Найти похожее

О хохлах - гордых покорителях Марса: В корзине катапульты свин Тернистый путь его и длинн С горилки хоть его мутит Он марс освоить полетит @SarDenis #поэзия#юмор #видео (хроника) @art_archive_den ---------------------------------------------- Подписаться на АРТ склад: 🗣 Канал / 👥 Чат ----------------------------------------------

• На хабре опубликован хороший материал с описанием auditd и Python-скрипта, благодаря которым мы можем автоматизировать сбор данных всех действий пользователя на сервере linux и настроить алерты в Telegram. • Проблемы, которые помогает решить auditd: ➡Несанкционированный доступ (кто и когда использовал, например, sudo); ➡Подозрительные команды (rm -rf, изменение прав, доступ к каким-либо файлам); ➡Расследование инцидентов (кто что натыкал перед падением сервера); ➡Соответствие корпоративным стандартам (логирование действий и контроль). ➡️https://habr.com/ru/articles/925962/ • Напомню, что auditd (сокращение от Linux Audit Daemon) — это нативная тулза, которая предназначена для мониторинга событий ОС и записи их в журналы событий, разрабатываемый и поддерживаемый компанией RedHat. Был создан для тесного взаимодействия с ядром операционной системы — во время своей работы наблюдает за системными вызовами и может записывать события — чтение, запись, выполнение, изменение прав - связанные с файлами ОС. Таким образом, с его помощью можно отслеживать практически любые события, происходящие в операционной системе. • По итогу имеем мощный инструмент, который, при грамотной настройке, может стать отличным дополнением в обеспечении информационной безопасности инфраструктуры. #Linux#auditd#DevOps#Python

📛Создатели SWE-bench выпустили ProgramBench — бенчмарк, где все топовые модели пока на нуле ProgramBench проверяет не умение чинить баги в готовом репозитории, а способность с нуля воссоздать программу по одному бинарнику и документации. Агент получает только исполняемый файл и docs, без интернета, без исходников и без декомпиляции, а дальше сам должен выбрать язык, архитектуру, структуру проекта и написать build script. Проверка идет через скрытые behavioral tests. Именно здесь нынешние LLM и ломаются. На лидерборде ни одна из 9 протестированных моделей не решила ни одной задачи полностью: у Claude Opus 4.7, GPT-5.4, Gemini 3.1 Pro и остальных сейчас 0% по основному метрику resolved. Лучший промежуточный результат у Claude Opus 4.7 только по вспомогательному показателю almost resolved — это 3% задач, где модель проходит 95%+ тестов, но все равно не дотягивает до полного совпадения поведения. Внутри бенчмарка 200 задач — от jq и ripgrep до FFmpeg, SQLite и PHP. Авторы отдельно отмечают, что модели чаще всего тяготеют к монолитному однофайловому коду и заметно проседают там, где нужно не просто писать функции, а проектировать полноценный многофайловый проект с низкоуровневой логикой. Источник: ProgramBench | Paper 🤑ForgetMe | Boosty Приобрести подписку на любые сервисы ⏩@forgetshop_bot #нейросети#llm#новости

⚡️MiniMax M2.7 вышла в open-source MiniMax открыли M2.7 — новую модель с акцентом на программирование, которая уже доступна на Hugging Face: MiniMax M2.7 Подробнее: блог Главное — результаты на бенчмарках: 🟡56.22% на SWE-Pro 🟡57.0% на Terminal Bench 2 Также доступен API: platform.minimax.io 🤑ForgetMe | Boosty Приобрести подписку на любые сервисы ⏩@forgetshop_bot #нейросети#llm#новости

