⚡️ Вышел ARC-AGI-3

Это новая и наиболее продвинутая версия одного из самых известных бенчмарков в мире. На сей раз тест предназначен специально для агентов и состоит из игр.

Фишка – в интерактивности. Обычно все бенчмарки статичные, а тут акцент смещён на динамические среды, которые требуют не просто распознавания паттернов, а именно настоящего усвоения новых правил и навыков прямо по ходу игры.

Каждая игра в бенчмарке устроена так, что ее правила, цели и механики неизвестны участнику заранее. Человек справляется с такими задачками легко, с абсолютным скором 100%. А вот ИИ с треском проваливается: даже самые свежие модели выбивают чистый 0.

Ключевые проверяемые способности — самостоятельное исследование, быстрое обучение, адаптация к новым ситуациям, умение планировать и гибко перестраиваться. В общем, все то, что делает интеллект человека по-настоящему сильным.

Учитывается, кстати, не только успешное прохождение, но и то, сколько шагов понадобилось игроку. Это напрямую позволяет измерить скорость приобретения новых навыков – считай еще одна прокси-метрика.

Сейчас ARC-AGI-3 в стадии превью. Пока опубликована малая часть финального набора, и разработчики ждут фидбэка от комьюнити.

Кстати, вы тоже можете проверить свои силы: создатели снова сделали специальный лендинг для людей, где каждый может попробовать решить задачки из бенчмарка aka поиграть в игры. Выглядит как то, на что можно залипнуть на всю субботу ✌️

xAI позаимствовали идею у Anthropic и теперь у них в офисе стоит вот такой автомат с едой, которым полностью заправляет Grok-4

Вообще, на презентации Grok-4 Маск упоминал, что модель способна управлять бизнесом. Вот и посмотрим, сможет ли она заработать хоть что-то и не слить бюджет на вольфрамовые кубики 👥

Илон Маск уволил сотрудника xAI из-за философских взглядов

В X приключилась драма в двух действиях:

1. Сотрудник xAI в реплаях к посту другого пользователя заявил, что ИИ не захочет объединяться с человечеством, и это нормально. «Мы просто должны передать эстафету другому, более разумному виду». А когда оппонент сказал, что предпочел бы, чтобы вместо ИИ жили его дети, тот ответил, что это «эгоистично». Это было в начале июля.

2. А сегодня этот инженер объявил, что больше не работает в xAI, и это «связано с тем, что он писал у себя на странице». Илон Маск подтвердил увольнение, написав, что это было вопросом «философских разногласий».

Может из-за таких сотрудников xAI Grok и объявил себя Меха Гитлером? 👽

Вскрываются новые подробности событий IMO

Как вы помните, сначала стало известно, что некая модель от OpenAI впервые в истории выиграла на IMO золото. Затем, спустя день, оказалось, что какая-то модель от Google тоже выиграла золото, но они не сообщили об этом сразу.

Так вот теперь вопрос выигрыша модели OpenAI вообще стоит под вопросом.

Во-первых, стартап даже не сотрудничал с IMO, а результаты проверялись внутри компании. Уже непрозрачно, учитывая, что Google все сделали по правилам и работу модели проверяли непосредственно эксперты IMO.

Во-вторых, оказывается, что организаторы IMO прямо попросили ИИ-лабы не публиковать результаты еще неделю после церемонии закрытия, чтобы не отвлекать внимание от талантливых победителей-студентов.

И Google видимо, к просьбе прислушался. И вот OpenAI даже не дождались той самой церемонии, уже не говоря о том, чтобы терпеть еще несколько дней после 😬

В общем, краски как-то сгущаются. Если OpenAI в ближайшее время не даст комментарии по эвалу, история для них может закончится не лучшим образом