Новости будущего

🧠 ИИ-агент может изменить сотню строк и справиться. А на небольшом рефакторинге сломаться.

Исследователи Microsoft Research изучили, где coding agents действительно испытывают трудности. Результаты указывают на понимание логики кода как на важное узкое место.

Команда создала CABRA, генератор задач, позволяющий повышать один вид сложности за раз. На 6 840 задачах проверили восемь LLM и шесть агентов.

Без инструментов модели ухудшали результаты по мере роста задач. Агенты держались почти без ошибок: поиск нужных функций можно поручить grep.

Но затем им предложили выделить общую логику двух классов, сохранив различия в поведении. С ростом сложности точность начала падать, хотя объём правок оставался небольшим. Агенты путались в логике и слишком полагались на названия.

Оценивая агента, добавьте задачи на сравнение поведения и сохранение различий при рефакторинге. Размер diff сам по себе плохо показывает, сколько кода пришлось понять.

Статья: https://arxiv.org/abs/2610.10610

Код: https://github.com/microsoft/CABRA

📲 Новости будущего — подписаться

🧬 ИИ для биологии упирается в нехватку данных. Одними GPU проблему не решить.

Biohub, основанный Марком Цукербергом и Присциллой Чан, вместе с Meta, Google DeepMind, Isomorphic Labs, Минэнерго США и NIH расширяет инициативу по созданию «виртуальной клетки». Общий объём обязательств составляет $1,8 млрд, включая финансирование, данные, вычисления и технологии измерения.

Цель: научиться предсказывать реакцию клеток на вмешательства, чтобы проверять идеи на компьютере перед лабораторными экспериментами.

По оценке научного руководителя Biohub Алекса Райвса, нынешних данных о сотнях миллионов клеток недостаточно: понадобятся миллиарды, а затем триллионы. Первый датасет ожидают примерно через год, точные предсказательные модели рассчитывают получить за пять лет.

Есть нюанс: коммерческие партнёры получат год эксклюзивного доступа к данным, которые помогают создавать. На данные, финансируемые государством, такое ограничение не распространяется.

https://biohub.org/news/virtual-biology-initiative-expansion/

📲 Новости будущего — подписаться

Forwarded From ТЕХНО: Яндекс про технологииЕсли модель говорит по-русски, это ещё не значит, что вы с ней на одной волне

Каждую нейросеть нужно адаптировать под понимание и общение на конкретном языке. На примере новой открытой нейросети Яндекса Alice AI Foundation, которую обучили с нуля внутри компании, рассказываем, как ИИ прививают знание русского.

Токенизация на русском

LLM читают текст не по словам или буквам, а по токенам — кусочкам текста, из которых складываются промпты, размышления и ответы. Таким фрагментом может быть один символ, целое слово или его часть. Чтобы нейросеть могла нарезать текст на токены, разработчики заранее составляют для неё словарь. Собирают его автоматически: если слово часто встречается в датасете, оно получает собственный токен. 

Но если обучающие материалы были, скажем, на английском, то русские слова при обработке будут дробиться на несколько токенов. И вообще один и тот же текст на разных языках превращается в разное количество токенов. Например, в Claude Opus 5 фраза «Это тестовый текст для подсчёта количества токенов на разных языках» на русском занимает 17 токенов, а на английском — всего 13.

Словарь Alice AI Foundation создавали на текстах, где преобладал русский, поэтому она эффективно его токенизирует. Поэтому обработка запросов упрощается — модели требуется меньше токенов, чтобы получить результат. Она начинает читать и генерировать текст быстрее, а на оплату её работы требуется меньше денег. Заодно в контекстное окно помещается больше текста, и нейросеть дольше сохраняет память о начале переписки.

Обучение на русском

Материалы для обучения влияют и на то, насколько хорошо модель понимает пользователя. Смысл запросов часто зависит от страны, поэтому просто перевести английские тексты недостаточно — модель нужно обучать на русских, чтобы она понимала местные реалии и культурный код. 

При этом, чтобы модель запомнила факт, его нужно пересказать несколько раз в разных формах. Например, строчку «Пётр I основал Петербург в 1703 году» для обучения превращают в реплику экскурсовода, в запись в духе исторической заметки и в вопрос с ответом. 

Тестирование на русском

Результат адаптации под русский язык нужно проверять на специальных тестах, основанных на популярных запросах пользователей. Для Alice AI Foundation в Яндексе разработали собственные тесты на знание истории, права, английского и общих фактов. В последней категории, к примеру, она набрала 86,5 балла против 83,2 китайской DeepSeek-V4-Flash-Base, которая в 3,5 раза больше.

Alice AI Foundation получилась компактной благодаря архитектуре MoE: из 80 млрд параметров для обработки токена задействуются лишь около 3 млрд. Так модель вмещает больше знаний, но требует меньше вычислений — и на многих задачах обходит более крупные открытые нейросети.

Релиз модели заметили и за рубежом, где её включили в число ключевых запусков недели. А подробнее о разработке и обучении Alice AI Foundation можно почитать в техрепорте.

📲 Новости будущего — подписаться

🧬 DeepMind представила AlphaProtein Novo: ИИ для проектирования новых ферментов

Система создаёт структуру белка и его аминокислотную последовательность под заданную химическую реакцию. Отправная точка: описание будущего активного центра фермента.

