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.
https://x.com/Frank_web33/status/2099122649968357551?s=20
Так. Надо срочно разобраться как запускать муху в роботе.
Так. Надо срочно разобраться как запускать муху в роботе.
X (formerly Twitter)
Frank (@Frank_web33) on X
THE FLY BRAIN ESCAPED THE COMPUTER. I PUT IT INSIDE A PHYSICAL ROBOT.
Scientists released a reconstructed map containing 166,700 neurons from a fruit fly.
I connected it to a Strandbeest.
The p…
Scientists released a reconstructed map containing 166,700 neurons from a fruit fly.
I connected it to a Strandbeest.
The p…
❤1🔥1👏1
На мухах собираются майнить биткойн.
Я вскрыл какой-то совершенно ебанутый поток новостей, подписавшись на мух.
https://x.com/zentrixhq/status/2099432342074896840?s=46&t=PZ5puMvz2CBmpcjPAn_ihA
Я вскрыл какой-то совершенно ебанутый поток новостей, подписавшись на мух.
https://x.com/zentrixhq/status/2099432342074896840?s=46&t=PZ5puMvz2CBmpcjPAn_ihA
X (formerly Twitter)
Zentrix⌚️ (@ZentrixHQ) on X
A FLY BRAIN COULD CHANGE HOW BITCOIN MINING WORKS.
Researchers @futurebit introduced HashFly, an experimental Bitcoin miner built around organic neurons from a fly brain.
The idea sounds crazy, …
Researchers @futurebit introduced HashFly, an experimental Bitcoin miner built around organic neurons from a fly brain.
The idea sounds crazy, …
🤣8
This media is not supported in your browser
VIEW IN TELEGRAM
166,700 fruit fly neurons are walking a robot cat across a desk right now.
To be clear about what this is and isn't: nothing biological is alive in this loop. It's a full computational reconstruction of real neural wiring, controlling hardware instead of an insect body. The brain is real. The body is borrowed.
#мухи
https://x.com/ZentrixHQ/status/2099820536947749162?s=20
🤯1
Это у нас один из самых интересных графиков. Интеллект против общего количества параметров.
Как мы видим, Qwen3.8 рвет всех в ошметки.
27B это примерно Opus-4.6. Я лично считал это достаточным для работы. Это лезет в 24-32GB VRAM.
Flash-Next это MoE, его пускают в 128GB RAM+VRAM. Он уже GPT-5.5 или Opus-4.7.
Оно, конечно, все ушло далеко вперед. Но, во-первых, не так уж далеко, а во-вторых, для большинства задач вот этого уже хватает.
И еще раз добавлю, что моя жена уже предпочитает квен-27b чату ГПТ для подготовки музыкальных занятий для детей. Потому что ищет лучше с Brave Search, и пиздит меньше. И примерно такой же умный.
Как мы видим, Qwen3.8 рвет всех в ошметки.
27B это примерно Opus-4.6. Я лично считал это достаточным для работы. Это лезет в 24-32GB VRAM.
Flash-Next это MoE, его пускают в 128GB RAM+VRAM. Он уже GPT-5.5 или Opus-4.7.
Оно, конечно, все ушло далеко вперед. Но, во-первых, не так уж далеко, а во-вторых, для большинства задач вот этого уже хватает.
И еще раз добавлю, что моя жена уже предпочитает квен-27b чату ГПТ для подготовки музыкальных занятий для детей. Потому что ищет лучше с Brave Search, и пиздит меньше. И примерно такой же умный.
🔥1
Тем временем я немного расслабился на тему агентской памяти, посмотрев на то, как работают разные системы на реальных данных.
Они работают очень плохо. И интеллект моделей им не помогает. Вот, посмотрите свежий тест моделей в Хинсайт.
Особое внимание обратите на то, как глубина размышлений помогает одному и тому же квену. Как говорили в старой рекламе, иногда лучше жевать, чем говорить.
Кроме того, результаты бенчмарков показывают, что навороченность системы памяти в целом не очень сильно ей помогает. Тупенький Mem0 выступает на равных с hindsight. И они оба рвут в тряпки более сложные системы.
Почему? Да потому что языковая модель обладает совершенно другой раскладкой сильных и слабых сторон в сравнении с человеком. И память для нее должна быть устроена совсем по-другому, не так для человека.
—-
Но я все равно провожу эксперимент. Прямо сейчас закачивая реальную историю из Microsoft Teams в память, чтоб посмотреть что получится.
И уже вижу, что Хинсайт неправильно извлекает время в большинстве случаев. То есть его продвинутые фичи попросту не работают. Поэтому на деле его аккуратность и не отличается от mem0, в котором никаких наворотов нет.
Они работают очень плохо. И интеллект моделей им не помогает. Вот, посмотрите свежий тест моделей в Хинсайт.
Особое внимание обратите на то, как глубина размышлений помогает одному и тому же квену. Как говорили в старой рекламе, иногда лучше жевать, чем говорить.
Кроме того, результаты бенчмарков показывают, что навороченность системы памяти в целом не очень сильно ей помогает. Тупенький Mem0 выступает на равных с hindsight. И они оба рвут в тряпки более сложные системы.
Почему? Да потому что языковая модель обладает совершенно другой раскладкой сильных и слабых сторон в сравнении с человеком. И память для нее должна быть устроена совсем по-другому, не так для человека.
—-
Но я все равно провожу эксперимент. Прямо сейчас закачивая реальную историю из Microsoft Teams в память, чтоб посмотреть что получится.
И уже вижу, что Хинсайт неправильно извлекает время в большинстве случаев. То есть его продвинутые фичи попросту не работают. Поэтому на деле его аккуратность и не отличается от mem0, в котором никаких наворотов нет.
❤6
Квен выпустил модель, которая делает синхронный перевод.
https://qwen.ai/blog?id=qwen3.8-livetranslate
С иностранными языками такое. Совершенно нет смысла изучать, например, испанский для того, чтобы разговаривать с барменом в туристической поездке. Пока вы будете учить, синхронный перевод будет решен.
Имеет смысл изучать тот язык, на котором сказано что-то достаточно интересное и стоящее, к чему вы хотите прикоснуться в оригинале. Это, конечно, не меню в ресторане. И в этом смысле, например, латынь бьет испанский.
https://qwen.ai/blog?id=qwen3.8-livetranslate
С иностранными языками такое. Совершенно нет смысла изучать, например, испанский для того, чтобы разговаривать с барменом в туристической поездке. Пока вы будете учить, синхронный перевод будет решен.
Имеет смысл изучать тот язык, на котором сказано что-то достаточно интересное и стоящее, к чему вы хотите прикоснуться в оригинале. Это, конечно, не меню в ресторане. И в этом смысле, например, латынь бьет испанский.
qwen.ai
Qwen offers comprehensive functionality spanning chatbot, image and video understanding, image generation, document processing, web search integration, tool utilization, and artifacts.
❤12