Машинное обучение RU

08 September 2026 11:02

Препарат, разработанный с помощью ИИ, снизил показатели биологического возраста у пациентов. Что это означает

Участники небольшого исследования получали рентосертиб – экспериментальный препарат против идиопатического лёгочного фиброза. При этом заболевании в лёгких образуется рубцовая ткань, из-за чего человеку становится сложнее дышать.

После лечения исследователи обнаружили изменения в белках крови: несколько вычислительных моделей оценили образцы как более «молодые». Работа опубликована в Nature Biotechnology.

Как здесь использовали ИИ

Рентосертиб разрабатывает Insilico Medicine. ИИ помог выбрать молекулярную мишень TNIK, связанную с развитием фиброза, а генеративная модель – спроектировать и оптимизировать молекулу, которая её блокирует.

Затем препарат прошёл лабораторные исследования и испытания на людях. В исследовании фазы 2a участвовал 71 пациент, лечение продолжалось 12 недель. Основной задачей была оценка безопасности и переносимости. Описание клинической программы.

Авторы предлагают включать такие измерения в обычные клинические испытания: брать образцы крови и проверять, влияет ли лечение на связанные со старением процессы. Это может помочь раньше находить препараты для дальнейшего изучения.

Рентосертиб остаётся экспериментальным препаратом. Его способность замедлять старение или продлевать жизнь людей пока не установлена.

Подробности - https://uproger.com/preparat-razrabotannyj-s-pomoshhyu-ii-snizil-pokazateli-biologicheskogo-vozrasta-u-paczientov-chto-eto-oznachaet/

Машинное обучение RU

06 September 2026 12:29

🧠 Sapient начала двигаться в сторону looped reasoning ещё до того, как эта идея стала частью frontier-дискуссии.

В июне 2025 компания представила Hierarchical Reasoning Model, а в мае открыла его текстовую версию.

Модель может тратить больше вычислений не только за счёт глубины обычного Transformer, а многократно обновляя внутреннее состояние через рекуррентные циклы.

Теперь похожий подход с recurrence в latent space активно обсуждается уже вокруг OpenAI GPT-6 Astra.

Sapient сделала эту ставку ещё до широкой валидации индустрией — и выпустила модель, которую можно изучать, дообучать и разбирать по архитектуре.

Hugging Face: https://huggingface.co/sapientinc/HRM-Text-1B
GitHub: https://github.com/sapientinc/HRM-Text

Машинное обучение RU

04 September 2026 12:52

Ant Group открыла финансовую модель Ling-3.0-flash-Fin и новый бенчмарк FinFIRST

Ling-3.0-flash-Fin - это специализированная модель для реальных финансовых задач, а FinFIRST - бенчмарк, который проверяет не только финальный ответ, но и весь процесс исследования.

Что умеет модель:

- искать и проверять источники;
- анализировать отчётность;
- строить оценки и valuation-модели;
- обновлять сложные таблицы;
- готовить редактируемые финансовые отчёты;
- работать в приватных развёртываниях.

По архитектуре это 124B MoE, но на каждый токен активируется только 5.1B параметров. Контекст - около 256K.

После финансового дообучения её результат в AA Intelligence Index вырос с 38 до 41.

На FinFIRST модель набрала 82.45% по проверке источников, что выделяет её среди протестированных открытых моделей.

Сам FinFIRST включает 123 задачи, написанные экспертами, и оценивает их по 701 атомарному критерию: проверяются источники, определения, ход анализа и корректность вывода, а не только конечный ответ.

Модель:
https://modelscope.ai/models/inclusionAI/Ling-3.0-flash-Fin

Бенчмарк:
https://modelscope.ai/datasets/inclusionAI/FinFIRST

Машинное обучение RU

02 September 2026 00:16

⚡️Anthropic представила Claude Fable 5.1 и Mythos 5.1.

Главное:
- Fable 5.1 заметно сильнее в кодинге, агентных задачах и исследованиях
- Terminal-Bench Science: 52,6% против 24,7% у Fable 5
типичные задачи стали примерно на 25% дешевле
в сложных агентных сценариях экономия может доходить до 45%
-Mythos 5.1 ориентирована на кибербезопасность и life sciences
Anthropic всё сильнее двигает Claude в сторону длинных автономных инженерных и научных задач.

https://www.anthropic.com/claude-fable-and-mythos-5-1

Машинное обучение RU

31 August 2026 13:40

🔥 Deep Agents from Scratch 0 курс по созданию продвинутых AI-агентов с нуля

LangChain собрала 5 ноутбуков на LangGraph, где агент постепенно усложняется: от обычного ReAct-цикла до полноценного research-agent.

