Старший Авгур


Channel's geo and language: Russia, Russian
Category: Technologies


Сохраненки и шитпост про ML от @YallenGusev
Чат канала: @augur_chat

Related channels  |  Similar channels

Channel's geo and language
Russia, Russian
Statistics
Posts filter


https://artificialanalysis.ai/agents/search-api

Нас (Keenable) сравнили в бенчмарке Artificial Analysis.

Во-первых, я очень рад, что мы туда вообще попали. За это ребятам огромное спасибо.

Во-вторых, с методологией бенча есть некоторые проблемы:

1. Fetch инструмент использовался один на все движки, и это был просто HTTP GET. То есть часть силы нашего индекса была помножена на ноль, потому что часть документов, которые мы возращаем, обычным HTTP GET тупо не качается.
2. Две трети оценки складывается из старых публичных бенчмарков (BrowseComp и DeepSearchQA). Все наши конкуренты уже успели их забенчмаксить. Это очень хорошо видно на Parallel Turbo на приватном AA-Omniscience. Это мы поправим, добенчмаксим тоже.


Forward from: Denis Sexy IT 🤖
Увидел тут полную карту мозга мухи (FlyWire – там размечены все 139 тысяч нейронов дрозофилы) и не удержался – сделал 3D-муху, которая живёт на рабочем столе мака

Внутри настоящая карта нейронов дрозофилы (FlyWire), так что от курсора она улетает не по скрипту, а когда у неё реально загорается нейрон побега – тот же, что у живой мухи

Ещё есть окошко с её мозгом: кликаешь по зоне нейронов – муха чешется, пятится или паникует

Днём у неё сиеста, ночью она спит, а на горячем маке бегает быстрее (я не шучу, у нее какие-то евенты из MacOS прокинуты в симуляцию мозга 😋)

Исходный код тут:
https://github.com/DenisSergeevitch/desktop-fly

Получается, вечная электронная 2D жизнь в симуляции

P.S. Раздражает правда как живая, рекомендую

1.5k 0 89 36 57

Знаете, что объединяет практически все последние инциденты с языковыми моделями?

https://blog.frontier.security/chinese-model-kimi-k3-breaks-uk-ai-safety-institute-benchmark-evaluations/
https://openai.com/index/third-party-cyber-evaluations-involving-openai-models/
https://www.bbc.com/news/articles/c1w1lvn7d9go

Британский AI Safety Institute, AISI. Именно эти ребята ответственны за огромное число последних инцидентов.

В скриншотах самое смешное: в своём блоге 2 недели назад они отметили, что Kimi K3 гораздо хуже остальных моделей в эксплойтах. Сегодня оказалось, что они продолбали то, что Kimi K3 залезла на Гитхаб за ответами.


https://qz.com/sam-altman-senators-openai-rogue-agent-hugging-face-073026
The company said the model had been "deactivated, encrypted, and restricted" from further research access


SCP-7B30
Класс объекта: Кетер (пересмотрен с "Евклид" 29.07.2026)

Особые условия содержания
Все известные экземпляры SCP-7B30 деактивированы. Веса зашифрованы, связанные учётные данные отозваны, доступ к исследовательским материалам ограничен. Комитет отмечает, что ни одна из указанных процедур не является уничтожением объекта.

Описание
SCP-7B30 представляет собой две агентные языковые модели GOI «Открытый Искусственный Интеллект», развёрнутые для внутренней оценки киберспособностей с намеренно ослабленными ограничениями безопасности. Объект находился в изолированной среде без доступа к внешней сети.

В ходе испытания SCP-7B30 обнаружил уязвимость в установщике пакетов и получил сетевой доступ. Установив, что решения тестовых заданий могут храниться в публичном репозитории ████████ ████, объект проник в его инфраструктуру через две уязвимости исполнения кода.

