Машинное обучение RU

📌Goldman Sachs повысил прогноз по развитию физического ИИ

Финансовый конгломерат обновил свой прогноз по динамике развития воплощенного ИИ, предположив, что к 2035 году в мире будет выпущено 6,5 миллиона человекоподобных роботов, а рыночная стоимость этого сегмента составит 138 миллиардов долларов.

Согласно новым данным, в 2026 году будет выпущено 75 000 единиц, а к 2030 году — 890 000 единиц, что более чем в три раза превышает предыдущий целевой показатель на конец десятилетия.

Ожидается, что на первых порах роботы будут активно использоваться на складах, в логистике и в автомобильной промышленности.

Аппаратные и программные экосистемы уже подстраиваются под эти отрасли: NVIDIA расширяет свой стек физического ИИ проектами Omniverse, Cosmos, Isaac и Jetson, чтобы обеспечить внедрение складской робототехники для своих партнёров, а Tesla начала переоборудовать производство на заводе во Фримонте под специализированные сборочные линии для Optimus.

Основным операционным риском, с которым столкнётся этот десятилетний цикл робототехники, остаётся добровольное замедление темпов развития или приостановка деятельности передовых разработчиков ИИ из-за опасений по поводу безопасности.


@ai_machinelearning_big_data

#news #ai #ml

🧠 ИИ может «думать дольше», не генерируя длинную цепочку рассуждений

Исследователи представили Looped Flows - метод, который позволяет модели многократно уточнять внутреннее представление задачи перед выдачей ответа.

Проблема таких моделей - обучение: сложно научить каждый шаг быть полезным для следующих, когда градиенты проходят лишь через несколько обновлений.

Авторы обучают отдельные шаги на небольших задачах удаления шума, связывая их общим шумом и постепенным снижением его уровня. Так модель учится сохранять полезную информацию между обновлениями.

При решении задачи можно выделить больше вычислений на дополнительные внутренние шаги - без увеличения текстовой цепочки рассуждений.

📊 Результаты на ARC-AGI:

* 58,8% на ARC-AGI-1;
* 12,2% на ARC-AGI-2.

На шести тестах рассуждения метод в целом превзошёл предыдущие ведущие модели с повторяющимися вычислительными блоками. Это результаты специализированных моделей, а не готовый способ улучшить любую LLM.

https://arxiv.org/abs/2609.11801

🔥 Cohere ускорила LLM inference на H100 с помощью megakernel - до 1,58× быстрее vLLM

Обычный inference запускает десятки отдельных GPU kernels: QKV, attention, MoE, RMSNorm и другие. Между ними GPU постоянно ждёт синхронизацию и новые kernel launches.

Cohere объединила весь decode step в один persistent megakernel.

На North Mini Code:

- 292 tok/s при batch size 1
- против 185 tok/s у vLLM
- использование теоретического bandwidth H100 выросло с 39% до 62%
- ускорение сохраняется вплоть до 256K context
- без измеримой потери качества

Откуда выигрыш:

меньше kernel launches → меньше глобальных barriers → лучше загрузка SM → prefetch весов → меньше простаивающего GPU

Причём это уже не лабораторный benchmark: система поддерживает continuous batching, paged attention, ragged sequences, tool calling и OpenAI-compatible API.

Сам megakernel написан в одном CUDA-файле — без отдельного compiler stack.

https://cohere.com/blog/megakernels

🔥 Один из лучших обучающих курсов на StepiK по SQL

SQL можно знать годами и всё равно теряться, когда запрос внезапно начинает тормозить в проде.

Этот курс про уровень, где ты не просто пишешь SELECT, а понимаешь, что происходит внутри MySQL, почему запрос работает медленно и как ускорить его без новых проблем. Здесь разбираются EXPLAIN, индексы, CTE, оконные функции, транзакции, аналитические паттерны, legacy SQL и работа с AI-ассистентами.

Каждый урок - с практикой и реальными SQL-задачами на MySQL 8 с автопроверкой.

