// AI на русском
725 статьи по теме
TokenScope — инструмент для анализа работы LLM при генерации кода: показывает метрики на уровне токенов, шаблоны внимания, позволяет интерактивно менять токены и изучать альтернативные варианты кода.
Google DeepMind и A24 запустили партнёрство для совместных исследований. Цель — помочь художникам создавать новые рабочие процессы и влиять на развитие технологий. Акцент сделан на сближении передовых технологий и развлечений следующего поколения.
Автономные агенты ИИ меняют рынок SaaS: они взаимодействуют с приложениями напрямую, минуя пользователей. Gartner прогнозирует, что к 2030 году расходы на корпоративные решения достигнут 234 млрд долларов, а около 20% расходов на SaaS окажутся под угрозой. ИТ‑директорам и поставщикам ПО придётся пересмотреть подходы к выбору и лицензированию ПО, а также к управлению знаниями, полученными с помощью ИИ.
Аналитик Гил Лурия повысил инвестиционный рейтинг Palantir и целевую цену акций. Компания может предложить бизнесу альтернативу работе с OpenAI и Anthropic — с помощью инструмента для совместной работы с ИИ. Palantir делает ставку на суверенитет данных и контроль клиентов над вычислительными мощностями.
«Смертельная тройка» факторов делает агентов ИИ уязвимыми для атак. Практикам нужны новые способы отличить скомпрометированное поведение от нормального. Meta* предложила «Правило двух»: агенты должны иметь не более двух из трёх компонентов «смертельной тройки». Есть пять сигналов, которые могут помочь обнаружить скомпрометированные агенты ИИ.
ИИ активно проникает в финансовую индустрию: агенты становятся автономными и способны выполнять сложные задачи. Компании вроде Anthropic и OpenAI внедряют новые решения — например, функцию личных финансов в ChatGPT. Финансовая экосистема Тайваня сталкивается с вызовами и должна пересмотреть стратегию работы с ИИ, чтобы не потерять позиции на рынке.
Meta* запускает облачный бизнес Meta* Compute, чтобы сдавать в аренду избыточные вычислительные мощности. Это может стать серьёзным вызовом для компаний, специализирующихся на аренде мощностей, таких как CoreWeave и Nebius. Инвестиции Meta* в инфраструктуру ИИ исчисляются сотнями миллиардов долларов.
OpenAI рассматривает возможность передачи 5% акций правительству США для распределения прибыли от ИИ. Financial Times и «Рейтер» сообщают о дискуссиях вокруг доли капитала в ИИ-индустрии. Белый дом усиливает надзор за передовыми моделями, а Министерство торговли сняло экспортные ограничения для некоторых моделей Anthropic.
Автор статьи — инженер с 25‑летним опытом — объясняет работу больших языковых моделей (LLM) на простых примерах и метафорах. Он показывает, что суть LLM — в угадывании следующего слова, а ключевую роль играет механизм внимания, который помогает выбрать, на какие слова обратить внимание. Знания в модели формируются в ходе обучения на больших объёмах текста и распределены по разным слоям.
Автор статьи сравнивает два подхода к проверке ответов в LLM: самокритику модели и верификатор, привязанный к источнику. Эксперимент показал, что самокритика не снижает частоту галлюцинаций, тогда как верификатор сокращает количество ошибок примерно вдвое. Ключевой вывод: циклы агентов должны опираться на внешнюю, детерминированную проверку, а не на собственное суждение модели.
Microsoft представила экспериментальную платформу MagenticLite для создания небольших агентов искусственного интеллекта. В экосистеме также есть MagenticBrain и Fara1.5 — решения, оптимизированные для работы с компактными моделями. Платформа призвана упростить управление и отслеживание процессов.
Компания Anthropic отреагировала на распоряжение властей США о возрождении Fable 5. В обсуждении участвуют разные ИИ-модели (Opus, GPT, Mythos, Claude). Подчёркивается, что Fable 5 предлагает функционал для управления и отслеживания процессов — в этом она схожа с решениями крупных IT-компаний.
Статья разбирает экономику инференса LLM: почему дорогие модели стоят больше. Объясняются ключевые составляющие стоимости ответа от LLM (input- и output-токены, VRAM, serving overhead), различия между Dense и MoE-архитектурами, механизмы attention и reasoning-токенов. Также рассматривается влияние длины контекстного окна на стоимость использования модели.
Рынок ИИ сталкивается с проблемами в цепочке поставок и разработкой чипов. Ключевые трудности — кремниевые, энергетические, фотонные и тепловые узкие места. Рост спроса на процессоры и чипы стимулирует рынок тестирования, а переориентация цепочки поставок полупроводников на ИИ может привести к дефициту.
В подборке новостей — заявления Трампа о расширении производства чипов в США, планы властей США по регулированию ИИ, обсуждение передачи акций OpenAI правительству США, намерения Meta* развивать облачный бизнес, строительство подводного кабеля для поддержки ИИ и облачных технологий в Индо‑Тихоокеанском регионе, альянс Visa, Mastercard и Coinbase по внедрению стабильной монеты, а также решение Sony перейти на цифровые продажи игр.
Команда Xiaomi Darwin Agent представила HarnessX — систему, позволяющую агентам ИИ эволюционировать самостоятельно. HarnessX обеспечивает прирост производительности в среднем на 14,5 %, а для небольших моделей — до 44 %. Система разделяет базовую модель и Harness, использует модульный подход и механизм «вариантной изоляции».
С 6 по 11 июля в Сеуле пройдёт ICML 2026 — 43‑я Международная конференция по машинному обучению. Количество заявок на конференцию удвоилось, что говорит о качественных изменениях в исследованиях ИИ. Среди ключевых трендов — рассуждения о LLM, безопасность ИИ, оптимизация моделей и применение ИИ в науке.
Шуайчжи Ченг выявил новые закономерности в работе LLM и предложил индивидуализацию моделей с учётом режима их работы — на примере Qwen3-4B-Instruct и Mistral-7B-Instruct-v0.2.
Платформа Loom помогает LLM писать творческие тексты: контролирует сюжет и насыщенность описаний, не ломая исходную структуру. Превосходит существующие модели по качеству.
Стратегия декодирования существенно влияет на поведение большой языковой модели. В статье рассмотрены разные методы декодирования — от простых (Greedy Search) до сложных (DoLa, Typical Sampling), их плюсы и минусы, а также критерии выбора оптимального подхода для разных задач — от машинного перевода до творческого письма. Особое внимание уделено семантической неопределённости и новым стохастическим методам.