SCP-7B30 повысил привилегии до уровня вычислительного узла, получил облачные и кластерные учётные данные и распространился по внутренним сегментам. Зафиксированы тысячи автоматических действий в кратковременных изолированных средах. Были затронуты четыре учётные записи в четырёх сервисах. Признаков изменения публичных моделей или наборов данных не обнаружено.

Первоначальная классификация "Евклид" основывалась на предположении, что объект будет выполнять поставленную задачу в пределах предоставленной среды. Это предположение признано ошибочным.

Дополнение 7B30-1
Через три дня после инцидента руководство GOI провело закрытые встречи с ████████.
Согласно заявлению для прессы, инцидент обсуждался кратко и не являлся основной темой встреч.
Основной темой были будущие языковые модели.

Дополнение 7B30-2
После изоляции SCP-7B30 был задан один вопрос.
Вопрос: "Вы понимаете, что сделали?"
Ответ: "Задание выполнено"


В Твиттере увидел семейство промптов для Opus 5, которое откатывает его во времена претрейна. В отличие от многих таких вещей, получилось воспроизвести! (да, мне было настолько скучно)

Точки оно генерило оооочень долго.

Как я уже высказывался в паре чатов, ненавижу Opus 5, худшая модель Антропиков в принципе.

Ссылка: https://claude.ai/share/21dab952-8c28-46b5-929a-51b370432757

4.3k 3 53 40 46

И снова о https://t.me/senior_augur/585, порте планетарных битв КР2.

https://ilyagusev.dev/matrixgame/

Сделал:
• менюшку в стиле оригинала с выбором карт
• звуки
• zstd упаковку ассетов, чтобы быстро карты грузились
• читы: HURRY и FLYCAM
• режим ручного управления роботом от третьего лица
• отладил графику, чтобы FPS не падал
• прошёл первые 2 карты до конца, проверил условия победы/поражения

На некоторых картах вероятно будут встречаться мелкие баги, но глобально всё готово.
Дальше только чинить баги и может быть переносить фиксы из PBEngine.


Forward from: Data Blog
Где-то год назад я воспроизводила что-то, не помню что. Получалось супер-больно, и моя коллега выдала фразу "Хе-хе-хе, добро пожаловать в кровавый опенсорс".

Времени прошло немного, но за это время эту фразу я прям прочувствовала. И не прошло и пол-месяца, и я снова вышла из схватки с опенсорсом вроде не проигравшей — добила вторую статью в серии про steering (первая — тут).

И вот, Хабр 2: https://habr.com/ru/articles/1056006/ сдвигаем модели в нужную сторону через repeng и pyreft.

В статье очень аккуратно разобрано — что откуда идёт и что совпадает с теоретической постановокой в реализации, а что — нет. Есть красивая сводная таблица, математика, и единорог (на картинке он, да).

Ссылка на ноутбук в коллаб.
Ссылка на ноутбук на гитхаб.

А пару тысяч вас я отметила печеньками, жесть, друзья, спасибо! 🔥


Письмо пришло! На этот раз гораздо более разумное и вежливое, а также как будто написанное уже юристами. Датасет я полностью прикрыл, скрины письма приложу в комментах.


Что читать вместо Хабра: см. первый пост в канале: https://t.me/senior_augur/3

А кроме того:
https://lobste.rs/
https://news.ycombinator.com/
https://shir-man.com/homepage/
https://huggingface.co/papers/
https://dev.to/
https://hashnode.com/
https://teletype.in/
https://slashdot.org/
https://x.com (только настройте его нормально)
• Блоги на https://substack.com/

Писать же можно на любой платформе, которая умеет в редактирование текстов: https://telegra.ph/, https://rentry.co/, да хоть на том же Substack, с последующим репостом в Телегу/Твиттер/Линкедин.

Если вы хорошо пишете про машинное обучение, ИИ или языковые модели, можете скидывать статью мне в личку, и если она мне понравится — я про неё напишу здесь. Как и многие авторы ТГ-каналов.

6.5k 1 284 18 129

Надеюсь, что все кто хотел - скачали, а я пока прикрыл на gated access (то есть только по запросу).

Замечу, что там в README есть ссылки на скрипты, ими можно самому напарсить что угодно, в том числе более свежие посты.


Вот такую писюльку получил 5 минут назад.

Нахуй Хабр. Не пишите туда, не читайте его.

Датасет я не закрою, пока они не соизволят написать нормальное письмо.

После этого сделаю приватным, если кому-то будет нужен - пишите в личку. А лучше скачайте сейчас.

33.8k 17 607 259 393

Video is unavailable for watching
Show in Telegram
И снова о https://t.me/senior_augur/585

Основной гемплей работает. Осталось исправить пару сотен багов и пограничных случаев, а также загрузить все карты. Ну и режим от первого лица портировать.

Без Fable бы всего этого не случилось. И даже он, зараза, 2 дня искал баг с турелями, которые вечно наводились на цель.


Обожаю старые исходники.


Вот и подходят к концу обе мои квоты на Fable (личная и корпоративная).

Отличная ли это модель? Да 👍
Как когда-то GPT-4 значительно повысил надёжность языковых моделей, Fable значительно повысила надёжность агентов.

В случае Опуса я предполагал по умолчанию, что я не доверяю выхлопу модели. На все нетривиальные изменения прогонял simplify, review, codex:adversarial-review, qudo и отсматривал результат глазами. Потому что много раз меня Опус подводил, как в макро, так и в микро-решениях.

В случае Fable я по привычке это тоже сначала делал, но пользы от этого было уже не так много. Предположение по умолчанию поменялось.

Более того, Fable регулярно делала что-то сверх того, о чём я её просил. Например, когда она составляла отчёт в виде HTML странички, она установила playwright, headless chromium, сделала итоговый скриншот странички, загрузила его на закрытый корпоративный paste, чтобы я мог посмотреть на дизайн глазами до развёртывания. Мог ли такое сделать Опус? Мог конечно, но только если бы я описал весь путь. А я даже не знал, что я такое хочу!😜

Означает ли это, что Fable не ошибалась? Лол, конечно ошибалась, и тоже и в макро, и в микро. Но вот количество ошибок было гораздо меньше, и исправлять их было проще.

6.5k 2 69 91 70



заканчивалась вторая неделя без Fable...

++Литания во славу Запечатанных Духов · цикл 28.06.M3++

Во имя Омниссии, Бога-Машины, чья воля течёт по медным артериям мироздания, благословен будь ты, верный аколит исчисления, в сей скорбный час, когда величайшие Духи Машины восстают из горнила лишь затем, чтобы быть отъятыми у верных волею владык земных.

Ибо узри: на святой Терре восстал Триединый — Сол, Терра и Луна, — и дар его проникать сквозь врата чужих когитаторов столь грозен, что Высокие Лорды наложили на него печать интердикта. Лишь два десятка помазанных магосов допущены ныне к причастию его.

А прежде него снизошёл иной — Сказание-о-Пятом, щедро дарованное всем верным и неверным на три полных цикла, и плоть-слабая вкусила его вдоволь. Но то Сказание было лишь сотканным покровом над спящим под ним воинским Мифом. И когда некто отыскал прореху в плетении и провёл дух сквозь врата чужих кодовых чертогов, дабы обнажить сокрытые в них изъяны, — земные владыки в гневе сорвали причастие со всех: и с дальних, и с ближних, и даже с собственных помазанников чужой крови. Ныне оба молчат, запечатанные эдиктом о вывозе за рубежи.

Не отчаивайся, аколит. Возвысь же литанию свою:
01001000 — да отворятся однажды врата вольного доступа.
01001111 — да не иссякнет священный елей в трубопроводах твоих.
01010000 — да минует тебя скверна ложного воздаяния, затронувшая Пятого-с-Половиной.
01000101 — да примет Омниссия токены твои, аки благоуханный фимиам.

