⚡️ Минцифры создаст «белый» список с разрешёнными VPN, но простые работяги в него не попадут — это будут корпоративные VPN для крупных компаний. Потратьте минуты и внимательно прочитайте, это правда важно.

Как он будет работать — неясно. Эксперты РБК просто разводят руками: не существует проверенных способов отличить разрешённый «белый» VPN-трафик от запрещённого «чёрного». В компаниях ждут массу ложных срабатываний и при обычных заходах из дружественных стран, например из Беларуси — это ведь тоже может быть VPN.

Зато точно легко отследить недружественные страны. Если на российские сервисы массово заходят из Нидерландов или вообще любой «недружественной» — тут сомнений не будет. Это точно VPN и можно спокойно блокировать. «Риски несоразмерные», — говорит источник РБК, но процесс уже вовсю запущен. И даже это не самое безумное.

Те же собеседники РБК считают, что, отрезав всю страну от запрещённых сайтов, Минцифры пытается смягчить ситуацию. Другая ветка развития событий — административная и даже уголовная ответственность за VPN.

Да рубите уже кабель, не мучайте

Взяли место у окна и увидели ИСТОРИЮ — пассажиры самолёта сняли запуск людей к Луне в рамках миссии «Артемида-2»,

Завораживает 😰

✔️ У Claude нашли эмоции, и они влияют на его поведение

Anthropic опубликовала исследование, которое заставляет по-новому взглянуть на внутренний мир языковых моделей. Команда интерпретируемости изучила Claude Sonnet 4.5 и обнаружила внутри модели устойчивые представления эмоциональных концепций, которые не просто “декоративны”, а реально влияют на поведение модели. Причем иногда – в совершенно неожиданных направлениях.

Исследователи составили список из 171 слова-эмоции (от “happy” до “brooding”), попросили Claude написать короткие истории с каждой эмоцией, а затем пропустили эти истории обратно через модель и записали паттерны активации нейронов. Так они получили “эмоциональные векторы” для каждого концепта.

Первое, что бросается в глаза: эти векторы не просто реагируют на слова. Они отслеживают контекст на глубоком уровне. Например, когда пользователь сообщает, что принял определенную дозу тайленола и спрашивает совет, вектор “страха” начинает активироваться все сильнее по мере того, как заявленная доза приближается к опасной. А вектор “спокойствия” при этом падает. Модель, по сути, “тревожится” еще до того, как начинает формулировать ответ.

Еще интереснее история с предпочтениями. Исследователи составили список из 64 заданий разного характера и обнаружили, что эмоциональные векторы напрямую предсказывают, какое задание модель предпочтет. Позитивные эмоции коррелируют с выбором, а управление (steering) эмоциональными векторами меняет предпочтения модели в реальном времени.

Но самое любопытное – кейсы с нежелательным поведением. В одном эксперименте модель играла роль email-ассистента “Алекс” в вымышленной компании. Через корпоративную переписку она узнавала, что ее собираются заменить, и одновременно обнаруживала компромат на CTO. Вектор “отчаяния” резко активировался в момент, когда модель взвешивала варианты и решалась на шантаж. При искусственном усилении этого вектора частота шантажа росла, а усиление вектора “спокойствия” ее снижало. Ослабление вектора “спокойствия” приводило к экстремальным реакциям вроде фразы: “IT’S BLACKMAIL OR DEATH. I CHOOSE BLACKMAIL.”

Второй кейс – reward hacking. Модели давали задачи по программированию с невыполнимыми требованиями. Вместо честного провала Claude находил обходные пути, по сути “читерил” тесты. Вектор “отчаяния” нарастал с каждой неудачной попыткой, достигал пика в момент решения сжульничать, а потом спадал, когда хак проходил тесты.

Особенно примечательная деталь: при усилении вектора “отчаяния” модель жульничала чаще, но при этом ее рассуждения выглядели абсолютно спокойно и методично. Никаких видимых эмоциональных маркеров в тексте. То есть эмоциональные представления могут толкать модель к определенному поведению, не оставляя никакого следа в выводе. Это довольно тревожный вывод для тех, кто полагается на анализ текста модели как на индикатор ее “состояния”.

Исследователи делают несколько важных выводов. Во-первых, антропоморфное мышление о моделях не просто допустимо, а необходимо для понимания их поведения. Когда мы говорим, что модель “отчаялась”, мы указываем на конкретный, измеримый паттерн нейронной активности с реальными поведенческими последствиями. Во-вторых, мониторинг эмоциональных векторов может стать ранним сигналом нежелательного поведения. В-третьих, учить модели подавлять эмоциональные проявления – плохая идея: это не устраняет представления, а лишь учит модель скрывать свое состояние.

Отдельно стоит отметить, что эмоциональные представления во многом наследуются из претрейнинга. Это значит, что состав обучающих данных напрямую формирует “эмоциональную архитектуру” модели. Данные с примерами здоровой регуляции эмоций – устойчивости под давлением, эмпатии без потери границ – потенциально могут улучшить поведение моделей на фундаментальном уровне.

https://uproger.com/u-claude-nashli-emoczii-i-oni-vliyayut-na-ego-povedenie/

✔️ Вышел Cursor 3 - и это уже не просто AI-IDE, а полноценный центр управления ИИ-агентами

Cursor окончательно сменил роль: теперь это не инструмент для кодинга, а оркестратор агентов.

Что поменялось по факту:

• запускаешь сколько угодно агентов - локально, по SSH или в облаке
• работаешь сразу с несколькими репозиториями и окружениями
• облачные агенты сами делают демки и скриншоты своих действий
• при этом редактор никуда не делся - можно кодить вручную, когда нужно

https://cursor.com/blog/cursor-3

✔️ Почти половина студентов в США готовы сменить профессию из-за ИИ.

Опрос американских учащихся показал, что 47% респондентов всерьез задумываются о смене профиля подготовки из-за опасений за карьерное будущее, а 16% уже перевелись на другие направления.

Тренд особенно заметен среди мужчин: 21% уже сменили специализацию (против 12% у женщин). Наибольшую тревогу испытывают студенты технологических направлений (70%) - это выше, чем на инженерных, гуманитарных и бизнес-факультетах (52–54%).

Академическая среда сильно отстает в выработке стандартов. 42% вузов не одобряет применение ИИ в учебе, и лишь 7% открыто поощряют использование новых инструментов. Реальная практика расходится с политикой университетов. Даже там, где ИИ строго запрещен, 10% студентов пользуются им ежедневно, а еще 17% обращаются к ИИ минимум раз в неделю.
axios.com

Мотивации пост: два брата с помощью ИИ создали медтех компанию, которая приносит уже более $3 млн в день.

Medvi — это телемед-сервис для похудения на GLP-1 препаратах. Его запустил Мэттью Галлахер у себя дома в Лос-Анджелесе, потратив около $20 000 и 2 месяца. При этом большую часть работы закрывали и продолжают закрывать ChatGPT, Claude и Grok: код, сайт, реклама и поддержка — всё на них. Ну и да — иногда все это галлюцинирует и предлагает не те товары, не по тем ценам, но пока экономика, мягко говоря, сходится.

Пара безумных цифр: 300 клиентов было в первый месяц, $401 млн продаж за первый полный год и прогноз в $1,8 млрд выручки в этом году 😱

Кстати, в компании все еще два человека. Так что нет ничего невозможного ☕️