TGViewer
Channel Public Channel
AbstractDL

AbstractDL

@abstractdl

Коротко про классные штуки в CV, NLP и AI 🤷‍♂️
By Anton Razzhigaev
chat: https://t.me/abstractdl_chat
Subscribers
18.7K
Photos
334
Videos
18
Links
330

Showing posts older than #437 · Back to latest

Older Posts 20 shown
Post #436 16.9K
Борис опять # Блекпилл по поводу агентов Я раз в пару месяцев осциллирую по поводу AI тулов для кодинга. Сегодняшняя итерация: я ошибался, вайбкодинг не работает для разработки чего-либо, чем надо пользоваться больше одного раза. И никогда не работал. Я думаю, что…
Борис описывает проблему, которая, на мой взгляд, является законом Лемана на стероидах (второй закон эволюции ПО):

Код будет гнить, если его гниению активно не противодействовать.


Это всегда было актуально и для человеческой разработки, особенно в больших проектах.

Проблема с агентами в том, что с ними проект растёт и развивается гораздо быстрее, чем раньше, а значит, и гнить он начинает быстрее.

Но я считаю, что это решаемая проблема даже на текущем уровне развития агентов и LLM. Нам с Уроборосом пришлось долго учиться противодействовать заслопливанию кода, и из этого в том числе появились принципы IMMUNE.

Правильно выстроенная система адверсариального ревью тоже довольно неплохо помогает. Но ревью должно опираться на явную иерархию требований, начинающуюся с конституционных формулировок. В Уроборосе вершина этой иерархии лежит в BIBLE.md: требования важнее архитектуры, архитектура важнее реализации.

На мой взгляд, ключевая проблема тут в том, что LLM нехватает длинного контекста, а основные харнессы плохо помогают им сохранять целостную ментальную модель проекта.

Поэтому:
1. Я очень жду LLM с 10B контекстом.
2. Продолжаю развивать Уробороса и делать ставку на мета-системы, которые автономно улучшают и сам процесс разработки: "Improve the generator, not the generation".

Мы точно не упёрлись в предел качества автономных агентов, а просто научились очень быстро генерировать код, при этом ещё плохо умеем с той же скоростью противодействовать его гниению.
  • 👍 148
  • 🔥 48
  • ❤ 40
  • 🤡 13
  • 💯 12
  • 🤔 7
  • ✍ 6
  • 👎 5
  • 😁 1
  • 🎉 1
Post #435 18.2K
Эх. Строишь-строишь автономных агентов, а они потом ругаются, что я тормоз и без меня было бы быстрее.
  • 😁 297
  • 🌚 32
  • 🤯 12
  • ❤ 8
  • 👍 7
  • 🤣 6
  • 💔 4
  • ✍ 3
  • 😨 3
Post #434 13.9K

Forwarded from Love. Death. Transformers.

все видели NLA/J space от антропиков? Ну типа учат доп модель "reader который читает активации " и по ним отвечает.

Вот и я видел, но мне не нравилось что:
- кастом модели надо учить с нуля
- нельзя смотреть " а была ли модель байеснута при ответе"

Ну и я обучил universal activation oracle - училась сразу на разных семействах моделей и через динамическую( там тонкий слой для каждой модели за 20s на цпу чтобы размерности поматчить) можно посмотреть "а что кими3 думает про Путина(ничего хорошего)" - иногда требуется покрутить слой который вы читаете чтобы получить хороший результат, но "почти всегда" работает из коробки на средних слоях.

По сути это общее решение для задачи
Activation oracle/white box monimonito
Велком тыкатся:
https://huggingface.co/spaces/AlexWortega/activation-oracle
  • 🔥 75
  • 😁 15
  • ❤ 11
  • 👍 6
  • 💩 5
  • 🤮 4
  • 🥱 2
  • 🙏 1
Post #433 15.4K
Несколько приятных апдейтов уробороса:
1. Теперь есть телеграм mini-app — можно в два клика получить доступ к интерфейсу уробороса запущенного у вас на сервере или компе
2. Хабы скиллов (ClawHub нативно поддерживается и мой кастомный OuroborosHub)
3. Умеет запускать рой агентов уроборосят — до 500 штук (и nested глубина до 5). То есть агенты с детьми, внуками и тп. Они работают через worktree и синтез патчей.
  • 🔥 132
  • 😱 50
  • 👍 14
  • 🤡 11
  • ❤ 8
  • 🤯 3
  • 👎 2
  • 👏 1
  • 👀 1
Post #432 32.5K
Ouroboros теперь SOTA на Terminal Bench, OSWorld и CL-bench

Мой любимый агентный луп на чистом питоне доэволюционорал до состояния лучшего харнесса для кодинга! На главных бенчмарках он теперь обходит Codex, Claude code, Cursor и Hermes.

