Продажа биологических компьютеров.. жесть, но круто же!
https://t.me/ai_machinelearning_big_data/9627
https://t.me/ai_machinelearning_big_data/9627
Telegram
Machinelearning
🌟 Живые нейроны человека научили играть в Doom ⡅ ⣈⢘⠑ ⢰⠋⡄⡃⡄⢑⡒ ⡅⢂⣈⠕⢃⠉
Австралийская Cortical Labs подключила лабораторно выращенные нейроны человека к биологическому компьютеру и заставила их пройти Doom.
Нейроны получили из клеток кожи и крови взрослых доноров…
Австралийская Cortical Labs подключила лабораторно выращенные нейроны человека к биологическому компьютеру и заставила их пройти Doom.
Нейроны получили из клеток кожи и крови взрослых доноров…
Вот те раз, ждать ждали, но не так быстро. У меня мой OpenClaw на 5.3 сидит, буду апгрейдить, но он мне пока прогу допиливает. Вообще, впечатления и от GPT-5.3, и от OpenClaw самые положительные, скорее бы выпускали тариф на 100 баксов, пошел бы брать.,
Telegram
Сиолошная
Если 2 дня назад вышла GPT-5.3, то сегодня, значит, не стоит ожидать 5.4? 🆒
А вот и она: https://openai.com/index/introducing-gpt-5-4/ (плюс есть Pro-версия)
Модель немного подорожала и разрослась контекстом до 1М токенов.
Помимо десятков бенчмарков отдельный…
А вот и она: https://openai.com/index/introducing-gpt-5-4/ (плюс есть Pro-версия)
Модель немного подорожала и разрослась контекстом до 1М токенов.
Помимо десятков бенчмарков отдельный…
Народ строит ВПН для нейронок - смысл в том, чтобы поставить между вами и нейронками слой, который делает запрос анонимным и не позволяет по нему вас идентифицировать. Стоит только пожелать удачи такому проекту
openanonymity.ai
The Open Anonymity Project
The Open Anonymity Project is a research & engineering effort building tools, infrastructure, and user-facing software for AI user privacy.
❤1
Проблемам тем, что Клоду постоянно нужно одобрять действия есть, тот же Codex в разы меньше разрешений при программировании запрашивает, чем Claude code. Я ее в целом решил настройкой запросов в settings.json, но всегда лучше, когда есть системное решение
Telegram
Анализ данных (Data analysis)
⚡️ Claude, похоже, решает одну из самых раздражающих проблем разработчиков.
Anthropic анонсировала экспериментальную функцию Auto Mode для Claude Code, которая должна появиться примерно 12 марта 2026 года.
Идея простая: позволить Claude самостоятельно обрабатывать…
Anthropic анонсировала экспериментальную функцию Auto Mode для Claude Code, которая должна появиться примерно 12 марта 2026 года.
Идея простая: позволить Claude самостоятельно обрабатывать…
То-то мы не видим новых релизов от DeepSeek.. но все-таки как-то это неправильно, втихаря обновляться
https://t.me/machinelearning_interview/2595
https://t.me/machinelearning_interview/2595
Telegram
Machine learning Interview
DeepSeek продолжает постоянно обновлять модель, которая сейчас используется в их веб-версии и приложении.
По словам пользователя на одном из китайских форумов, за последние несколько дней модель заметно улучшилась в задачах по математике и программированию…
По словам пользователя на одном из китайских форумов, за последние несколько дней модель заметно улучшилась в задачах по математике и программированию…
Forwarded from Анализ данных (Data analysis)
⚡️ Андрей Карпаты выложил минимальный репозиторий Autoresearch - систему, где AI сам проводит исследования.
Это упрощённая версия ядра обучения LLM из nanoGPT/nanochat:
весь код обучения помещается в один файл (~630 строк) и работает на одной GPU.
Как это устроено:
- человек редактирует prompt (.md)
- AI-агент автоматически меняет training code (.py)
Дальше начинается цикл автономных экспериментов.
Каждая точка на графике — полный запуск обучения LLM (~5 минут).
AI-агент работает в бесконечном цикле:
- создаёт git-ветку
- меняет архитектуру модели
- подбирает optimizer
- оптимизирует гиперпараметры
- запускает обучение
- коммитит улучшения
Если validation loss становится ниже, изменение сохраняется.
Фактически агент сам оптимизирует собственный код обучения и постепенно улучшает модель.
