MIT с помощью AI разработал более термостабильную формулу для mRNA-вакцин.

Новая формула сохраняла стабильность:

- до 1 года при комнатной температуре
- до 2 месяцев при ~37°C

AI подбирал оптимальную комбинацию компонентов вместо долгого перебора тысяч вариантов. По словам исследователей, это сократило поиск с месяцев до нескольких недель.

В экспериментах на мышах вакцина после такого хранения вызывала сопоставимый иммунный ответ. Формулу также удалось использовать в микроигольных пластырях, потенциально заменяющих обычные уколы.

Если подход подтвердится у людей, mRNA-вакцинам может больше не понадобиться сложная холодовая цепь.

https://news.mit.edu/2026/new-formulation-helps-rna-vaccines-withstand-high-temperatures-0928

🔥 ChatGPT PRO на русском: открытый курс от первого промпта до агентов и Codex

На GitHub появился бесплатный практический курс по ChatGPT, целиком на русском. Он умещается в один репо, поэтому ничего не нужно ставить и регистрироваться не надо.

Программа идёт от простого к сложному в четыре уровня: база, работа, расширение и PRO. Всего в ней 13 модулей. Первые разбирают выбор между быстрыми и рассуждающими моделями, Deep Research, формулу промпта, память и проекты. Дальше идут анализ таблиц, Canvas, картинки и голос, а последние модули посвящены Custom GPTs, коннекторам, агентам, Codex и API.

Главная ценность курса в практике. В нём 10 лабораторных: библиотека промптов, аналитика без Excel, ресёрч с проверкой источников, свой GPT, постановка задач агенту, разработка через Codex и автоматизация через API. К ним прилагаются 15 готовых рецептов под типовые задачи и разбор антипаттернов в формате «как делают неправильно и как надо».

Отдельный модуль посвящён безопасности: prompt injection, утечки данных и проверка фактов за моделью.

Курс удобно дать новичкам в команде или пройти самому, чтобы закрыть пробелы по агентам и Codex.

https://github.com/justxor/ChatGPT_ru

🧠 ИИ лучше улучшает агентов, когда развивает несколько специализаций

Исследователи предложили новый подход к оптимизации harness: кода вокруг LLM, который управляет инструментами, поиском информации и проверкой ответов.

Обычно ИИ переписывает эту обвязку и оценивает версии на одном наборе задач. Но полезная специализация может потеряться, если проигрывает по общему баллу.

Авторы разделили поиск на две ветки:

• Каждая сохраняет задачи, с которыми справляется лучше другой.
• Ведёт собственные заметки об удачных изменениях.
• Развивает свою стратегию решения.

В математике одна ветка сосредоточилась на проверке ответов, другая на построении полных решений. Затем роутер выбирает подходящую обвязку для каждой новой задачи.

📈 На олимпиадной математике с Gemini 3 Flash точность выросла с 46% до 62%. Это +16 процентных пунктов. Подход превзошёл исходный метод во всех четырёх проверенных сочетаниях моделей и бенчмарков, хотя расход токенов был выше.

Практическая идея: при автоматической настройке агентов стоит сохранять несколько сильных специализаций и подбирать их под задачу.

📄 Исследование: https://arxiv.org/abs/2609.37834

Apache Kafka курс 2026: бесплатный курс по Kafka с нуля до профи на русском

Kafka обучение без воды: каждый модуль состоит из понятной теории, схем, команд, которые можно запустить у себя, типичных ошибок и вопросов для самопроверки. Курс подходит, чтобы выучить Kafka с нуля, подготовиться к собеседованию на backend, data engineer или DevOps-позицию и спроектировать надёжную систему на Kafka в продакшене.

https://github.com/justxor/KAFKAFREECOURSR

Hugging Face исследовали multi-harness RL: обучение с подкреплением сразу через Claude Code, Codex, OpenCode и Mini-SWE-Agent.

Для этого объединили три проекта:

• OpenEnv записывает обращения к модели, токены и вероятности генерации.
• Harbor запускает одинаковые задачи в контейнерах через разные обвязки.
• TRL использует собранные данные для обучения.

Каждая обвязка сохраняет собственные инструменты, промпты и цикл работы. Модель учится внутри настоящих агентов.

По данным авторов, у LFM2.5-2.6B доля тестовых задач, решённых с первой попытки, выросла с 42,2% до 54,2%. Улучшения появились во всех четырёх обвязках. На задачах, которые решили обе версии модели, обученная использовала на 31% меньше вызовов инструментов.

Эксперимент ограничен одним семейством задач, но показывает перспективный подход: адаптацию к разным обвязкам можно закладывать прямо в обучение.

📖 Руководство: https://huggingface.co/spaces/FineEnvs/multi-harness-rl

🧮 Математика для ИИ на русском: от школьной базы до трансформеров и диффузии

Бесплатный курс-шпаргалка на GitHub, который связывает формулы с их применением в ML: интуиция → формула → иллюстрация → код на NumPy → задачи.

Внутри:
• Линейная алгебра, производные, вероятности и статистика.
• Backpropagation, оптимизаторы, функции потерь и attention.
• Генеративные модели, обучение с подкреплением, RAG и рекомендации.

Для практики: 26 Jupyter-ноутбуков с запуском в Colab, 60 задач с решениями и 160 вопросов с собеседований. Есть карточки Anki и глоссарий RU ↔ EN.

Если математика забылась, предусмотрен отдельный справочник с нуля: от дробей и процентов до интегралов и матриц.

https://github.com/justxor/math-for-ai-2026

🌍 Google Earth AI помогает прогнозировать вспышки заболеваний по данным о местности

Модель PDFM объединяет агрегированные поисковые тренды, перемещения людей, инфраструктуру, погоду и качество воздуха в цифровой «отпечаток» территории.

Эти данные можно добавить в существующие эпидемиологические модели без отдельного дообучения PDFM под каждую задачу.

Google представила пять исследований с партнёрами. Среди результатов:

• Денге в Мексике: прогноз на месяц вперёд улучшился в до 72% муниципалитетов с активной передачей инфекции.
• Холера в ДР Конго: точность выбора пяти наиболее опасных зон на восемь недель вперёд выросла примерно на 18%.
• Вакцинация против кори, паротита и краснухи: учёт связей между США и Канадой помог точнее оценивать охват прививками в приграничных районах.

Практическая цель: раньше понимать, куда направлять медицинские ресурсы, особенно когда официальная статистика запаздывает.

Датасет доступен коммерчески в Preview. Для некоторых исследовательских задач можно запросить бесплатный доступ.

https://research.google/blog/earth-ais-planetary-geospatial-foundation-models-for-global-public-health/