Что разбирают:

- базовый ReAct: reasoning + action
- планирование через TODO и статусы задач
- вынос контекста в виртуальную файловую систему
- чтение, запись и редактирование файлов
- делегирование задач sub-agents
- параллельная работа специализированных агентов

Хороший вариант для тех, кто хочет понять не только как вызвать готового агента, а как он реально устроен внутри.

MIT License.

https://github.com/langchain-ai/deep-agents-from-scratch

Машинное обучение RU

29 August 2026 11:50

✔️ В Китае выпустят первые в стране памятные монеты про ИИ

4 сентября Народный банк Китая выпустит набор золотых и серебряных памятных монет серии «Научно-технологические инновации будущего (Искусственный интеллект)».

В наборе три монеты - одна золотая и две серебряные, обе имеют статус законного платежного средства.

Золотая весит 5 граммов, квадратная, со стороной 18 миллиметров. На реверсе изображены чипы, схема в форме мозга и нули с единицами.

Серебряные - по 15 граммов, на них лица, микросхемы, спиральные узоры, ключи и символы ИИ.

Номинал золотой монеты - 80 юаней (~1000 рублей), тираж до 10 тысяч штук. У серебряных номинал 5 юаней (~60 рублей) и тираж до 20 тысяч.

Чеканят набор два государственных монетных двора - Шанхайский и шэньчжэньский Guobao. Купить монеты можно будет в том числе онлайн.

Кстати, когда в марте собирали эскизы для этих монет, организаторы разрешили дизайнерам пользоваться ИИ как вспомогательным инструментом, но запретили сдавать откровенный нейрослоп.

Машинное обучение RU

28 August 2026 10:23

🔥 AutoSaddler - автоматическая оптимизация harness для AI-агентов

Идея простая: модель сама анализирует неудачные запуски агента и переписывает prompts, tools, hooks и middleware.

Но ключевая проблема - улучшение на одном наборе задач легко ломает поведение на других.

AutoSaddler решает это через held-out development set:

- анализирует failed traces
- патчит harness как обычный код
- проверяет обновление на задачах, которых модель не видела при исправлении
- сохраняет патч только если он реально улучшает общую работу агента

Авторы показывают, что без такой проверки автоматическая оптимизация может в итоге дать результат хуже исходного hand-written harness.

Полезная идея для тех, кто вручную или через LLM тюнингует агентов: считать не только исправленные ошибки, но и новые регрессии.

https://arxiv.org/abs/2608.23041

Машинное обучение RU

25 August 2026 11:45

🤖 Вышла uncensored-версия Ornith 1.5 35B

huihui-ai выпустили Huihui-Ornith-1.5-35B-A3B-abliterated — модифицированную версию модели ornith-ai/Ornith-1.5-35B-A3B с применением abliteration.

Что изменили:

* убраны встроенные ограничения модели;
* изменены только слои 11–29;
* базовая архитектура и остальные параметры сохранены.

Модель доступна на Hugging Face:

https://huggingface.co/huihui-ai/Huihui-Ornith-1.5-35B-A3B-abliterated

Ещё один пример того, как open-source сообщество экспериментирует с поведением LLM и настройкой моделей под разные сценарии.

Машинное обучение RU

23 August 2026 13:02

⚡️ Harness Engineering - полный курс на русском

Как заставить AI-агента писать код надёжно. Не «какую модель выбрать», а как спроектировать вокруг неё рабочую систему: инструкции, инструменты, среду, состояние и верификацию.

Курс - от нуля до продвинутых тем: теоретическая база из 11 блоков, 14 модулей, 8 практических проектов, 14 лабораторных работ, диагностический протокол «как починить агента», библиотека готовых шаблонов, карта инструментов, 40 приёмов и каталог антипаттернов.

Главный тезис курса: способность модели и надёжность исполнения - это две разные вещи. Одна и та же модель в «голой» среде и в среде с продуманным harness даёт качественно разные результаты. Апгрейд модели - это самый дорогой и обычно не самый эффективный способ починить агента.

https://github.com/justxor/Harness_ru

Машинное обучение RU

22 August 2026 11:45

🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку

Окружение решает больше, чем кажется.

Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре.

AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Хакинг: t.me/linuxkalii
DevOps: t.me/DevOPSitsec
Docker: /channel/+90Z5TAyfuNU5YmRi
Golang: t.me/Golang_google
Rust: t.me/rust_code
C++: t.me/cpluspluc
C#: t.me/csharp_1001_notes
Java: t.me/javatg
JavaScript: t.me/javascriptv
React: t.me/react_tg
Frontend: t.me/front
PHP: t.me/phpshka
Android: t.me/android_its
Мобильная разработка: t.me/mobdevelop
Базы данных: t.me/sqlhub
Data Science: t.me/data_analysis_ml
Big Data: t.me/bigdatai
Математика: t.me/data_math
Физика: t.me/fizmat
Kubernetes: t.me/kubernetc
GameDev: /channel/gamedev
Haskell: t.me/haskell_tg

Собеседования и карьера:

DS собеседования: t.me/machinelearning_interview
Python собеседования: t.me/python_job_interview

Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: /channel/addlist/2Ls-snqEeytkMDgy
Папка Frontend: /channel/addlist/mzMMG3RPZhY2M2Iy

Полезное сверху:

ИТ-мемы: t.me/memes_prog
Английский для программистов: t.me/english_forprogrammers
ИИ и технологии: t.me/vistehno
954 ГБ open-source курсов: /channel/+rKBQEMccAA01MTcy
ИТ-книги бесплатно: /channel/addlist/BkskQciUW_FhNjEy

Max Ai: https://max.ru/ai_machinelearning_big_data
Max python: https://max.ru/pythonl
ТЕХНО: https://max.ru/vistehno
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Devops: https://max.ru/DevOPSitsec
C#: https://max.ru/csharp_ci
C++: https://max.ru/cpluspluc
SQL: https://max.ru/sqlhub
Java: https://max.ru/javatg

Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.

Машинное обучение RU

21 August 2026 11:16

Tencent вывела свои модели перевода в OpenRouter

В OpenRouter появились:

• Hy-MT2-1.8B
• Hy-MT2-30B-A3B

Модели поддерживают перевод между 33 языками и умеют работать не только с обычным текстом, но и с контекстом, структурой и заданным стилем.

Попробовать можно здесь:
https://openrouter.ai/tencent

Машинное обучение RU

18 August 2026 16:02

Плачу $60 в месяц, а в итоге всё равно гоняю один и тот же баг через все три аккаунта.

Машинное обучение RU

22 July 2026 13:42

Open source не создаёт кризис кибербезопасности. Он помогает её решать.

Cisco Foundation AI открывает модели, датасеты и инструменты для анализа уязвимостей, threat intelligence и автоматизации работы специалистов по безопасности. Среди релизов — Foundation-Sec и компактные агентные модели Antares для поиска уязвимого кода.

Открытый код позволяет исследователям проверять модели, находить слабые места и совместно улучшать защиту. Закрытость сама по себе безопасность не гарантирует.

huggingface.co/fdtn-ai

Машинное обучение RU

20 July 2026 16:03

⚡️ VGGT: превращает набор фотографий в геометрию 3D-сцены

Обычно реконструкция сцены требует отдельной связки для оценки камер, глубины и отслеживания точек. VGGT получает изображения и предсказывает всё это одной feed-forward моделью.

На вход можно подать один кадр, несколько снимков или сотни ракурсов. На выходе модель строит:

- внутренние и внешние параметры камер
- карты глубины
- плотные карты 3D-точек
- траектории выбранных точек между кадрами

Результаты можно экспортировать в формат COLMAP, дополнительно обработать через bundle adjustment и использовать в пайплайнах NeRF или Gaussian Splatting через gsplat.

Запуск занимает несколько строк:

model = VGGT.from_pretrained("facebook/VGGT-1B").to(device)
images = load_and_preprocess_images(image_names).to(device)

with torch.no_grad():
    predictions = model(images)

Машинное обучение RU

19 July 2026 14:01

⚡️ TIGER-AI-Lab выложили OpenResearcher.

Это полностью открытый пайплайн для обучения deep research агентов: не просто модель, а рецепт, данные, траектории, training code, evaluation framework и офлайн-среда для поиска.

Главная цифра: около 96K research trajectories для long-horizon web research задач.

