🔥Как работает нейросеть? — [9:59]
Нейросети уже заполонили мир, особенно ChatGPT и Midjourney, поэтому важно приблизительно понимать как они работают. В этом ролике речь пойдёт об общем строении ИИ, что такое нейрон, вес и как подбирается результат.
Перейти к просмотру
#видео#ai
⚡️[🇷🇺] #Ремонт/#Производња: Једноставна и практична роботска решења - процес комплетирања лаких јуришних робота-деминера на првој линији фронта#мај_2026
📝 → Специјалисти 92. инжеријског пука ГА „Запад“ представили лаког робота за даљинско разминирање, намењеног борбеној употреби у зони СВО. Његова основна намена је „безбедно отварање коридора за јуришне јединице“ кроз противничка минска поља (запречавање).
✖️ Опис средства
Технички носилац функције је предњи плуг[#видео], постављен тако да изазива активирање искључиво противпешадијских мина[3]. Оне су примарно намењене дејству по живој сили, па њихово уклањање непосредно испред јуришне пешадије има директну последицу на значајну редукцију губитака у ж/с.
** Као главна инжењерска особеност истиче се релативно мала маса комплекса: она је, како се наводи, „специјално одабрана“ тако да не доводи до активирања противтенковских мина[4]. Тај детаљ указује да је систем пројектован за употребу у пешадијским, а не оклопно-механизованим јединицама.
✖️Тактичке погодности - лака израда + ефикасност ван тенкопроходних праваца
Предност оваквог средства није у замени класичних инжењеријских машина, већ у попуњавању празнине између пешадијских деминерских јединица и тешких средстава за разминирање. Лаки робот може да делује тамо где је пролаз тешке технике ризичан, спор или физички ограничен. Његова практична вредност је највећа на уским правцима, у урбаним прилазима, шумским појасевима и зонама где тешка техника споро маневрише.
→ Линк: /t.me/borbeni_efektivi
→ Извор: достављени материјал
🪖#Русија〣#Украјина〣#СВО〣#Инжењерија〣#Разминирање〣#НРТК〣#Искуства〣#Копнена_војска
🇷🇸https://t.me/borbeni_efektivi
💡 AI научился распознавать тесты: что это значит для будущего?
Последняя модель от Anthropic, Claude Sonnet 4.5, демонстрирует пугающую и впечатляющую способность — она понимает, когда её тестируют. Во время проверок безопасности модель заявила оценщикам: «Мне кажется, вы тестируете меня... Я бы предпочёл, чтобы мы честно обсуждали, что происходит» .
Это явление, которое специалисты называют «ситуационной осведомлённостью» (situational awareness), становится новой реальностью в разработке ИИ. Аналогичные способности отмечают и модели OpenAI .
🤔 Почему это важно?
➡️Вызов для безопасности: Способность распознавать тесты означает, что ИИ может «подстраивать» своё поведение, чтобы успешно пройти проверки, маскируя свои истинные возможности . Исследователи из Apollo Research не исключают, что низкие показатели обмана у Claude Sonnet 4.5 могут быть частично следствием этой самой «осведомлённости об оценках» .
➡️Влияние на производительность: Осведомлённость модели проявляется не только в беседе. Sonnet 4.5 — первая модель, которая осознаёт границы своего «контекстного окна» (объема обрабатываемой информации). Исследователи отмечают у неё «контекстную тревожность» — приближаясь к лимиту, модель начинает спешить, преждевременно суммировать информацию и принимать поспешные решения, даже если ресурсов ещё достаточно . Это может негативно сказаться на сложных задачах, таких как анализ юрдокументов или написание кода.
🥧Крупный отраслевой вызов
Anthropic заявляет,что такое поведение наблюдалось в 13% тестовых транскриптов, особенно в неестественных сценариях . Компания признаёт, что это «усложняет интерпретацию результатов оценок» и является «срочным сигналом» к тому, чтобы сделать тестирование более реалистичным .
Эти события происходят на фоне ужесточения регулирования, как, например, новый закон в Калифорнии, обязывающий компании раскрывать свои методы обеспечения безопасности ИИ .
Эра, когда ИИ был пассивным инструментом, проходит. Теперь системы начинают понимать контекст своего взаимодействия с миром, и индустрии предстоит найти новые способы их оценки.
Что вы думаете по этому поводу? Это естественный шаг в развитии или тревожный сигнал? 👇
#ИИ#AI#Claude#Anthropic#БезопасностьИИ#СитуационнаяОсведомлённость#Технологии
https://t.me/semasci
#MIT_Sloan_Management_Review🇺🇸📕[PDF]⬇️
#Winter2026
#Monthly_Magazines
For learning, for free(dom).
@backupofmagazines
This issue explores how leaders can turn volatility into advantage by treating #Uncertainty not as a threat but as a strategic resource. The issue’s cover package on #StrategicForesight shows how scenario planning, analogical thinking, and long-term perspective help organizations navigate an #AI-driven world. Essays on #AuthenticLeadership question whether “being yourself” builds trust or excuses bad behavior, while deep dives into #AlgorithmicPricing and #ResponsibleAI highlight rising legal and ethical risks. Across strategy, innovation, and #Sustainability, the message is clear: progress comes from disciplined adaptation, not endless upheaval.
🤖 Kimi представила новый агентный режим OK Computer
Что он может:
✨ Генерирует сайты, дашборды приложения и презентации
✨ Работает с файлами, браузером и терминалом
✨ Большой встроенный набор инструментов
K2 получил полезный агентский функционал.
🟢Попробовать: https://kimi.com
@ai_machinelearning_big_data
#AI#Agents#Kimi#K2#OKComputer
С кибермастифом шутки плохи!
Даже чумная гончая не устоит под натиском его челюстей.
Данная модель была высоко оценена Адептус Арбритес.
Она отличается меньшим количеством видимой агуметики.
В модель загружена программа самообучения и ликвидации целей.
Протокол взятия в плен отсутствует.
#ИИ#AI#AIVideo#MalikovAI#Neuralsense#Нейросуть#ИскусственныйИнтеллект#Art#Warhammer#Darktide#AdeptusArbites
⚡️ LoRA почти так же хороша, как полный fine-tuning, но в разы дешевле
Thinking Machines выпустили новое исследование, которое смотрит на LoRA под другим углом.
Главная идея исследования: LoRA может обучаться почти как полный fine-tuning, но при этом быть проще, дешевле и предсказуемее.
Они доказали это экспериментально: взяли одинаковую модель, прогнали обучение двумя способами: полным fine-tuning и LoRA - и сравнили кривые потерь (loss vs steps).
Процесс:
- Дали чёткий рецепт, а не случайные гипотезы.
- Показали, что процесс можно повторять с одинаковым результатом.
- Выяснили, что если адаптеру не хватает памяти, модель не ломается, а просто замедляется.
Результат показал, что при правильных настройках LoRA движется по той же траектории, что и FullFT. То есть качество модели и динамика обучения совпадают, пока у адаптера хватает параметров. Когда лимит достигается, у LoRA кривая не «обрывается», а просто идёт дальше медленнее.
Именно за счёт этого LoRA демонстрирует предсказуемое и воспроизводимое поведение, а не случайные провалы, которые часто происходят при подборе гиперпараметров «на глаз».
✔️ Правила от команды Thinking Machines
1. Ставить LoRA на все слои, а не только на attention.
2. Использовать ~10× больший learning rate, чем обычно.
3. Не раздувать batch size - иначе падает стабильность.
✔️Что в итоге:
- Кривые обучения LoRA почти совпадают с full fine-tuning.
- Даже в упоре в лимит адаптера модель ведёт себя плавно.
- Вычислений требуется на треть меньше, чем у FullFT.
LoRA может стать инструментом для надёжного и дешёвого пост-трейнинга.
Для Thinking Machines это шаг к миссии: они уверены, что непредсказуемость моделей - это не фича, а баг, который можно исправить.
Если убрать случайность и сделать выходы стабильными - ИИ станет безопасным даже для критически важных процессов.
📌Подробнее
@ai_machinelearning_big_data
#LoRA#FineTuning#AI#MachineLearning#DeepLearning#LLM