Можно запускать несколько агентов с разными промптами и сравнивать, кто быстрее двигает исследование.
Карпаты шутит, что раньше AI-исследования делали люди между:
- едой
- сном
- митингами
Теперь же исследования могут выполнять рои автономных AI-агентов, которые бесконечно гоняют эксперименты на кластерах.
GitHub: github.com/karpathy/autoresearch
🎯Полезные Мл-ресурсы 🚀 Max
@data_analysis_ml
Это упрощённая версия ядра обучения LLM из nanoGPT/nanochat:
весь код обучения помещается в один файл (~630 строк) и работает на одной GPU.
Как это устроено:
- человек редактирует prompt (.md)
- AI-агент автоматически меняет training code (.py)
Дальше начинается цикл автономных экспериментов.
Каждая точка на графике — полный запуск обучения LLM (~5 минут).
AI-агент работает в бесконечном цикле:
- создаёт git-ветку
- меняет архитектуру модели
- подбирает optimizer
- оптимизирует гиперпараметры
- запускает обучение
- коммитит улучшения
Если validation loss становится ниже, изменение сохраняется.
Фактически агент сам оптимизирует собственный код обучения и постепенно улучшает модель.
Можно запускать несколько агентов с разными промптами и сравнивать, кто быстрее двигает исследование.
Карпаты шутит, что раньше AI-исследования делали люди между:
- едой
- сном
- митингами
Теперь же исследования могут выполнять рои автономных AI-агентов, которые бесконечно гоняют эксперименты на кластерах.
GitHub: github.com/karpathy/autoresearch
🎯Полезные Мл-ресурсы 🚀 Max
@data_analysis_ml
Эндрю Нг (профессор Станфорда, который радует нас бесконечным количеством обучающих материалов по ИИ) сделал репозиторий для агентов, чтобы они подхватывали актуальные API и документацию. Еще один маленький шажок в сторону ненавязчивой тотальной автоматизации
GitHub
GitHub - andrewyng/context-hub
Contribute to andrewyng/context-hub development by creating an account on GitHub.
Глыба современного ИИстроения Андрей Карпаты продолжает эксперименты - сначала написал nanochat - минимальную GPT, которая обучается до уровня GPT-2. Теперь сделал среду, в которой агент учится совершениюствовать модель и обучение. Сейчас рекордное время обучение сети до состояния GPT-2 составило 1,8 часа. Воистину, возможности думающего человека безграничны
GitHub
GitHub - karpathy/autoresearch: AI agents running research on single-GPU nanochat training automatically
AI agents running research on single-GPU nanochat training automatically - karpathy/autoresearch
Немного не по теме, но не могу не поделиться - лучший репозиторий прошлой недели. Хотите видеть сквозь стены?
RuView — это open-source edge AI система, которая «видит» людей через стены, используя только WiFi-сигналы. Без камер, без носимых устройств, без интернета.
Суть технологии:
WiFi-роутер заполняет комнату радиоволнами. Когда человек двигается (или даже дышит), волны рассеиваются по-другому. RuView анализирует эти изменения через CSI (Channel State Information) — поканальные данные об амплитуде и фазе сигнала — и восстанавливает позу тела, частоту дыхания и пульс в реальном времени.
Что умеет:
Оценка позы — 17 точек тела (как COCO keypoints) из WiFi-сигнала, 54K fps на Rust
Витальные показатели — дыхание (6–30 вдохов/мин), пульс (40–120 уд/мин) бесконтактно
Сквозь стены — WiFi проходит через стены, мебель, завалы (до 5 м)
Многопользовательское отслеживание — несколько человек одновременно, без путаницы ID
Самообучение — модель учится на сырых WiFi-данных без камер и разметки (ADR-024)
Железо:
Основной вариант — mesh из 3–6 ESP32-S3 (~$8–54 за комплект) + обычный WiFi-роутер
Альтернатива — Intel 5300 / Atheros AR9580 (исследовательские NIC)
Без CSI-оборудования — только грубое определение присутствия по RSSI
Стек:
Основной runtime — Rust (810x быстрее Python-версии), 15 crate'ов на crates.io
65 edge-модулей (WASM,
Docker-образы для быстрого старта:
Прошивка ESP32 на C (CSI collector + TDM mesh протокол)
Web UI — Three.js визуализация в реальном времени
Применения: уход за пожилыми (падения, дыхание ночью), больничный мониторинг, ритейл (поток/очереди без камер), умный дом (присутствие через стены), спасательные операции (поиск выживших в завалах), промышленная безопасность, робототехника.