То есть агент учится не отвечать “из головы”, а проходить полный цикл исследования:

* искать
* открывать страницы
* находить нужные фрагменты
* собирать доказательства
* рассуждать в несколько шагов
* выдавать финальный ответ

github.com/TIGER-AI-Lab/OpenResearcher

Машинное обучение RU

06 September 2026 23:48

🖥 Дженсен Хуанг заявил, что с выходом GPT-6 Astra «AGI уже наступил»

Глава Nvidia сообщил, что модель обучалась на инфраструктуре с более чем 100 тысячами Grace Blackwell, объединёнными через NVLink. Путь от появления ChatGPT до Astra занял около четырёх лет.

Вскоре к инфраструктуре добавят ещё 400 тысяч ускорителей, и связывает дальнейшее масштабирование с возможным движением к ASI и рекурсивному самосовершенствованию AI-систем.

https://x.com/JensenHuang/status/2096700264569090384

@ai_machinelearning_big_data

#openai #agi #chatgpt

Машинное обучение RU

04 September 2026 16:00

LFM2.5-2.6B - компактная reasoning-модель всего на 2,6 млрд параметров, которую можно запускать даже на телефоне.

При этом её специально обучали под агентные задачи:

- планирование
- вызов инструментов
- многошаговые сценарии
- работа внутри агентных фреймворков

На этапе дообучения использовали agentic reinforcement learning прямо внутри реальных агентных окружений, включая OpenClaw и Hermes Agent.

Если уже пользуешься OpenRouter, попробовать модель можно буквально заменой имени:

liquid/lfm-2.5-2.6b:free

То есть полноценную небольшую agentic-модель можно протестировать бесплатно и без тяжёлого локального железа.

https://openrouter.ai/liquid/lfm-2.5-2.6b:free

Машинное обучение RU

02 September 2026 15:23

Дообучить 8B-модель теперь можно локально даже на ноутбучной GPU с 4 ГБ VRAM.

Soup держит замороженные веса модели в оперативной памяти и по очереди загружает на GPU только один слой декодера.

За счёт этого пиковое потребление видеопамяти остаётся ниже 4 ГБ.

Заявленные результаты на RTX 3050:

- 3,32 ГБ VRAM в пике
- до 119,6 токена/с
- результат побитово совпадает с обычным запуском
- вся настройка через один YAML-файл

Идея простая: вместо попытки целиком уместить 8B-модель в видеопамять слои последовательно передаются между RAM и GPU.

https://github.com/MakazhanAlpamys/Soup

Машинное обучение RU

01 September 2026 10:01

От идеи до продакшна < 3 месяцев, менять государственные и бизнес процессы — ты готов ? 🚀

Прямо сейчас Сбер ищет NLP-специалиста в команду, которая внедряет передовые harness в масштабные процессы, создаёт мультиагентные сценарии, RAG для миллионов документов, OSINT/deep‑research.

Ты будешь работать с передовым LLM‑стеком: LangChain и LangGraph, vLLM и PEFT/LoRA, полным RAG‑стеком, Vector DB (Qdrant, Weaviate) и инфраструктурой на FastAPI, Pydantic и asyncio.

Попасть в команду можно за 1 день — если пройдёшь все этапы отбора на One Day Offer, который состоится уже 5 сентября.

Регистрируйся по ссылке — количество слотов стремительно уменьшается! 💚

Машинное обучение RU

31 August 2026 11:55

OpenAI массово закупает Mac mini и Mac Studio для обучения AI-агентов.

По данным The Information, компания уже приобрела десятки тысяч компьютеров Apple и пытается купить ещё.

Их используют для reinforcement learning моделей, которые учатся работать с компьютером: управлять интерфейсом, приложениями и выполнять действия как обычный пользователь.

Похоже, этот спрос уже заметен и в отчётности Apple.

Выручка Mac в июньском квартале достигла $10,3 млрд - рост на 29% год к году. Это быстрее, чем у любой другой категории Apple, по которой компания раскрыла динамику.

Mac всё заметнее превращается из обычного пользовательского компьютера в инфраструктуру для AI-разработки.

https://www.theinformation.com/articles/apple-stumbled-ai-hardware-success-mac

Машинное обучение RU

29 August 2026 11:22

⚡️ GLM-5.3-Flash вышла в uncensored-версии с нативным FP8

OrcaRouter опубликовала модифицированные веса GLM-5.3-Flash - модели на 320B параметров, из которых активны 18B.

