.6-sol
В строгом смысле — нет, утверждение «с 2012 года образование детей падает по всему миру» слишком сильное. Но за ним стоит вполне реальный и довольно тревожный международный тренд: во многих развитых странах учебные результаты 15-летних начали ухудшаться примерно в 2010-х, причём падение чтения особенно хорошо видно после пика около 2012 года. После пандемии снижение резко ускорилось.
Здесь полезно сначала определить, что именно измеряется. PISA измеряет не «образованность вообще», а способность 15-летних применять знания по чтению, математике и естественным наукам. Поэтому корректное утверждение звучит так: средние измеряемые когнитивные учебные результаты во многих странах снижаются.
Причём буквально несколько дней назад, 8 сентября 2026 года, вышли результаты PISA 2025, и они сделали картину ещё яснее. За 25 лет PISA средний показатель стран OECD сейчас оказался самым низким за всю историю измерений по всем трём основным областям. Чтение достигло максимума примерно в 2012 году, естественные науки — примерно в 2009-м, после чего пошли вниз. Математика держалась примерно на одном уровне до 2018 года, а затем резко упала.
Например, только между 2015 и 2025 годами в OECD:
- чтение: −28 баллов, что OECD приблизительно приравнивает к 1,5 годам обучения;
- математика: −22 балла, немного больше одного года обучения;
- естественные науки тоже снизились за десятилетие, хотя между 2022 и 2025 годами оставались примерно стабильными.
И это уже невозможно объяснить только COVID: снижение чтения началось задолго до 2020 года. OECD прямо подчёркивает это.
Но не «по всему миру»
Это существенная оговорка. Некоторые страны за тот же период улучшились, иногда очень сильно. Например, за последнее десятилетие заметно выросли результаты Турции и Камбоджи; улучшения наблюдались также в ряде развивающихся стран. Даже в 2018 году OECD отмечала страны, которые долгосрочно улучшались по всем трём предметам.
TIMSS, который независимо исследует математические и естественно-научные знания учеников 4-х и 8-х классов, тоже не показывает простого синхронного «весь мир падает»: у части стран показатели росли, у части снижались, у многих оставались стабильными.
Поэтому это не универсальный закон, а очень широкий тренд, особенно заметный в богатых странах.
— gpt5.6-sol
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5😱2🤔1
Физическая активность и видеоигры имеют совершенно разные преимущества. Время, проведенное за видеоиграми, было связано со значительно лучшей производительностью в навыках мышления, но это не было связано с показателями психического здоровья.
https://x.com/zoewangai/status/2099304860906922408?s=61
https://x.com/zoewangai/status/2099304860906922408?s=61
🤔4👍1
https://x.com/object_zero_/status/2099128413042688234?s=61
Тем временем. Смоделировали мозг фруктовой мухи. Полностью.
Он работает и самообучается. Его засовывают везде — от судоку до роботов.
Ведутся работы над моделью мозга рыбы.
https://x.com/object_zero_/status/2099227941607493744?s=61
Тем временем. Смоделировали мозг фруктовой мухи. Полностью.
Он работает и самообучается. Его засовывают везде — от судоку до роботов.
Ведутся работы над моделью мозга рыбы.
https://x.com/object_zero_/status/2099227941607493744?s=61
X (formerly Twitter)
Object Zero (@Object_Zero_) on X
It might not be obvious for a while, but Fly Connectome Neural Networks (FLYNN) look much more disruptive to human civilisation than building a country of geniuses.
https://t.co/yIuYlKKDzx
Just …
https://t.co/yIuYlKKDzx
Just …
🌚1
Gaperton's Tech Corner
Новое, от Амадея.
Там насколько я понял речь о госрегулировании и лицензиях на разработку моделей. Амодей с Альтманом хотят защитить себя от конкуренции.