Статус: 32.9K звёзд, 274 коммита, 1300+ тестов, MIT-лицензия. Проект основан на академической работе Carnegie Mellon DensePose From WiFi и расширен до практической edge-системы.
По сути, это превращение обычного WiFi в «рентген для движения» — приватно (нет видео), дёшево (ESP32 за копейки) и автономно (без облака).
RuView — это open-source edge AI система, которая «видит» людей через стены, используя только WiFi-сигналы. Без камер, без носимых устройств, без интернета.
Суть технологии:
WiFi-роутер заполняет комнату радиоволнами. Когда человек двигается (или даже дышит), волны рассеиваются по-другому. RuView анализирует эти изменения через CSI (Channel State Information) — поканальные данные об амплитуде и фазе сигнала — и восстанавливает позу тела, частоту дыхания и пульс в реальном времени.
Что умеет:
Оценка позы — 17 точек тела (как COCO keypoints) из WiFi-сигнала, 54K fps на Rust
Витальные показатели — дыхание (6–30 вдохов/мин), пульс (40–120 уд/мин) бесконтактно
Сквозь стены — WiFi проходит через стены, мебель, завалы (до 5 м)
Многопользовательское отслеживание — несколько человек одновременно, без путаницы ID
Самообучение — модель учится на сырых WiFi-данных без камер и разметки (ADR-024)
Железо:
Основной вариант — mesh из 3–6 ESP32-S3 (~$8–54 за комплект) + обычный WiFi-роутер
Альтернатива — Intel 5300 / Atheros AR9580 (исследовательские NIC)
Без CSI-оборудования — только грубое определение присутствия по RSSI
Стек:
Основной runtime — Rust (810x быстрее Python-версии), 15 crate'ов на crates.io
65 edge-модулей (WASM,
no_std Rust, 5–30 KB каждый) — от апноэ сна до детекции дождяDocker-образы для быстрого старта:
docker run -p 3000:3000 ruvnet/wifi-densepose:latestПрошивка ESP32 на C (CSI collector + TDM mesh протокол)
Web UI — Three.js визуализация в реальном времени
Применения: уход за пожилыми (падения, дыхание ночью), больничный мониторинг, ритейл (поток/очереди без камер), умный дом (присутствие через стены), спасательные операции (поиск выживших в завалах), промышленная безопасность, робототехника.
Статус: 32.9K звёзд, 274 коммита, 1300+ тестов, MIT-лицензия. Проект основан на академической работе Carnegie Mellon DensePose From WiFi и расширен до практической edge-системы.
По сути, это превращение обычного WiFi в «рентген для движения» — приватно (нет видео), дёшево (ESP32 за копейки) и автономно (без облака).
GitHub
GitHub - ruvnet/RuView: π RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence…
π RuView turns commodity WiFi signals into real-time spatial intelligence, vital sign monitoring, and presence detection — all without a single pixel of video. - ruvnet/RuView
Forwarded from Machine learning Interview
⚡️ Alibaba Tongyi Lab открыла исходники GUI-Owl-1.5 и Mobile-Agent-v3.5 - семейства моделей-агентов, которые умеют напрямую управлять интерфейсами: desktop, мобильными приложениями и браузером.
Все модели построены на базе Qwen3-VL и обучены в одной парадигме для работы с GUI.
Доступно 6 размеров моделей:
• 2B / 4B / 8B / 32B Instruct — быстрые модели с низкой задержкой (без Chain-of-Thought)
• 8B / 32B Thinking — более сильное планирование и reasoning
По бенчмаркам это open-source SOTA на более чем 20 тестах GUI-агентов:
• OSWorld-Verified — 56.5 (32B-Instruct)
• AndroidWorld — 71.6 (8B-Thinking)
• VisualWebArena — 46.6
• WebArena — 48.4 (32B-Thinking)
• ScreenSpot-Pro — 80.3 с двухэтапным crop refine
• OSWorld-MCP — 47.6
• MobileWorld — 46.8
Архитектура обучения строится на трех ключевых идеях:
• Hybrid Data Flywheel — комбинация симуляций и cloud sandbox для генерации GUI-траекторий с проверкой чекпоинтов
• Unified CoT Synthesis — world modeling, knowledge injection и tool/MCP reasoning встроены в каждый шаг
• MRPO — multi-platform reinforcement learning с online rollout buffer и защитой от outcome collapse
Фактически это еще один шаг к полностью автономным AI-агентам, которые могут работать с интерфейсами так же, как человек.
