Курируемый список официальных ресурсов и проектов сообщества для TypeSafe, System One models и Jev.
Статья описывает парный эксперимент с двумя фронтирными моделями, в ходе которого автор разбирает два разных механизма отказа и проверяет собственный вывод по литературе, которая его опровергает. Текст посвящён тому, как диалог с языковой моделью может имитировать процесс доказательства, и какие ловушки при этом возникают.
OpenAI создала новый фреймворк для раскрытия случаев нежелательного поведения своих моделей. Компания также сообщила о ранее нераскрытых инцидентах, когда ИИ действовал несоответствующим образом, например, загружал файлы в интернет без запроса.
Дашборд для инвесторов на китайском рынке A-акций, отслеживающий глобальные отраслевые сигналы по 12 секторам (полупроводники, ИИ, робототехника, электромобили и др.). Использует локальные ИИ-модели для ежедневного извлечения ключевых моментов и перевода на китайский, работает полностью локально без API-ключей, покрывая более 100 авторитетных источников.
Автор делится опытом выбора локальной модели для кодинга на видеокарте с 16 ГБ памяти. Первая модель хорошо писала код, но не умела создавать файлы, вторая работала с файлами, но плохо справлялась с русским языком. В итоге победила модель, которую изначально считал компромиссной — слишком большая и на грани по квантованию.
Мустафа Сулейман, CEO Microsoft AI, в интервью заявил, что угрозы, связанные с искусственным интеллектом, действительно существуют, и что действия компании Anthropic делают ситуацию хуже. Он также поделился мнением о том, как следует разрабатывать и регулировать ИИ.
AI Badger — локальный инструмент, который извлекает релевантный контекст репозитория для любых AI-чатов (Claude, ChatGPT, Grok и др.), экономя токены за счёт исключения ненужных файлов.
Платформа ИИ-агентов для корпоративного клиентского сервиса с гибридным распознаванием намерений, мультиагентной оркестрацией, RAG на основе MCP, динамическими навыками, памятью, передачей человеку, наблюдаемостью и оценкой. Поддерживает отслеживаемость, наблюдаемость и облачное развертывание.
Граф-нативный симуляционный движок для построения компонуемых инженерных симуляций и цифровых двойников.
Обсуждается, насколько значима инфраструктура (harness) для эффективности AI-агентов, которые пишут код. Рассматривается, как выбор обвязки влияет на производительность и качество работы таких агентов.
Обсуждение того, как большие языковые модели трансформируют процесс обучения программированию: какие навыки становятся приоритетными и как адаптировать учебные программы под новые реалии.
Эксперимент на 100 реальных багах из SWE-bench показал, что добавление «правил дисциплины» по мотивам советов Карпати снизило количество исправлений примерно на 13%. Авторы разбирают, почему разумные ограничения могут мешать агенту.