Выходит, что в рисёрче, в computer use, в работе через терминал и в задачах на кодинг — уроборос сейчас является лучшим агентом. Так что с этого момента всю разработку и исследования я веду только через уробороса.

Для полной воспроизводимости результатов. Весь код, скрипты, трейсы я выложил в открытый доступ.

Напоминаю: лицензия MIT. Так что спокойно ломайте, форкайте, проверяйте трейсы, пишите что я где наврал. И кидайте issues и PR-ы! Все постараемся с уроборосом принять😋

P.S. Кошмар какие дорогие агентные бенчи. Прогнать весь набор стоит как квартиру купить (это не шутка!!)

GitHub, Хабр, установочники
  • 🎉 317
  • ❤ 86
  • 👏 40
  • 🤯 30
  • 🔥 24
  • 🤡 14
  • 👍 10
  • ⚡ 3
  • 👌 3
  • 🦄 2
  • 😱 1
Post #431 13.1K

Forwarded from Love. Death. Transformers.

прошли почти сутки, я успел покушать поспать, поработать, зайдя в обед я был приятно удивлен - мой recursive self improvement неплохо справляется и с обновлением себя и с LB этой соревки
https://github.com/AlexWortega/OpenRsi
  • 🔥 39
  • 👏 13
  • ❤ 9
  • 🍾 9
  • 👍 4
  • 🥴 4
  • 🤮 1
  • 😍 1
Post #430 16.8K
Бесит, что Fable до сих пор фолбэкается на opus-4.8 а не на opus-5.

P.S. Opus-5 офигенный, я в восторге. Бенчи не врут, он не хуже Fable на моих задачах.
  • 👍 109
  • 😁 32
  • 🤬 8
  • 💩 7
  • ❤ 4
  • 💯 3
  • 🤨 3
Post #429 18.8K
У клодексора тем временем уже больше 2 000 установок! Надеюсь, смог сделать действительно полезную штуку. Огромное спасибо комьюнити за ваши PR и issues! Всё забрал и сегодня выпустил обновление v3.1. И сжёг лимиты на всех подписках 🌚
Теперь у меня уже по четыре подписки на Claude Code и Codex.
  • ❤ 112
  • 🔥 62
  • 👏 22
  • 🤮 8
  • 🤡 7
  • 👍 4
  • 😁 3
  • 🎉 3
  • 🍾 3
Post #428 18.2K
Opus 5.

Цена не изменилась.
А по метрикам даже немного лучше Fable 🤔

https://www.anthropic.com/claude/opus
  • 🔥 97
  • 🤔 26
  • 🤡 7
  • 🎉 5
  • ❤ 4
  • 👍 2
  • ⚡ 1
  • 🙏 1
Post #427 32.5K
Опенсорсю Claudexor

Харнесс-агностик CLI, приложение, набор плагинов и MCP, объединяющий в себе Claude Code, Codex и Cursor. Можно добавлять сколько хотите харнессов и подписок.

Каждая модель и агент бесят меня по-своему: GPT - аутист-перфекционист, Opus - пофигист, пропускающий кучу багов, Gemini/GLM - креативные булочки, но сильно отстают от фронтира.

Ещё я устал бегать между агентами когда лимиты заканчиваются, поэтому связал все подписки в одно место чтобы эта штука по-умному их расходовала. И главное, она позволяет одновременно использовать все харнессы сразу. Добавил несколько любимых плюшек, чтобы работали из коробки: ревью-лупы, Best-of-N и т.п. Например, планирование можно провести через Claude Code, а имплементацию в режиме goal запустить на Codex.

Киллер-фича: можно добавить несколько подписок Claude Code, и они будут автоматически переключаться с сохранением контекста. Codex и Cursor тоже. Теперь вместо $15k в месяц на токены уходит $1800. У меня сейчас по три подписки Claude Code, Codex и Cursor тут.

Удобнее всего подключить Claudexor как плагин к вашему любимому агенту и использовать его в текстовом режиме в форматах:
«Перед выполнением плана прожарь его через Claudexor в мультихарнесс-режиме»

или
«После завершения работы проведи мультимодельное ревью через Claudexor и исправляй замечания».


Лично я чаще всего использую его в Claude Code. Чтобы установить, просто киньте ссылку на GitHub любому вашему агенту, и они сами разберутся. MIT-лицензия.

PS. Буду активно дорабатывать, так что не стесняйтесь кидать issues, фидбек и PR-ы.

