Neuro ☣ Syndicate Top Content

Бутерин заявил, что Ии скоро взломает цифровые подписи крипто кошельков, хакеры даже без сид фраз смогут спокойно переводить ваши деньги

И как быть?

Фейковым нейро-докладом за 4,5 млн рублей отчиталась российская компания перед Минэкологии — фирма придумала новые виды животных и увеличила популяцию млекопитающих вдвое.

Как узнала «База», одна местная организация получила 4,5 млн рублей от Минэкологии Башкортостана за исследование озера Асликуль: нужно было выяснить, почему оно мелеет, оценить состояние экосистемы и предложить способы её восстановления. Но госзаказчик работу не принял — эксперты нашли многочисленные ошибки, противоречия и признаки использования ИИ.

Например, в одном месте авторы указали 42 вида млекопитающих в природном парке, а через несколько страниц — уже 20. В отчёте также появилась «Гордая чайка» — такой вид птицы эксперты Минэкологии не нашли на Земле.

Кроме того, в исследовании не хватало обязательных данных об уровне воды, осадках и температуре, а текст был полон грамматических, смысловых и пунктуационных ошибок. Минэкологии расторгло контракт. Компания попыталась оспорить решение в суде, но сторона поддержала госзаказчика.

BAZA в Telegram
BAZA в MAX

⚡️Открытый конкурс для цифровых художников: ваша работа на медиафасадах

10 октября 2026 года музею на медиафасаде VozDooh исполнится 2 года. По этому случаю мы готовим выставку «ОШИБКА. Искусство неточности». В экспозицию войдут работы 8 цифровых художников, которые будут отобраны кураторами по результатам Открытого конкурса. Условия участия ищите в конце поста.

КОНЦЕПЦИЯ ВЫСТАВКИ:

Мы привыкли воспринимать ошибку как сбой или отклонение от нормы, как то, что должно быть исправлено или скрыто. Но так ли это на самом деле?
Для науки, искусства и новаторства зачастую именно ошибка становилась точкой бифуркации - началом нового открытия, неожиданного поворота, гениальной догадки. Пенициллин, Америка, теория относительности - всё это плоды «неправильных» наблюдений. В искусстве случайное пятно, сдвиг перспективы, искажение формы не раз порождали целые направления. С этой точки зрения ошибка - начало пути.
Сегодня мы живём в эпоху ИИ, когда генеративные модели, обученные на миллиардах образцов, выдают виртуозно точные изображения. Их «правильность» поражает, но в ней есть что-то безупречно-стерильное, почти мёртвое. Совсем иное - те моменты, когда сеть сбивается: в багах, глитчах, артефактах, в странных сращениях форм и смыслов. В этих ошибках вдруг проступает что-то непредсказуемое, а от того - живое. И эстетика сбоя приравнивается к эстетике подлинности.
Выставка «Ошибка», приуроченная ко второму Дню рождения музея цифрового искусства на медиафасаде VozDooh предлагает цифровым художникам совершить намеренное отступление от совершенства.
Вдохновляясь самим принципом обучения ИИ, - который, как известно, строится на ошибках и обратной связи, - мы приглашаем авторов обратиться к тому материалу, который обычно помещают в корзину: к «испорченным» генерациям, к «неудачным» промптам, к галлюцинациям нейросетей. И сделать этот брак основой для произведения, когда ошибка перестаёт быть дефектом и становится методом. Она - главный учитель, и именно через неё мы можем увидеть ту самую «рукотворность» цифры, искру, творческий порыв.

ФОРМАТ И УСЛОВИЯ УЧАСТИЯ:
▫️8 работ цифровых художников, которые из присланных отберут кураторы VozDooh, будут транслироваться на медиафасадах RGB Graphics 10 дней с 10 по 19 октября каждые 5 минут.
▫️Ваш арт должен отвечать Концепции (см. выше), а также цензурным нормам для показа на экранах в городе.
▫️Чтобы стать участником выставки, оставляйте заявку по форме.
👉 Срок приема заявок по форме: до 2 октября (23:59) 2026 года.

Мы ждём работы, где баги превращаются в образы, глитчи становятся ритмом, а бессмыслица оборачивается новой поэтикой. Выставка «Ошибка» - это попытка полюбить несовершенство в эпоху машинной точности. И напоминание о том, что путь к великому всегда начинается с проб и ошибок.