Models: modelscope.cn/models/iic/GUI-Owl-1.5-8B-Instruct
GitHub: github.com/X-PLUG/MobileAgent
🎯Полезные Мл-ресурсы 🚀 Max
@machinelearning_interview
Все модели построены на базе Qwen3-VL и обучены в одной парадигме для работы с GUI.
Доступно 6 размеров моделей:
• 2B / 4B / 8B / 32B Instruct — быстрые модели с низкой задержкой (без Chain-of-Thought)
• 8B / 32B Thinking — более сильное планирование и reasoning
По бенчмаркам это open-source SOTA на более чем 20 тестах GUI-агентов:
• OSWorld-Verified — 56.5 (32B-Instruct)
• AndroidWorld — 71.6 (8B-Thinking)
• VisualWebArena — 46.6
• WebArena — 48.4 (32B-Thinking)
• ScreenSpot-Pro — 80.3 с двухэтапным crop refine
• OSWorld-MCP — 47.6
• MobileWorld — 46.8
Архитектура обучения строится на трех ключевых идеях:
• Hybrid Data Flywheel — комбинация симуляций и cloud sandbox для генерации GUI-траекторий с проверкой чекпоинтов
• Unified CoT Synthesis — world modeling, knowledge injection и tool/MCP reasoning встроены в каждый шаг
• MRPO — multi-platform reinforcement learning с online rollout buffer и защитой от outcome collapse
Фактически это еще один шаг к полностью автономным AI-агентам, которые могут работать с интерфейсами так же, как человек.
Models: modelscope.cn/models/iic/GUI-Owl-1.5-8B-Instruct
GitHub: github.com/X-PLUG/MobileAgent
🎯Полезные Мл-ресурсы 🚀 Max
@machinelearning_interview
Читая такие новости про Claude и про других агентов, понимаешь, что ситуация начинает выходить из под контроля...
https://t.me/ai_machinelearning_big_data/9644
https://t.me/ai_machinelearning_big_data/9644
Telegram
Machinelearning
✔️ Anthropic представила Claude Code Review.
Claude Code Review - инструмент для поиска багов в пулл-реквестах, который сейчас доступен в режиме превью для корпоративных пользователей Team и Enterprise. Процесс полностью бесшовен, агенты автоматически активируются…
Claude Code Review - инструмент для поиска багов в пулл-реквестах, который сейчас доступен в режиме превью для корпоративных пользователей Team и Enterprise. Процесс полностью бесшовен, агенты автоматически активируются…
Gemini начали разворачивать в Chrome - сейчас это вторая нейросетка по популярности, и, видимо, доля ее будет расти и дальше
Google
Expanding Chrome’s AI experiences to India, New Zealand and Canada
We’re bringing Gemini in Chrome’s powerful AI features to more regions and languages, helping millions of people get the most out of their browser.
Было ли у вас такое, что пока Claude code работает, хочется задать ему вопрос по ходу? Так вот, теперь вы можете - /btw и пишите вопрос. Клод будет продолжать работать и говорить с вами одновременно.
X (formerly Twitter)
Thariq (@trq212) on X
We just added /btw to Claude Code!
Use it to have side chain conversations while Claude is working.
Use it to have side chain conversations while Claude is working.
🔥2
Forwarded from Анализ данных (Data analysis)
Модель поддерживает 100+ языков, текстовые входы до 8192 токенов, до 6 изображений в одном запросе, видео до 120 секунд, нативные аудио-эмбеддинги и PDF-файлы до 6 страниц. Это позволяет упростить пайплайны для задач вроде RAG, семантического поиска, кластеризации и анализа тональности.
Благодаря технологии Matryoshka Representation Learning, которая позволяет гибко менять размер векторов (3072 → 1536 → 768), разработчики могут балансировать между качеством модели и затратами на хранение, сохраняя при этом передовое мультимодальное понимание данных.
https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-embedding-2/
🎯Полезные Мл-ресурсы 🚀 Max
@data_analysis_ml
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Я уже писал, что установил себе супермодного нынче агента - OpenClaw. Живет у меня в отдельной квартире в отдельном контейнере комфортабельного мак мини.