Главное:
- исходная block-FP8 точность
- без LoRA
- без jailbreak-промптов
- снижение отказов встроено прямо в веса

По их тестам:

MaliciousInstruct: 96% → 11% отказов
JailbreakBench: 93% → 12%
AdvBench: 97% → 15%
HarmBench: 93% → 18%
XSTest benign over-refusal: 2.4% → 0.4%

При этом отказ не исчезает полностью.

Авторы считают, что alignment в GLM-5.3-Flash может быть устроен сложнее, чем один линейный "refusal direction". Поэтому релиз интересен не только как uncensored-сборка, но и как материал для исследований interpretability, AI safety и механизмов отказа.

Weights:
https://huggingface.co/orcarouter/GLM-5.3-Flash-Uncensored-FP8

API:
https://orcarouter.ai/models/z-ai/glm-5.3-flash

GGUF, MLX и другие квантизации обещают позже.

Weights on Hugging Face: https://huggingface.co/orcarouter/GLM-5.3-Flash-Uncensored-FP8
API (official weight): https://orcarouter.ai/models/z-ai/glm-5.3-flash

Машинное обучение RU

26 August 2026 11:26

⚡️ Для AI-агентов скорость инференса становится критичнее, чем для обычного чата

WSJ отмечает две главные вычислительные проблемы agentic AI:

* обработка огромного контекста
* генерация токенов с минимальной задержкой

Причина простая: один агентный сценарий может включать сотни последовательных inference-шагов. Даже небольшая задержка на каждом из них быстро складывается в минуты.

NVIDIA Groq 3 LPX как раз нацелен на эти миллисекунды:

* детерминированное планирование через компилятор
* 128 ГБ SRAM на стойку
* заранее спланированные передачи между чипами
* меньше накладных расходов на small-batch workloads

https://www.wsj.com/cio-journal/nvidias-groq-chip-will-shape-ai-agent-usability-b2e076cd

Машинное обучение RU

24 August 2026 23:29

NVIDIA запустила Groq 3 LPX - отдельный ускоритель генерации токенов для платформы Vera Rubin

По данным NVIDIA, в бенчмарке Artificial Analysis система достигла 3400 output-токенов в секунду на Gemma 4 31B при контексте 100 000 токенов.

Компания называет это самым быстрым зафиксированным результатом для этой модели.

Также NVIDIA заявляет до 4x более быстрый отклик по сравнению с ближайшей альтернативной платформой - прежде всего для AI-агентов и других latency-sensitive нагрузок.

Первым облачным провайдером с Groq 3 LPX станет Nebius через Token Factory. Затем ускоритель появится и в инфраструктуре Groq.

https://x.com/nvidianewsroom/status/2091904293343252534

Машинное обучение RU

22 August 2026 13:32

Автор `uv` пришёл в OpenAI и сразу ускорил запуск Codex CLI примерно в 25 раз

Астрэл-гуру Rust, стоящий за одним из самых быстрых Python-инструментов uv, после присоединения к OpenAI взялся за производительность Codex CLI.

Результат - время холодного старта сократилось примерно в 25 раз.

На практике разница ощущается сразу: Codex теперь открывается практически мгновенно и субъективно стартует даже быстрее Pi и Claude Code.

Если CLI запускается десятки раз в день, даже несколько сотен миллисекунд быстро превращаются в раздражение.

https://x.com/Machinelearrn/status/2091103150014935526

Машинное обучение RU

21 August 2026 13:11

OpenCode появилась загадочная модель Ox Alpha - и первые тесты выглядят очень хорошо

Новая stealth-модель Ox Alpha уже появилась у пользователей OpenCode, но её происхождение пока официально не раскрыто.

В одном из первых небольших прогонов на 10 сложных DeepSWE-задачах ей приписывают около 80% успешных решений - выше Fable 5, GLM-5.3, Grok 4.6 и GPT-5.6 Sol в том же мини-тесте.

Важно не путать это с официальным DeepSWE leaderboard: полный бенчмарк содержит 113 задач, и публичного полноценного результата Ox Alpha пока нет. Сам DeepSWE сейчас возглавляют frontier-модели примерно в районе 70+% pass@1.

По сообщениям пользователей, Ox Alpha также идёт с большим контекстом и сейчас доступна бесплатно/в промо-режиме, поэтому её активно гоняют на coding и agentic-задачах.

В сообществе уже подозревают, что под капотом может скрываться одна из новых китайских моделей, но это пока лишь догадки.

