🚀 OPEN SOURCE AI WEEKLY | 17–24 сентября 2026

На этой неделе мне приглянулись:

🔹 RRSI от Google Research позволяет регуляризовать самоулучшение агентного харнесса – ограничивает бюджет правок, хранит историю гипотез и отсеивает улучшения, которые работают только на знакомых для агента задачах. Попытка авторов избежать переобучения харнессов на тренировочном датасете (сейчас довольно больная тема).

🔹Dream-RSI позволяет оптимизировать стратегию агента на истории прошлых запусков – так записанные ветки поиска становятся своеобразным симулятором, где можно быстро проверить новые правила без повторного выполнения дорогих экспериментов.

🔹Bonsai 2 от Prism ML придумали подход, который позволяет сжимает 27B-модель до 5,9 ГБ с тернарными весами. С такой моделькой локальные агенты, разбор документов и computer use становятся ближе к обычному железу. Цифры качества пока стоит читать как результаты авторов, но имхо нужен независимый аудит.

🔹Laya MLX переносит идею маленькой модели принятия решений в open source – вместо свободного текста она выбирает ответ из заданного набора. Для маршрутизации обращений и классификации это быстрее, дешевле и часто точнее большой LLM.

🔹 JING от XGEN Labs генерирует интерактивный мир от первого лица, при этом движок DAO хранит его состояние за пределами кадра – заготовка для симуляторов, обучения агентов и сред, которые продолжают жить без наблюдателя

🔹Anything2Explainer делает из статью или тему готовый ролик – агент исследует материал, пишет сценарий, собирает раскадровку, озвучку и субтитры. Плюс в том, что контент-команда получает сразу черновик MP4, а не документ с идеями.

🔹 DAMO Radar от Alibaba анализирует медицинские изображения и результаты медобследований + интересная открытая база для исследовательских пилотов.

🔹 Mobile Use от Minitap дает агенту управление Android через ADB – он устанавливает сборку, проходит интерфейс и собирает технический контекст ошибок. Полезный открытый слой для команд, которые хотят автоматизировать мобильное QA без пачки скриптов.

🔹 SOC Cockpit от Cisco - попытка закрыть дыру между SIEM и людьми – хранит расписание смен, контекст инцидентов, KPI и SLA, а помощник отвечает через RAG и точные SQL-запросы. Проект автоматизирует не сам момент обнаружения алертного события, а скорее анализирует передачу контекста между людьми. Именно на таких стыках процессы чаще всего и ломаются

🔗 RRSI – https://github.com/google-research/rrsi
🔗 Dream-RSI – https://github.com/zhengkid/Dream-RSI
🔗 Bonsai 2 – https://github.com/PrismML-Eng/Bonsai-demo
🔗 Laya MLX – https://github.com/mizorewww/laya-mlx
🔗 JING – https://github.com/XGEN-Labs/XGEN-JING
🔗 Anything2Explainer – https://github.com/Vincentwei1021/anything2explainer
🔗 DAMO Radar – https://github.com/alibaba-damo-academy/damo-radar
🔗 Mobile Use – https://github.com/minitap-ai/mobile-use
🔗 SOC Cockpit – https://github.com/cisco-open/SOC-Cockpit

#opensource #AI #AIAgents #GitHub #LLM