#открытыйконкурс #опенколл #opencall #vozdooh

Halo: почти год моей работы в White Circle теперь в опенсорсе

Почти год я веду в White Circle разработку Halo - фреймворка для тренировки LLM, на котором мы учим все свои модели. Внутри он работал давно как замена Мегатрона, но до публичного релиза пришлось догнать transformers, TRL и vLLM, добавить модели и упростить адопшен - образы, CLI, документация. Подробный блогпост - на сайте White Circle (https://whitecircle.com/research/halo).

Если вы файнтюните открытые модели, то наверняка упирались в: модель уже не лезет в TRL и обычный FSDP, но связываться с Megatron и конвертацией чекпоинтов еще рано или просто не хочется. С MoE все еще хуже, без Expert Parallelism их по большому счету не потренировать. Halo добавляет EP, Context, Tensor и Expert-Tensor Parallelism прямо поверх обычных классов HuggingFace: на вход HF модель, на выходе HF модель. Новое MoE семейство подключается оберткой меньше 140 строк (у Megatron-Bridge на то же самое уходит 600-1900), сейчас их 15.

Немного цифр, все на B300, воспроизводимы из репо:
- 2.3-2.8x throughput относительно стокового TRL на gpt-oss-20b при тех же кернелах, loss совпадает в пределах ~1%.
- Gemma 4 26B-A4B на 2 GPU: 7.2k tok/s против 3.2-5.0k у NeMo AutoModel, Axolotl, Megatron Bridge, MS-SWIFT и Unsloth.
- Оптимизатор целиком в bf16 со стохастическим округлением: 120 GB состояния вместо 240 для 20B.

Все это првоерялось на реальных кластерах B300/B200/H200/H100 а топология заложена вплоть до NVL72: невалидные раскладки отбрасываются еще на этапе конфига. Запускается через torchrun, accelerate или halo CLI, в репо есть рецепты под SLURM, SkyPilot, RunPod и Nomad. Большая часть года ушла на то, чтобы все это не разваливалось на всех комбинациях моделей и параллелизмов - тестов в репозитории больше, чем кода. При этом работать будет также и на современных консьюмерских GPU.

Отдельная моя гордость - Async RL. vLLM или SGLang живут в отдельном контейнере, роллауты идут асинхронно через Ray, веса уезжают по NCCL (по EFA 53-80 GB/s, gpt-oss-120b обновляется за 3-4 секунды), а генерации во время синка не обрываются. Внутри routing replay, importance sampling с масками, обучение на токенах, которые насэмплил движок, и 11 встроенных сред - от code contests и SWE до тулов через MCP. По механикам это сопоставимо с verl и Miles, только на HF-моделях и без Megatron.

Для студентов и тех, кто только начинает, Halo, мне кажется, хорошая точка входа. Все запускается из одного docker-образа: halo launch sft config.yaml, а QLoRA Qwen3-4B занимает 7.9 GB и должна работать на 3090/4090. Документации больше 170 страниц, отдельно советую прочитать лекцию GPU Training Theory: база того как работают такие фреймворки, почему эксперты в MoE упираются в память, а не в compute, и почему в EP-шаге 88% времени - это all-to-all. Там же честно написано, что не помогает и что тихо ломает, например TF32 по умолчанию в NGC-образе, портящий RoPE после 2048 токенов.

Выложили и модель - GLM-4.7-Flash-Coder, 30B MoE под агентские скаффолды: SFT на 7.8k успешных траекторий GLM-5.1, на SWE-rebench-V2 pass@1 вырос с 33.2% до 41.7%, а модель сама научилась вызывать тулы параллельно. Она уже слегка устарела, но как гайд по агентскому SFT актуальна.

Код мы пишем с агентными скаффолдами и сильными моделями вроде Claude Fable и Opus, репозиторий под это спроектирован. Контрибьт приветствуется, но через фильтр: сначала issue и approve мейнтейнера, потом PR. Главное правило - понимать свой код: с AI писать можно, но это нужно раскрыть, а тесты должны падать, когда ломается поведение.

Дальше больше: Pipeline Parallelism (все уже в коде, но докатим после полных тестов) и серия блогов про тренировку, например про async RL для code contests. Лицензия Apache 2.0.

P.S. Если помните такую вещь как SMPO из времен Vikhr, то он теперь тоже живет там, но уже с EP и CP и улучшениями.