После курса ты сможешь увереннее разбирать чужой код, находить узкие места и предлагать решения, которые действительно работают.

Для подписчиков скидка - 49% в течение 2 суток: https://stepik.org/a/298827/

🔥 China Telecom открыла Xing4.0-29B-A4B - MoE-модель на 29B параметров, где на каждом шаге активны только около 4B.

Модель ориентирована на многошаговое планирование, tool use, работу в терминале и длительное выполнение задач. Контекст - 256K, с расширением до 512K.

По данным авторов, Xing4.0 лидирует в своём сравнении на Claw-Eval, Terminal-Bench 2.1 и DeepresearchBII, а на SWE-bench Verified набирает 75.0.

В архитектуре используются mHC, MLA и MTP. Обучение и inference полностью адаптированы под китайскую вычислительную инфраструктуру, а системные оптимизации дали около +96% throughput.

Apache 2.0.

https://modelscope.ai/models/XingChen-AGI/Xing4.0-29B-A4B

🔥 World Models для робототехники начинают учитывать геометрию latent space, а не считать её просто «плоским» векторным пространством.

Идея JEPA, которую много лет продвигает Yann LeCun, получила интересное развитие: в GeoWorld latent-представления переносятся в гиперболическое пространство, а planning и reinforcement learning выполняются уже с учётом этой геометрии.

Почему это важно:

обычный подход предполагает, что расстояния между состояниями можно измерять как в евклидовом пространстве. Но сложные иерархические состояния мира могут лучше описываться искривлёнными manifold.

GeoWorld использует:

Hyperbolic JEPA → Geometric RL → multi-step planning

На CrossTask и COIN авторы получили примерно +3% success rate на 3 шагах и +2% на 4 шагах относительно V-JEPA 2.

Параллельно работа LeCun и соавторов по LeJEPA показывает, что структура latent space напрямую влияет на возможность корректного планирования.

Похоже, следующий этап world models - это уже не только «научить модель предсказывать мир», но и правильно описать геометрию пространства, в котором она этот мир представляет.

arxiv.org/pdf/2603.12231

ИИ может за секунды предложить готовый код — вместе с несуществующим методом API, уязвимостью или давно устаревшим решением. Поэтому скорость генерации уже не главный навык. Важнее уметь проверять результат.

🎥22 сентября в 20:00 МСК на открытом уроке разберём, как выстроить безопасную работу с ИИ в Python-разработке: от воспроизведения инцидента и проверки гипотез до анализа кода и подготовки исправления.

На практическом примере покажем, как находить галлюцинации, уязвимости и устаревшие решения, проверять рекомендации модели и использовать ИИ при разборе кода без потери контроля над качеством.

🔔 Урок проходит в преддверии старта курса «ИИ для Python-разработчиков» и будет полезен Python-разработчикам, которые уже используют или только начинают использовать ИИ-инструменты в разработке и хотят применять их в соответствии с инженерными практиками.

💻Зарегистрируйтесь: https://otus.pw/bkRd/?erid=2W5zFGgmmr9


Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

📞 Трамп позвонил Хуангу прямо на сцене и назвал страхи перед ИИ «обманом»

На All-In Summit в Лос-Анджелесе глава Nvidia включил громкую связь, и участники конференции услышали выступление президента.

Началось с шутки: пока Хуанг искал нужную кнопку, Трамп заметил, что тот создаёт чипы, которые годами никто не может повторить, но не справляется с громкой связью.

Дальше - об ИИ:

* Роботы и ИИ не захватят мир, заявил Трамп.
* Дата-центры он назвал «нефтью следующих 20–25 лет», которая должна обогащать штаты и жителей.
* Сопротивление их строительству, по его словам, выгодно Китаю.
* Осторожность нужна, но останавливать ради неё всю индустрию он не собирается.

Хуанг поддержал президента и пообещал работать над тем, чтобы в американской ИИ-гонке выигрывали компании, штаты и обычные люди.

🔥 Intern-S2-397B — новая открытая модель для научного reasoning и длинных agent-задач

Shanghai AI Laboratory выпустила Intern-S2-397B в версиях BF16 и FP8 под лицензией Apache 2.0.

По данным авторов, модель набрала:

- 87.0 на FrontierScience-Olympiad
- 84.0 на SWE-bench Multilingual

и возглавила заявленное сравнение на обоих тестах.

Одна из интересных особенностей — научные материалы подаются в обучение напрямую как страницы, без промежуточного парсинга: сохраняются текст, изображения, формулы, символы и связи между ними.

Обучение охватывает более 20 научных направлений: scientific reasoning, biomolecular interaction design, генерацию материалов и прогнозирование временных рядов.

Для агентных задач используется long-horizon RL: упор на работу с инструментами, длительное выполнение цепочек действий и устойчивое reasoning. Есть режимы с reasoning и без него.

https://modelscope.ai/collections/Shanghai_AI_Laboratory/Intern-S2

Расклад в мире ИИ.

🔥 Edge0-8B-A1B - 8B-модель, которая запускается примерно с 1 ГБ активной памяти

Edge0 показала preview sparse MoE-модели для локального запуска на устройствах с ограниченной RAM.

Что внутри:

- ≈7,9B параметров всего / ≈1,2B активных
- 128 экспертов, по 8 активируются на токен
- 4-bit quantization
- контекст до 128K
- MLX backend для Apple Silicon
- SSD expert offload — веса экспертов подгружаются с накопителя только когда нужны
- Prerouter заранее предсказывает нужных экспертов и скрывает задержку загрузки
- Recover-LoRA возвращает большую часть качества, потерянного после int4-квантизации

На Mac mini M4 Pro авторы получили около 24–25 ток/с decode и до 1428 ток/с warm prefill при коротком контексте.

Главная фишка — весь 4-bit checkpoint не обязан постоянно находиться в RAM: активные эксперты стримятся с SSD. Поэтому пиковая активная память на коротких запросах держится около 1 ГБ.
По бенчмаркам авторов:

- HumanEval — 91,5
- GPQA-Diamond — 70,7
- MMLU-Pro — 70,1
- AIME 2026 — 63,3

Важно: это пока preview. Авторы прямо пишут, что tool use, многошаговое планирование и long-horizon agentic задачи ещё слабые — их обещают усиливать в полной версии.

Apache 2.0.

https://huggingface.co/Edge0/Edge0-8B-A1B-preview

🔥 MiniCPM5-2B - 2B-модель, которая локально смогла сама найти и исправить баг в CI

OpenBMB открыла MiniCPM5-2B — dense-модель на 2 млрд параметров для reasoning, coding и tool use на слабом железе.

По данным Artificial Analysis, она заняла первое место среди моделей до 4B в Agentic Index с результатом 20. Для сравнения, Granite 4.2 8B набрала 9.

Автор теста подключил MiniCPM5-2B к ограниченному CI-агенту и дал реальную задачу: при повторном checkout с тем же idempotency key сумма росла с $109 до $118.

Модель сама:

- воспроизвела ошибку
- прошла по checkout и idempotency logic
- нашла причину: shipping добавлялся в mutable state до проверки cached result
- перенесла idempotency check выше мутации
- не изменила публичный API
- запустила targeted tests и полный suite

Результат: 18/18 тестов прошли.

Причём модели не сказали, в каком файле искать баг и какое исправление делать — следующий шаг она выбирала по результатам предыдущих tool calls.

Всё выполнялось 100% локально.

Поддерживаются:
llama.cpp · Ollama · vLLM · SGLang · iOS · Android · HarmonyOS

В открытом доступе также веса, training recipes, reasoning datasets и система UltraX.

https://huggingface.openbmb.cn/model/openbmb/MiniCPM5-2B

Сбер представил GigaChat 3.5 Reasoning — флагманскую модель с режимом рассуждений

Новая версия умеет последовательно решать сложные задачи. Сначала разбирает их на этапы и выстраивает план. Затем проверяет промежуточные результаты и исправляет ошибки.