Исследователи уже проверили разработки в лаборатории:

• Синтез пиперидинов, молекулярных компонентов многих лекарств.
• Расщепление DEHP, токсичного пластификатора, загрязняющего окружающую среду.

Показательный результат: первые ферменты для синтеза пиперидинов давали выход всего 0,1%. После уточнения дизайна и двух раундов направленной эволюции выход превысил 60%, сохранив высокую избирательность реакции.

Это показывает, как ИИ-проектирование и лабораторные эксперименты могут усиливать друг друга.

Код и веса опубликованы; использование весов ограничено некоммерческими условиями. Исследование пока представлено как препринт.

https://github.com/google-deepmind/alphaprotein-novo

📲 Новости будущего — подписаться

🏅 Нобелевскую премию по медицине 2026 года дали за управление нейронами с помощью света

Лауреатами стали Карл Дейссерот, Петер Хегеманн и Георг Нагель. Их открытия заложили основу оптогенетики.

Как это работает:

• В выбранные нейроны вводят ген светочувствительного белка.
• Клетки начинают производить этот белок.
• Импульс света открывает ионные каналы и запускает нервный сигнал.

Хегеманн и Нагель обнаружили такой белок у одноклеточной водоросли. Дейссерот использовал его как световой переключатель для нейронов.

Это позволяет проверять, какие нервные цепи отвечают за конкретные воспоминания, эмоции и поведение. Учёные воздействуют на выбранные клетки и наблюдают, что меняется.

💡 Всё началось с вопроса: как крошечная водоросль плывёт к свету?

https://www.nobelprize.org/prizes/medicine/2026/press-release/

📲 Новости будущего — подписаться

Forwarded From Machinelearning✔️ Китайские инженеры разработали неинвазивный нейроинтерфейс весом 3 грамма

Исследователи Тяньцзиньского университета представили неинвазивную ЭЭГ-систему Shen Gong Xumi Brain Cube. При объеме 2 см³ устройство весит 3 грамма.

Датчик крепится к коже головы под волосами, заменяя стандартные ЭЭГ-шапочки с проводами. Внутри корпуса размещены массив электродов, цепи фильтрации и оцифровки биопотенциалов, аккумулятор и модуль беспроводной передачи данных.

Платформа предназначена для длительного непрерывного сбора данных.

Заявленные сценарии применения включают клинический мониторинг (трекинг фаз сна, выявление патологий, нейрореабилитация) и контроль психофизиологического состояния сотрудников спецслужб в полевых условиях.

@ai_machinelearning_big_data

#news #ai #ml

📲 Новости будущего — подписаться

🔥 Harness Engineering: бесплатный курс на русском о том, как заставить AI-агента писать код надёжно

Главная мысль курса: способности модели и надёжность её работы зависят от разных вещей. Одна и та же модель в «голой» среде и в продуманной обвязке выдаёт совершенно разный результат. Апгрейд модели обходится дороже всего и при этом редко лучше всего чинит агента.

Harness здесь называют всё, что лежит вокруг весов: файлы инструкций вроде AGENTS.md и CLAUDE.md, инструменты и MCP, среду исполнения, состояние между сессиями и петли проверки. Курс учит проектировать эту обвязку как инженерную систему.

Хорошо видно, зачем это нужно, по простой математике. Если каждый шаг агента успешен с вероятностью 95%, то прогон из 20 шагов доходит до конца лишь в 36% случаев, а из 50 шагов только в 8%. Поэтому значительная часть курса посвящена верификации и тому, как не дать агенту объявить победу раньше времени.

Внутри 11 блоков теории (обратная связь, законы Гудхарта и Литтла, контекст как канал с шумом), 14 модулей от непрерывности сессий и принципа WIP=1 до Loop и Graph Engineering, 8 проектов, 14 лабораторных и 60 задач с разборами. Есть быстрый старт, где минимальная обвязка собирается за 30 минут, диагностический протокол «как починить агента», исполняемые тесты, шаблоны и каталог антипаттернов.

https://github.com/justxor/Harness_ru

📲 Новости будущего — подписаться

LLM на 3,66 млрд параметров приблизилась к Qwen3-8B в формальной логике 🤏

webAI выпустила TwIL-LM3-Pro, компактную модель на базе IBM Granite 4.2 3B.

По тестам разработчиков:

• результат сопоставим с Qwen3-8B по сводной метрике формальной логики;
• модель опережает публичную VibeThinker-3B во всех шести проверенных направлениях;
• 95,4% на логической подвыборке BIG-Bench Hard;
• 95% на математических задачах SVAMP.

Версия Q4_K_M занимает 2,09 GiB и, по карточке модели, запускается на CPU или видеокарте с 4 ГБ VRAM. При локальном использовании запросы обрабатываются на вашем устройстве, без оплаты облачного API.

За результатами стоит многоэтапное дообучение: логические задачи, разные траектории рассуждений, объединение весов и обучение с подкреплением.

Есть нюансы: опубликованные оценки получены на BF16, качество Q4 отдельно не измерено. Лицензия некоммерческая.

Хороший повод проверить, какая доля ваших запросов действительно требует самой мощной модели.

https://huggingface.co/webAI-Official/TwIL-LM3-Pro

📲 Новости будущего — подписаться