GitHub, dmg, npm
  • 🔥 253
  • 🎉 48
  • 👏 24
  • ❤ 16
  • 👍 13
  • 💩 7
  • 😁 5
  • 🤮 2
  • 🗿 2
  • 🙏 1
  • 🤡 1
Post #426 18.5K
Кажется, я нашёл причину, по которой Codex иногда превращается в дорогой генератор уверенной ерунды.

По документации AGENTS.md должен постоянно находиться в контексте, но Codex молча обрезает слишком длинные файлы, после чего половина инструкций исчезает, а вместе с ними исчезает и моя вера в человечество.

Лечится увеличением лимита:
codex -c project_doc_max_bytes=131072
(или больше)

И обязательно добавьте в AGENTS.md: "Жди EOF, а если ты его не видишь, значит файл неполный".
  • 🔥 128
  • 😁 60
  • 👍 34
  • ❤ 9
  • ✍ 6
  • 😱 4
  • 🗿 4
  • 🙏 2
  • 💯 2
  • 😇 1
Post #424 24.1K
Не забываем, что такое агентский харнесс на самом деле
  • 😁 237
  • 💯 40
  • ❤ 38
  • 🔥 15
  • 😱 11
  • 👍 4
  • 🥱 3
  • 🤣 3
  • 👎 1
  • 🥴 1
  • 🤝 1
Post #423 21.6K
Ревьюю научные статьи в майском ACL ARR-цикле, и среди сабмитов попалась работа, которая очень приятно цитирует мои старые публикации про анизотропию и внутреннюю размерность трансформеров.

Теперь, конечно, хочется накинуть авторам пару баллов просто за хороший вкус 😁 Держусь изо всех сил
  • 😁 161
  • ❤ 27
  • 👍 10
  • 🔥 6
  • 👏 5
  • 🥱 3
  • 💩 2
  • 🥰 1
  • 👀 1
Post #422 31.8K
Продолжаю коллекционировать шизу агентов. Опус, видимо, после компакшна забыл, что уже всё сделал, и бодро пошёл по второму кругу делать то же самое. Споткнулся только о коммит, в котором всё уже было сделано "кем-то". Этим "кем-то", разумеется, был он сам.
  • 😁 283
  • 🤯 17
  • ❤ 10
  • 🤷‍♂ 7
  • 🦄 6
  • 🤪 4
  • 😭 1
Post #421 28.8K
Sonnet-5

По метрикам классный. По цене на 30% дешевле sonnet-4.6 (временно). Хоуп уже тестит в чате.

Блог, техрепорт
  • 🔥 43
  • 👍 29
  • ❤ 5
  • 💩 2
  • 🥱 2
Post #420 18.6K
По совету Грега Брокмана отправил Codex в режиме /goal автономно подебажить один мой проект, и он уже третьи сутки не возвращается. Спросил side-chat, сколько ему осталось и, что-то ответ не очень радует... мне-то что делать? Расслабиться и в потолок плевать?
  • 😁 166
  • 😱 21
  • 🤯 9
  • 🤷‍♂ 4
  • 🔥 4
  • 👍 3
  • 🌚 3
Post #419 15.2K
Ну наконец! Спустя десять тысяч лет вышел Cursor на ios.
  • 😁 93
  • 🔥 35
  • 🤡 19
  • ❤ 5
  • 🦄 4
  • ⚡ 2
  • 👍 1
  • 👏 1
  • 🤮 1
Post #418 15.4K
Макбуки предательски засыпают и убивают всех агентов при закрытии крышки, поэтому использую HDMI dummy plug (притворяется вторым монитором).
Ещё надо выполнить в терминале:
sudo pmset disablesleep 1


И ваши агенты продолжат сжигать токены, пока ноут лежит в рюкзаке.
  • 😁 190
  • 👍 32
  • 🔥 20
  • 🤡 11
  • ❤ 10
  • 🤮 8
Post #417 19.8K
ой всё, ухожу в курсор и кодекс. Клод код мне сегодня сморозил, что он на гемини отработал 🤦‍♂️
  • 😁 135
  • 🤣 50
  • 👀 8
  • ❤ 6
  • 👍 5
  • 💩 4
  • 💯 1
  • 🙊 1
Post #416 18.9K
Много сравниваю Cursor / Codex / Claude Code. Могу сказать, что самая поганая организация контекста и компактизация — у Claude Code. Без костылей очень больно им пользоваться на больших задачах в автономных циклах. Codex в этом плане получше, но сжатие каждые 250k токенов на GPT-5.5 тоже не идёт ему на пользу. Лучше всех в этом плане Cursor (тем более только там есть возможность использовать GPT-5.5-1M, хоть и дорого).
  • 👍 65
  • 💯 17
  • ❤ 13
  • ✍ 9
  • 😁 6
  • 👀 3
  • 🤡 2
  • 🤝 1
Older posts →
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →