Главное за 3 ноября 2026

Name: Пачка
Rating: 4.8 (500 reviews)
Author: Пачка

Что важно запомнить

1
Мэтью Ханнибал, автор библиотеки spaCy, разобрал эксперимент MIT CSAIL и указал на отсутствие честной базовой линии: Astra не «поняла» веса, а перебором нашла нейроны в MLP-блоках, гасящие зацикливание модели. Саймон Уиллисон отдельно повторил ту же операцию на Qwen 3.8 27B у себя на ноутбуке, а инженер Шон Гёдеке написал, что сверхчеловеческого умения читать веса у моделей нет.
2
Issue в трекере Postman собрал сотни комментариев и первое место на Hacker News: пользователи утверждают, что согласия на установку плагинов не давали, а отправка данных включилась сама. В обсуждении советуют блокировать исходящие соединения приложения фаерволом, пока вендор не объяснится.
3
По материалу The New York Times, условие касается школ на пакете Google for Education. Часть округов вводила ограничения из-за списывания: учителя жаловались, что проверить работу школьника стало невозможно. Теперь выбор — принять ИИ-функции или остаться без поиска и связанных сервисов.
4
Обсуждение на Hacker News вышло в топ за сутки: участники пишут, что ранее выключили настройку вручную, а после обновления агента она вернулась в исходное положение. Публичного объяснения от OpenAI на момент обсуждения не было.
5
Аналитик Regenerator показал, что кривая выручки Anthropic, два года шедшая почти вертикально, в последних кварталах выпрямилась. Расходную часть вытащили из заявки на IPO. На этом фоне в Tech Policy Press вышла колонка с предложением к SEC заблокировать размещение, а сама компания набирает исследователей поведения моделей с зарплатой до 500 тысяч долларов в год.
6
Именно харнес, а не выбор модели, определяет, какие инструменты агент вызовет и как он выйдет из ошибки. Проект deepseek-harness растёт быстрее, чем в своё время OpenClaw.
7
На вход нужны изображение, аудио и текстовое описание сцены, на выходе — видео 24 кадра в секунду с синхронной артикуляцией, мимикой и жестами. Обучали на миллионе с лишним видеофрагментов на 95 языках; доступны версия Pro и облегчённая для быстрой генерации.
8
Qwen2.5-1.5B извлекала имена, даты и номера дел из реальных судебных документов; макро-F1 — усреднённая по типам объектов точность — оказалась почти на уровне Ministral 3 14B. Смысл в железе: юристы не могут отправлять материалы дел во внешние API, а маленькая модель помещается на A5000 вместо дорогой A100.

Основные понятия

Веса модели: Числа внутри нейросети, которые определяют её поведение; обычно их меняют только обучением, а не вручную.
Харнес: Код вокруг модели: как формулируется задача, какие инструменты доступны агенту и как разбирается его ответ.
Токен: Кусок текста, на которые модель режет фразу; оплата идёт за токены, и на редких языках их выходит больше при том же смысле.
Макро-F1: Усреднённая по всем типам объектов точность извлечения: показывает, насколько ровно модель находит все категории, а не только частые.
Минибиндер: Небольшой белок, спроектированный так, чтобы прочно цепляться к заданной мишени — например, к молекуле яда.