Вчера был очень полезный доклад по нейрографике и анимации от Ксении Галушкиной

Сегодня Ксения поделилась всеми исходниками на канале.

Презентация 700мегов, там много видео, перезалил на Dropbox

------‐quote-------------
На миро-доске вчерашние примеры с промптами и ещё десятки способов использования новой нано бананы про, которые не влезли в презентацию.
https://miro.com/app/board/uXjVJft9A8M=

Запись митапа можно посмотреть по той же ссылке, где была трансляция. Доклад с 58:00.
https://embed-cdn.mashroom.online/?hash=FxiVJsjT

Старые промпты от первой бананы тоже отлично работают.

Для некоторых задач и стилистик больше не нужно обучать лоры, потому что можно снова и снова добавлять референс персонажа, и банана сохраняет его одинаковым от кадра к кадру.

Потестировать кучу разных применений бананы в виде приложения можно здесь:
https://aistudio.google.com/apps/drive/1sEmTQCUUnVNwH1WdRP_7FraYTKw1tbmR?fullscreenApplet=true&showPreview=true&showAssistant=true

И здесь:
https://flowith.io/


Ответы на основные вопросы со вчерашней встрече:
Плейлист с базой по комфи
https://www.youtube.com/watch?v=Zko_s2LO9Wo&list=PL-pohOSaL8P9kLZP8tQ1K1QWdZEgwiBM0&index=1

3D-нейронки:
Hunyuan https://3d.hunyuan.tencent.com/
Hitem 3d https://hitem3d.ai/
Viscom для текстур, особенно хенд-пеинт https://www.vizcom.com/

Пост про 3д-ИИ генераторы, в комментах блендер-сцены, всё можно скачать себе и посмотреть:
https://t.me/Aironically/710

Установка комфи и нано бананы в фотошоп. Видео снято про первую нано банану, но в https://www.astria.ai/ вторую тоже уже добавили, так что и со второй всё будет работать.
https://t.me/Aironically/686

Главные посты канала с навигацией:
https://t.me/Aironically/619

Все видео из презентации есть в канале, часть видео была только на стриме с Янисом в практическом блоке с 15:00. Видео про комфи с 18:00:
https://www.youtube.com/watch?v=FGQJlIReiEo
-----------------

#Aironically #нейрорендер #обучение
------
@tsingular

Rapid Liquid Printing: 3D печать в геле за минуты

MIT Self-Assembly Lab вместе со Steelcase показали Rapid Liquid Printing — технологию, которая создает объекты прямо в гелевой суспензии.

Печатает промышленными материалами, быстро и в любом масштабе.
Можно напечатать сумку за несколько минут.

Обычная 3D-печать упирается в три проблемы: медленно, мелко, хлипкие материалы.
Здесь все наоборот — скорость как у литья, размер как у мебели, прочность как у промышленных полимеров.

Гель держит форму, пока материал застывает, никаких слоев и подпорок.
Гравитация не мешает, потому что всё плавает внутри.

Я сначала даже подумал, - нейрорендер, но нет, реально новый вид печати.

#RapidLiquidPrinting #MIT #Steelcase
------
@tsingular

- Коллеги, в рамках отработки навыков работы с ИИ, теперь друг к другу обращаемся промптами.

#юмор
———
@tsingular

Суно фсё?

В потоке отличных новостей встречаются и ложки дегтя.

Warner Music Group прогнул Suno на совместное соглашение, которое попахивает шантажом.
Теперь они вроде как партнеры, но, внимание, в 2026 году Suno должна ИЗБАВИТЬСЯ от существующих моделей и выкатить новые, кастрированные, обученные на лицензионном контенте.

У меня нет слов.

“several changes to the platform, including launching new, more advanced and licensed models, the current models will be deprecated”.

А скачивание песен будет только за деньги:

«В частности, в будущем песни, созданные на бесплатном тарифе, не будут доступны для скачивания, но их можно будет воспроизводить и делиться ими».

По данным компании, пользователи платного тарифа будут иметь ограниченный ежемесячный лимит на скачивание с возможностью оплатить дополнительные скачивания.

Warner Music Group также отмыли через стартап немного денег, заставив Suno купить Songkick, платформу для поиска концертов и живой музыки (зачем?!?!).

В общем я в печали. Бабло побеждает добро.

@cgevent

Ладно, не такая уж и плохая модель Opus 4.5

за 1 час в Курсоре можно с нуля написать свой n8n

В копилку подтверждений роста доли гражданского программирования.
Написать свое будет все проще и все быстрее.


Может платный мастер-класс кому?

Записывайтесь в комментах

#dev #Opus
———
@tsingular

OpenAI свернула детектор ИИ-текстов из-за низкой точности

OpenAI тихо закрыла проект по распознаванию машинного текста. Запущенный в январе 2023 классификатор правильно определял ИИ-контент только в 26% случаев.

Ещё хуже - инструмент регулярно помечал человеческие тексты как машинные. Для студентов, журналистов и профессионалов это означало реальные проблемы.

Компания признала - улучшить точность статистическими методами не получается. Теперь ставка на цифровые подписи и встроенные маркеры вместо анализа стиля.

Проблема в том, что модели становятся всё более человечными. Даже эксперты проваливают слепые тесты. И если создатели ChatGPT не могут распознать свой же текст, как это сделают регуляторы?