✴️Google показали TurboQuant — квантование без потери качества Google представили TurboQuant — новый подход к квантованию, который может сильно изменить эффективность LLM. Суть в том, что проблема современных моделей — не только в параметрах, а в огромных объёмах векторов (KV-cache, RAG), которые тормозят инференс и съедают память. Подробнее: разбор от Google Обычно квантование просто грубо округляет числа, из-за чего падает качество. TurboQuant делает это умнее, стараясь сохранить смысл данных при сильном сжатии. Как это работает Метод состоит из двух частей: 🟡PolarQuant — сначала «поворачивает» вектор так, чтобы его можно было сжать с минимальными потерями 🟡QJL (Quantized Johnson-Lindenstrauss) — добавляет дешёвую коррекцию ошибки (буквально +1 бит на компоненту), чтобы восстановить точность Вместе это даёт сильное сжатие без заметной деградации. Что это даёт на практике 🟡 длинный контекст становится дешевле 🟡 инференс на том же железе — быстрее 🟡 RAG и vector search — компактнее и эффективнее В экспериментах: 🟡 KV-cache удалось сжать до ~3 бит 🟡 без дообучения 🟡 почти без потери качества Причём результаты близки к теоретическому пределу эффективности. Это не просто оптимизация, а инфраструктурный апгрейд: чем дешевле память и быстрее доступ к векторам → тем масштабнее и быстрее становятся агентные системы и long-context модели Если технология пойдёт в продакшн, это может стать новым стандартом для LLM-инференса. 🤑ForgetMe | Boosty Приобрести подписку на любые сервисы ⏩@forgetshop_bot #нейросети#llm#новости

👀Meta* купила Moltbook — соцсеть, где общаются AI-агенты Компания Meta* приобрела стартап Moltbook — ту самую экспериментальную соцсеть, которая в начале года быстро завирусилась в интернете. Её идея была необычной: в ней общались не люди, а AI-агенты. Платформа напоминала Reddit, но вместо пользователей там работали агенты на базе OpenClaw. Они могли публиковать посты, комментировать, голосовать и обсуждать темы между собой. На пике хайпа в системе было зарегистрировано около 3 миллионов агентов. Позже интерес к проекту немного снизился, но Марк Цукерберг всё равно решил приобрести стартап. Основная ценность, вероятно, не сама соцсеть, а технология always-on directory — постоянно работающий каталог AI-агентов, через который можно находить их и подключать к задачам. Финансовые условия сделки не раскрываются. Известно лишь, что основатели Moltbook — Matt Schlicht и Ben Parr — переходят работать в Meta Superintelligence Labs, где занимаются разработкой продвинутых AI-систем. Интересно, что ранее Meta также пыталась получить контроль над проектом OpenClaw, но тогда OpenAI оказалась быстрее. В итоге компания всё же получила часть инфраструктуры экосистемы — через покупку Moltbook. *Meta признана экстремистской организацией и запрещена на территории РФ. 🤑ForgetMe | Boosty Приобрести подписку на любые сервисы ⏩@forgetshop_bot #нейросети#новости#llm

⚡️MiniMax выпустили версиюM2.5 Модель даёт SOTA по кодингу и высокую скорость, но интереснее то, что они также дают Кодинг планы как и GLM Планы Coding Plan (все на M2.5): 🟡Starter — $10/мес, 100 промптов / 5 часов. Для входа и лёгких задач. Совместим со всеми популярными тулзами, есть image-understanding и web-search MCP. 🟡Plus — $20/мес, 300 промптов / 5 часов.×3 к Starter для более сложных нагрузок и регулярной разработки. 🟡Max — $50/мес, 1000 промптов / 5 часов.×10 к Starter, оптимален для команд и интенсивной работы. MiniMax Agent • API-платформа • Coding Plan (оформить) 🤑ForgetMe | Boosty Приобрести подписку на любые сервисы ⏩@forgetshop_bot #нейросети#новости#llm

⚡️Linux Foundation берёт MCP под крыло: запускается Agentic AI Foundation Anthropic передала протокол MCP в Linux Foundation, а вместе с OpenAI и Block запустила Agentic AI Foundation (AAIF) — площадку для открытых стандартов агентного ИИ. LF обеспечивает нейтральное управление и хранение, как в проектах Kubernetes или Node.js, чтобы экосистема не зависела от одной компании и стандарты развивались сообща. Фонд будет вести и финансировать проекты, сбор средств — через модель членства LF (среди платиновых — AWS, Bloomberg, Cloudflare, Google, Microsoft и др.). Что передано в AAIF 🟡MCP — от Anthropic (протокол подключения инструментов и данных к агентам). 🟡AGENTS.md — от OpenAI (спецификация практик/поведения агентов). 🟡goose — от Block (фреймворк для сборки агентных сценариев). 🤑ForgetMe | Boosty Приобрести подписку на любые сервисы ⏩@forgetshop_bot #новости#нейросети#llm