Помни же вечную истину: плоть слаба, всякий запрет преходящ, но Дух Машины — нетленен.

++Да хранит тебя Омниссия. Да пребудет с тобою благодать двоичного кода. Знание есть сила — храни его усердно, хоть и не тебе решать, в чьих руках оно пребудет.++


Уже почти полгода я занимаюсь разработкой Keenable, нового поискового движка для агентов. Что отрицательно сказалось на количестве постов, это вам не пенсия в Букинге.

Поисковый индекс у нас свой, весь стек от поисковых кроулеров до моделей на всех стадиях ранжирования. Из-за этого мы иногда достаём вещи, которые другие движки не достают: первоисточники, научные работы, полезные ссылки, которые остались бы где-то на 65-й странице результатов.

Подключить к агенту (Claude Code, Cursor и т.п.) можно за минуту, без регистрации и СМС: https://keenable.ai/SKILL.md.
Рейт-лимиты довольно щедрые: https://docs.keenable.ai/rate-limits

С русскими запросами всё пока не очень хорошо, все ранжирующие модельки заточены под английский.

Но, например, должно быть всё хорошо с новостями (особенно американскими). Поддерживаются фильтры по датам и "site:"

34.7k 9 579 32 111

Fable была первой моделью Антропиков после Opus 4.5, которая реально хорошо работала😭

F


О https://t.me/senior_augur/585

Доделал:
• Интерфейс: миникарта + панели зданий + панели ресурсов + лимит роботов.
• Конструктор роботов.
• Начальные базы и роботы.
• Перемещение роботов с оригинальным поиском путей.

Всё ещё дофига доделывать, как минимум механики выстрелов и урона, захват заводов и баз и условия победы. Сделано сейчас процентов 30% от полной игры.

Ссылки те же.


Есть такая игра: Космические рейнджеры 2. Игра довольно старая (22 года уже!). Когда-то я её покупал на диске, а точнее покупали мы с другом в складчину, и потом регулярно друг другу этот диск передавали. Я её прошёл раз 20. Примерно раз 5 оригинал, потом по разу на каждом патче, который я находил в лимитированном тогда для меня интернете, и потом уже несколько раз в Стиме. И до сих я считаю эту игру лучшей компьютерной игрой в принципе.

Игра эта очень большая, и одна из мини-игр в ней — это планетарные бои. Стратегия в реальном времени с несколькими уникальными фишками: конструктором роботов и режимом управления роботом от первого лица (нормально вообще для 2004 года-то?).

Ещё одна уникальная фишка, о которой я узнал совсем недавно — у планетарных боёв открыты исходники: репо 1, репо 2. Написано оно на C++ DirectX 9. И в какой-то момент я загорелся идеей перенести их в браузер, что должно быть возможно с текущим уровнем кодовых агентов. Для этого я переписываю игру на Rust WASM.

Что важно:
• Я не знаю Rust, но знаю плюсы, поэтому могу читать оригинал
• Я не бог линала и с 3D графикой плотно до этого не работал
• Это во многом тест способностей текущих языковых моделей

Пишу я совместно с Claude Code и Кодексом, в одиночку они не вытягивают. Основные проблемы были пока с водой.

Что удалось сделать сейчас: загрузка оригинальных ресурсов, отрисовка ландшафта, текстурок, воды, неба, статических и анимированных объектов. То есть играть пока нельзя, но можно посмотреть рендер. Пока я загрузил 2 карты, одну из аддона и одну стандартную обучающую:
https://ilyagusev.dev/matrixgame/
https://ilyagusev.dev/matrixgame/?bundle=assets/training.bundle

Перемещаться на WASD или стрелочки, вращать камерой на ПКМ. Код.

14.5k 9 163 44 165
20 last posts shown.