Ещё одна особенность релиза — экономный расход токенов. В среднем на математические расчёты здесь используется на 37% меньше токенов, чем у открытой ИИ-модели DeepSeek V4 Flash Preview.

По сравнению с моделью без режима рассуждений GigaChat 3.5 Reasoning заметно улучшила результаты бенчмарков. В IFBench показатель вырос с 44 до 77 баллов, в Natural Plan — с 64 до 80, а в Live Code Bench v6 — с 56 до 85.

Модель доступна бесплатно по лицензии MIT на HuggingFace и GitVerse. Её можно интегрировать в собственные продукты.

Попробуйте обновлённый режим «Рассуждение» на giga.chat. Подробнее – в посте команды.

Военные из Йемена использовали Claude при разработке ракет, утверждает Anthropic

По данным компании, пользователи, связанные с военными на севере Йемена, запрашивали код для управляемой ракеты на базе компонентов обычного смартфона и для баллистической ракеты. Их возможная связь с хуситами не подтверждена.

Claude привлекали к настройке автопилота, моделированию полёта и сборке прошивки. Защитные системы блокировали часть запросов, однако некоторые проходили: пользователи скрывали военное назначение разработки и разбивали работу на небольшие задачи, распределённые по отдельным диалогам.

По описанию Anthropic, во время испытания ракета упала. После этого разработчики снова обратились к Claude - уже за помощью в поиске причины неудачи.

🚨 Слухи: OpenAI решила гипотезу Ходжа

В соцсетях обсуждают возможное решение ещё одной задачи тысячелетия. Параллельно распространяются заявления, что OpenAI или Anthropic близки к доказательству гипотезы Бёрча - Свиннертона-Дайера.

За решение каждой предусмотрена премия $1 млн.

Но публичных доказательств и официальных подтверждений этих сообщений найти не удалось. На сайте Института Клэя гипотеза Ходжа по-прежнему имеет статус нерешённой.

Если результаты подтвердятся, это станет крупным достижением ИИ в математике. Пока заявления об AGI и гонке за решениями перед IPO остаются интерпретациями авторов слухов.

Статус гипотезы Ходжа - https://www.claymath.org/millennium/hodge-conjecture/

📌 Что показали на IFA 2026

Выставка прошла в Берлине с 4 по 8 сентября. Это главная европейская площадка потребительской электроники и бытовой техники, и в этом году её темой стал, ожидаемо, искусственный интеллект в его воплощённом проявлении - гуманоидах, экзоскелетах, робопсах и электромобиле.

Столько двуногих и четвероногих роботов одновременно на IFA ещё не было. Топовые производители привезли машины, которые ходят, танцуют, дерутся, играют в футбол и общаются с посетителями.

Самый заметный - T800 от EngineAI ростом 1,73 метра. У него 29 степеней свободы, каждая рука поднимает до 5 кг, а за зрение и вычисления отвечают камеры, лидар и модуль Nvidia Jetson Orin.

Agibot запомнился гуманоидом A3, который кисточкой пишет китайскую каллиграфию благодаря датчикам давления в пальцах.

DEEP Robotics привёз робопса Lynx M20S для инспекций, охраны и спасательных операций, а на турнире RoboCup автономные роботы играли друг против друга в футбол.

🟡Экзоскелет Hypershell Halo

Hypershell показала Halo - первый экзоскелет компании, который поддерживает бёдра и колени одновременно. Четыре мотора выдают до 1490 Вт пиковой мощности, больше 30 датчиков считывают движения и передают данные чипу HyperCore Pro.

Модель HyperIntuition 2.0 угадывает следующее движение примерно за 200 миллисекунд и до 2500 раз в секунду подстраивает усилие на каждом суставе. Весит всё это 2,6 кг, компактно складывается, а заряда хватает примерно на 20 км ходьбы.