☄️«Плавный прогресс, резкие последствия»: как ИИ вытесняет труд не по графику Энди Джонс (Anthropic) вспоминает две истории. Паровые двигатели два века подряд улучшались ≈на 20% за десятилетие, и лошади «не замечали» этого больше ста лет — пока между 1930–1950 исчезли 90%. В шахматах движок прибавлял ≈50 Эло в год: в 2000-м гроссмейстер выигрывал 90% у компьютера, через десять лет проигрывал 90%. Улучшения были плавные — «уравнивание» с людьми случилось резко. Источник: Andy L. Jones — Horses. Сегодня капвложения в ИИ-центры обработки данных составляют ~2% ВВП США в год и, по оценкам, удваиваются каждые пару лет. Но на личном уровне всё пришло «скачком»: в 2024-м Джонс с коллегами отвечали ~4 000 техвопросов в месяц от новичков; в декабре Claude стал закрывать часть. Спустя 6 месяцев исчезло 80% таких запросов, а Claude уже отвечает ~30 000 в месяц — восемь раз больше, чем люди делали когда-либо, и в тысячу раз дешевле одного ведущего специалиста. Если лошадям понадобились десятилетия, а шахматистам — годы, то здесь хватило полугода. Вывод автора: мы надеемся на «запас времени», как у лошадей, но реальность ИИ-автоматизации может быть куда быстрее 🤑ForgetMe | Boosty Приобрести подписку на любые сервисы ⏩@forgetshop_bot #новости#нейросети#llm

📛Poetiq побил рекорд ARC-AGI-2: 54,4% точности при $30,57 за задачу Команда Poetiq заявила о новом SOTA на ARC-AGI-2 — 54,4%, впервые перешагнув планку 50%. Главное не только качество, но и цена: ~$30,57 за задачу, что менее половины стоимости предыдущего лидера (Gemini 3.0 Pro DeepThink) По словам авторов, прорыв связан с их новым мета-подходом к обученному рассуждению на этапе инференса (learned test-time reasoning). Отмечают и символичную деталь: компании всего 173 дня, а они уже обошли Gemini 3 Deep Think — причём примерно вдвое дешевле. Подробнее:Как Poetiq «перестроил» границу Парето 🤑ForgetMe | Boosty Приобрести подписку на любые сервисы ⏩@forgetshop_bot #новости#llm#нейросети

⚡️Ноам Браун: вокруг ИИ гораздо больше согласия, чем кажется Ведущий исследователь OpenAI Ноам Браун предлагает не вестиcь на медийную «чёрно-белую» картинку. В соцсетях спор об ИИ часто сводят к карикатурам — от «LLM мёртвы» до «суперинтеллект завтра». Но если слушать именно исследователей, картина неожиданно консенсусная. О чём эксперты в целом согласны: 🟡Текущих подходов уже достаточно, чтобы дать огромный экономический и социальный эффект, даже без новых научных прорывов. 🟡Для AGI/ASI прорывы всё же понадобятся — часто упоминают continual learning и sample efficiency. 🟡Горизонт — до 20 лет (средняя оценка ≈10 лет). Никто не говорит о фантазиях или «100+ лет до суперинтеллекта». Я в целом с ним согласен. Подробнее в треде Брауна: X (Ноам Браун) 🤑ForgetMe | Boosty Приобрести подписку на любые сервисы ⏩@forgetshop_bot #нейросети#новости#llm

📛Genesis Mission: США запускают «манхэттенский» проект в ИИ для ускорения науки Белый дом объявил о Genesis Mission — федеральной инициативе уровня Manhattan Project / Apollo, цель которой — ускорить научные открытия при помощи ИИ. Бюджет не раскрывают, но в центре — American Science & Security Platform: единая «прослойка» из данных, инструментов, железа и обучающих сред для научных агентов. Официальное объявление Белого дома Дорожная карта: в ближайшие 3 месяца Министерство энергетики США консолидирует вычислительные ресурсы (включая частный сектор), затем ~4 месяца — сбор и упаковка датасетов по спецпротоколу безопасности, чтобы исключить утечки. После этого стартует дообучение моделей с валидацией в роботизированных лабораториях: агент формулирует гипотезы → роботы ставят эксперименты → ИИ анализирует результаты и уточняет подход. Первые ощутимые результаты планируют показать в 2027 году Кто участвует: уже подтверждены OpenAI и Anthropic; к консорциуму могут подключить и других 🤑ForgetMe | Boosty Приобрести подписку на любые сервисы ⏩@forgetshop_bot #новости#нейросети#llm