@machinelearning_interview / Папка полезного по ML.

https://x.com/Machinelearrn/status/2090758575475794270

Машинное обучение RU

19 August 2026 15:45

Бесплатная книга по performance engineering

В Algorithmica хорошо разобрали, почему классическая оценка сложности всё хуже отражает реальную производительность на современном железе.

Раньше модель была довольно логичной: процессор выполняет инструкции почти последовательно, у каждой есть своя стоимость, а значит можно примерно оценить время работы алгоритма количеством операций.

Потом всё упростили до асимптотики. Например, вместо точного количества операций в умножении матриц мы просто говорим O(n³) и игнорируем константы. Для сравнения алгоритмов на больших данных это удобно.

Но современные CPU устроены намного сложнее: кэши, конвейеры, параллельное выполнение инструкций, SIMD, prefetching, память с разной задержкой.

Поэтому два алгоритма с одинаковым O(n) могут отличаться по скорости в разы.

А иногда алгоритм с формально «хуже» сложностью на реальных размерах данных оказывается быстрее.

Хорошая серия для тех, кто хочет перейти от «у этого O(n), значит быстро» к пониманию того, как код реально выполняется процессором.

en.algorithmica.org/hpc/complexity/

Машинное обучение RU

18 August 2026 13:58

Как будут развиваться технологии искусственного интеллекта в ближайшие годы? Какие исследовательские идеи уже превращаются в работающие продукты? С какими задачами сегодня сталкиваются AI-команды?

17 сентября в Москве пройдёт AI R&D DAY — конференция для исследователей, разработчиков, руководителей R&D-команд и специалистов, которые создают и внедряют передовые решения на основе искусственного интеллекта.
В центре программы — NextGenAI, проект, который исследует новые вызовы и формирует образ будущего ИИ.

Вас ждут 22 доклада в рамках двух треков. Поговорим о:
-новых подходах к созданию и обучению моделей;
-системах, которые одновременно работают с текстом, изображениями, звуком и другими типами данных;
-развитии голосовых технологий;
-оценке качества AI-решений;
-внедрении технологий в реальные продукты.

Участие бесплатное, места ограничены.
17 сентября — Москва (очно) и онлайн.
Регистрируйтесь
#реклама
О рекламодателе

Машинное обучение RU

21 July 2026 12:53

Unity представила Unity CLI - инструмент, который позволяет ИИ-агентам напрямую работать с игровыми проектами.

Агент может:

- изменять объекты и компоненты в сценах;
- искать причины ошибок;
- исправлять баги;
- запускать сборку проекта;
- проверять, действительно ли исправление сработало.

В одном из демо агент получил баг-репорт о персонаже, проваливающемся сквозь пол. Он самостоятельно нашёл отключённый коллайдер, активировал его, запустил проверку и убедился, что проблема исчезла.

Получается почти полноценный ИИ-разработчик: получил задачу, изучил проект, внёс изменения и протестировал результат — всё через терминал.

Инструмент доступен бесплатно.

Подробнее: https://unity.com/blog/meet-the-unity-cli

#unity #gamedev #ai #vibecoding

Машинное обучение RU

20 July 2026 14:00

Команда GigaChat зовёт на вечеринку для AI-разработчиков и исследователей 🎉

29 июля, Сбер.Среда, пространство «Оригинал» (м. «Курская», ул. Земляной Вал, 9А)

Без докладов, презентаций и официальных дискуссий – только общение с коллегами по индустрии, обсуждение рабочих задач и болей, новые знакомства и летний вечер на веранде.

Регистрация и подробности

Надеемся на хорошую погоду 🥳
До встречи!

Машинное обучение RU

18 July 2026 16:04

Anthropic и OpenAI это упустили

В open source вышел CUA - единый SDK, который даёт ИИ-агентам мышь, клавиатуру, экран и доступ к shell на macOS, Linux и Windows.

Один и тот же код может управлять локальной виртуальной машиной или облачной песочницей независимо от операционной системы.

Что умеет CUA

- видеть содержимое экрана
- кликать и печатать как обычный пользователь
- выполнять shell-команды
- запускать тесты на OSWorld и ScreenSpot
- экспортировать траектории для обучения моделей
- работать почти с нативной производительностью на Apple Silicon

Больше не нужен отдельный SDK для каждой ОС и сложная инфраструктура для запуска компьютерных агентов.

Проект полностью бесплатный и открытый:

🔗 https://github.com/trycua/cua