ЕС и FTC строят законы про прозрачность ИИ, но инструментов для проверки просто нет. Школы, редакции, платформы - все столкнулись с одной реальностью: технология обгоняет способы её контролировать.

#OpenAI #Detection #Watermarking
------
@tsingular

Китайцы сделали помощника родителям, который следит чтобы ребёнок не отвлекался во время домашки.

Интересно какие эффекты от такого надзора будут когда они вырастут? 🤔

#Китай #дети #надзор
------
@tsingular

n8n 2.0: автосохранение и новый интерфейс

n8n выкатывает версию 2.0 — бета 8 декабря, релиз 15-го.

Что добавили:
- Автосохранение (наконец-то)
- Обновленный канвас и сайдбар
- Улучшения безопасности и производительности

Но в комментах недовольство — пользователи жалуются, что воркфлоу с LLM и агентами рушатся при обработке больше 1000 элементов. Просят фиксить архитектуру, а не полировать интерфейс.

Еще запросы: встроенная обработка файлов без внешних сервисов и прямой доступ к моделям через API, как в Cursor.

Убрали бы лимиты с self-hosted, не пришлось бы свою писать. 😀

#n8n
------
@tsingular

🚀 DR Tulu: Прорыв в открытых моделях для глубоких исследований (Deep Research)

Allen Institute for AI (Ai2) представил DR Tulu-8B - открытую модель, специально обученную для задач «глубокого исследования» (Deep Research).
Это класс задач, где ИИ должен не просто ответить на вопрос, а провести многошаговый поиск, синтезировать информацию из множества источников и написать подробный отчет с цитатами.

💡 Главная инновация: RLER
Большинство открытых моделей обучаются на коротких ответах (Factoid QA) и плохо справляются с написанием длинных отчетов.

Чтобы решить эту проблему, авторы разработали новый метод обучения — Reinforcement Learning with Evolving Rubrics (RLER).

Как это работает: Вместо статических критериев оценки, система создает динамические рубрики, которые эволюционируют вместе с моделью в процессе обучения.

Самосовершенствование: Система анализирует текущие ответы модели, находит в них слабые места и генерирует новые критерии («рубрики») для оценки следующих итераций.

Проверка фактов: Эти рубрики основаны на реальных данных из поисковой выдачи, что заставляет модель придерживаться фактов, и не галлюцинировать.

📊 Результаты и производительность
Несмотря на скромный размер (8 миллиардов параметров), DR Tulu показывает впечатляющие результаты:

Качество: DR Tulu-8B значительно превосходит существующие открытые модели (включая более крупные, например, Tongyi Deep Research 30B) и конкурирует с проприетарными системами уровня GPT-5 + Search и Gemini 3 Pro на задачах написания научных отчетов.

Экономия: Это самая экономически эффективная модель на рынке. Стоимость одного запроса в DR Tulu составляет около $0.0019, в то время как аналогичный запрос в OpenAI Deep Research стоит около $1.8. Это разница почти в 3 порядка (в 1000 раз дешевле).

Точность цитирования: Модель обучена давать точные ссылки на источники (snippets), подтверждающие каждое утверждение, что критически важно для научных или медицинских работы.


🛠 Доступность (Open Source) всех компонентов:
- Веса модели DR Tulu-8B.
- Код для обучения и инференса.
- Датасеты.
- Инфраструктуру для агентов (библиотека dr-agent-lib на базе протокола MCP).

Итог: DR Tulu доказывает, что небольшие, но специализированные модели с правильным методом обучения (RLER) могут превзойти гигантов в сложных задачах, требующих синтеза информации и работы с источниками.

🔗 Ссылки:
Блог: allenai.org/blog/dr-tulu
Код: github.com/rlresearch/dr-tulu
Модели: huggingface.co/collections/rl-research/dr-tulu

Инструкция как запустить локально

#Tulu #DeepResearch
———
@tsingular

🏛 ИИ-система для оценки законопроектов Конгресса США

Разработчик создал открытую систему, которая сканирует законодательную базу США и автоматически выставляет оценки всем законопроектам американского Конгресса.

Как работает:
- AI читает полный текст законопроекта
- Оценивает влияние по 17 категориям (от -100 до +100): экономика, здравоохранение, экология, образование и т.д.
- Агрегирует оценки в итоговый балл законодателя (как средний балл студента)

Интересный проект, как для законотворчества, так и для оценки работы законодателей.

GitHub

#USA #poliscore #законы
———
@tsingular

Microsoft и NVIDIA разогнали защиту от ИИ-атак в 160 раз

Совместная работа Microsoft NEXT.ai и NVIDIA позволила запустить adversarial learning в реальном времени.

Проблема была в латентности: трансформеры на CPU выдавали 1239 мс задержки и жалкие 0.81 запроса в секунду. Для финансовых систем или e-commerce это провал.

Переход на H100 с кастомными CUDA-ядрами и доменным токенизатором для киберданных снизил задержку до 7.67 мс при >130 req/s.

Точность обнаружения атак — >95% на бенчмарках.

Абе Староста из Microsoft: "Adversarial learning работает в проде только когда латентность, throughput и точность двигаются вместе."

Теперь системы могут учиться и адаптироваться к мутирующим атакам без участия человека — автономная защита становится реальностью.

#Microsoft #NVIDIA #cybersecurity
------
@tsingular