Посадил его на подписку ChatGPT-5.4, одна из топ моделей на сегодня, вроде должен быть неглупым.
Оно прикольно, с одной стороны, подключился к телеграмму, общается с тобой, весь такой самостоятельный, типа - все сделаю сам.
Но есть одна проблема. Он врет. Ну просто постоянно воет. У меня в Claude code есть отдельный агент, который смотрит за тем, что делает OpenClaw, поэтому знаю из достоверных источников.
Типичный диалог:
- подключи Gemini через acpx;
- да, сейчас, все будет, минут 10;
- подключился?
- да, но соединение не стабильное, надо не через CLI, а сделать обертку. Сделаю, прогоню smoke-тесты?
- делай;
Ну и дальше в таком же духе - еще 15 минут, какая-то авторизация нужна, что-то на серваке не работает. Спрашиваю Клода - что он там делает?
А он ДАЖЕ НЕ НАЧИНАЛ.
Просто чатится со мной и кормит обещаниями. Очень по-человечески. И так из раза в раз. Просто жесть.
Теперь помимо модного слова Claw изучаю еще одно модное слово - Harness
Посадил его на подписку ChatGPT-5.4, одна из топ моделей на сегодня, вроде должен быть неглупым.
Оно прикольно, с одной стороны, подключился к телеграмму, общается с тобой, весь такой самостоятельный, типа - все сделаю сам.
Но есть одна проблема. Он врет. Ну просто постоянно воет. У меня в Claude code есть отдельный агент, который смотрит за тем, что делает OpenClaw, поэтому знаю из достоверных источников.
Типичный диалог:
- подключи Gemini через acpx;
- да, сейчас, все будет, минут 10;
- подключился?
- да, но соединение не стабильное, надо не через CLI, а сделать обертку. Сделаю, прогоню smoke-тесты?
- делай;
Ну и дальше в таком же духе - еще 15 минут, какая-то авторизация нужна, что-то на серваке не работает. Спрашиваю Клода - что он там делает?
А он ДАЖЕ НЕ НАЧИНАЛ.
Просто чатится со мной и кормит обещаниями. Очень по-человечески. И так из раза в раз. Просто жесть.
Теперь помимо модного слова Claw изучаю еще одно модное слово - Harness
😁6
Два слова о том, почему после всех этих фокусов я все-таки продолжаю с ним заморачиваться.
Во-первых, он воспринимается очень естественно. Пишет в телеграмм как помощник, оборудован памятью (еще предстоит посмотреть, как она работает), может и в вотсапе писать (это мало кто умеет) - т.е. хороший канал связи и много инструментов.
Во-вторых, это очень удобный оркестратор - ты закинул ему задачку, он сам разбил ее на подзадачи, ушел в луп разработки, загрузил другие модели - и выдал результат. Так в теории должно работать.
У него очень классные внутренние промпты. Подключаю к нему сейчас по acpx claude code, codex, gemini - должны работать по подпискам. Т.е. Claw должен задачку грузить агенту, например, в кодексе, и проверять результат разработки. Подписок у меня достаточно, а здесь - возможность их использовать на максимум.
Поэтому работаю над harness - пытаюсь дать инструменты и заставить делать то, что от него прошу. Если получится, буду просто в телеграмме давать команду и там же получать ответ, и цель кажется достижимой и очень привлекательной.
В общем, пытаюсь сделать из двоечника отличника. Как-то так
Во-первых, он воспринимается очень естественно. Пишет в телеграмм как помощник, оборудован памятью (еще предстоит посмотреть, как она работает), может и в вотсапе писать (это мало кто умеет) - т.е. хороший канал связи и много инструментов.
Во-вторых, это очень удобный оркестратор - ты закинул ему задачку, он сам разбил ее на подзадачи, ушел в луп разработки, загрузил другие модели - и выдал результат. Так в теории должно работать.
У него очень классные внутренние промпты. Подключаю к нему сейчас по acpx claude code, codex, gemini - должны работать по подпискам. Т.е. Claw должен задачку грузить агенту, например, в кодексе, и проверять результат разработки. Подписок у меня достаточно, а здесь - возможность их использовать на максимум.
Поэтому работаю над harness - пытаюсь дать инструменты и заставить делать то, что от него прошу. Если получится, буду просто в телеграмме давать команду и там же получать ответ, и цель кажется достижимой и очень привлекательной.
В общем, пытаюсь сделать из двоечника отличника. Как-то так
🔥1