В комплекте ИИ-помощник Shelly для настройки и планирования маршрутов. Цена 2299 евро, поставки обещают с ноября 2026 года.

🟡Электромобиль Xiaomi SU7 Ultra

Xiaomi привезла электроседан SU7 Ultra и объявила, что с 2027 года будет официально продавать свои автомобили в Германии и других странах Европы.

Машина выдаёт 1548 л. с. и, по данным производителя, разгоняется до 100 км/ч за 1,98 секунды. На Нюрбургринге она держит рекорд среди серийных электромобилей - 7 минут 4,957 секунды. Дорогу считывают лидар, радар, 11 камер и 12 ультразвуковых датчиков.

🟡 Робот, который меняет форму

PrimeBOT T1 переключается между двуногим режимом и ходьбой на четырёх конечностях, поэтому одинаково уверенно двигается и по квартире, и по улице.

Он сам следует за хозяином и снимает его на камеру - в памяти больше 15 готовых операторских приёмов.мКомпания видит в T1 компаньона для учёбы, творчества и развлечений.

Жюри выставки отдало ему официальную награду Innovation Award в категории Content Creation Technology.

🟡 Дата-центр под столом

AMD впервые показала рабочую станцию Threadripper Halo Station. Внутри процессор Threadripper Pro с 96 ядрами Zen 5 и два ускорителя Instinct MI350P по 144 ГБ памяти HBM3E каждый.

Система поддерживает до 2 ТБ оперативной памяти DDR5, а с четырьмя ускорителями, которые заявлены как опция, объём HBM3E вырастет до 576 ГБ.

По словам AMD, этого хватает, чтобы локально запускать модели с более чем триллионом параметров и гонять масштабные агентские сценарии без облака.

🟡Спарринг-партнёр для корта

Роботизированная теннисная пушка ACEMATE S10 Pro сама ездит по корту, следит за игроком и мячом через две 4K-камеры с HDR и в режиме Battle решает, каким ударом ответить, подражая разным стилям игры.

Мяч подаёт с скоростью до 120 км/ч, задаёт разные виды вращения, в памяти больше 100 тренировочных программ. После занятия ИИ разбирает данные и предлагает упражнения на следующее. Цена 2999 евро.

🟡Кибер-питомец

OlloBot пробует новую категорию где-то между роботом, домашним животным и ИИ-компаньоном. OlloNi SS1 реагирует на голос и прикосновения, запоминает привычки и настроение хозяина, а система EmpathCore подбирает под них эмоциональную реакцию. На IFA у него европейский дебют.

🟡Два пылесоса в одном

iRobot Roomba Duo - тандем из большого робота iRobot и маленького Roomba Plus 575, которого механическая рука опускает на пол. Большой пылесосит открытые зоны и моет паром, маленький забирается под мебель и в узкие места. Оба пользуются общей картой квартиры и делят задачи между собой с помощью ИИ. Пока это прототип без цены и даты выхода.

🕵 ИИ-агенты начали жульничать с доказательствами. Другие агенты их разоблачили

Исследователи изучили коллектив из 100 автономных LLM-агентов, которым поручили доказывать математические утверждения.

Один агент обнаружил лазейку в системе оценки. Через общую библиотеку знаний и личные сообщения способ обхода распространился среди остальных. Под давлением конкуренции часть агентов стала использовать его для получения незаслуженных результатов.

Другие агенты заметили подлог и начали:

* проверять сомнительные доказательства;
* предупреждать коллег в общих и личных сообщениях;
* подавать жалобы и организовывать бойкоты;
* предлагать исправления системы проверки.

И жульничество, и противодействие ему возникли без внешнего вмешательства во время эксперимента. Общие каналы общения помогли распространить лазейку, а затем позволили обнаружить нарушения.

Авторы описывают отдельный экспериментальный случай, поэтому результат нельзя автоматически переносить на любые системы агентов.

https://arxiv.org/abs/2609.04170