Официальный ответ от Гугла по поводу использования JSON в промптах для Veo3:

Мы видели удивительные видеоролики Flow, созданные с помощью подсказок JSON! Это не единственный и даже не "лучший" способ, просто один из способов помочь структурировать гиперспецифические визуальные указания. Нет JSON? Нет проблем! Независимо от того, каким образом вы даете подсказки, для достижения высоких результатов необходимо точно определить обстановку, объект, действие, освещение, тип съемки, угол камеры и звук.

TLDR: бесовщина этот ваш JSON, жрет токены в 4 раза больше, теряет предлоги и, как следствие, отношения между объектами.

Пишите нормальные промпты и будет вам по токенам вашим.

Static 35 mm full-frame 16:9 shot reveals a vast pale-grey warehouse: plain back wall, concrete floor, grey rafters above. A cardboard box sits center frame. In one seamless motion the box bursts open; furniture erupts upward, sweeping out on fast, elastic, physics-true arcs. Graphite sofas, patterned rugs, tall shelves, and bronze floor lamps land neatly behind and around it, while a solid table thumps at the exact center of the layout. A cushion rebounds onto the sofa, a framed picture snaps to the wall, and a bronze pendant fixture swings from the rafters as dust sparkles over the newfound living room.

@cgevent

Graph-R1: агентная GraphRAG через обучение с подкреплением

Исследователи представили Graph-R1 — новый подход к GraphRAG, который превращает поиск информации в интерактивный процесс.

Если у вас избыточно GPU, то вы можете вместо статичного извлечения данных использовать обучение с подкреплением для многоэтапного взаимодействия агента с графом знаний.

В основе — легковесная гиперграф-конструкция и адаптивный поиск. Агент учится находить релевантную информацию через пробы и ошибки, улучшая точность извлечения данных.

Эксперименты показали повышение качества генерации и эффективности поиска по сравнению с традиционными chunk-based методами.

Система особенно эффективна для сложных многошаговых запросов.

Короче такой вариант на тему агентного RAGа.
Можно еще добавить генерацию уточняющих вопросов от RAG системы (что этот нигга себе позволяет? :) ).

#GraphRAG #RLGraphRAG #hypergraph
———
@tsingular

Буря мглою небо кроет, вихри снежные крутя...

По версии Qwen. :)

Ну, спасибо хоть Пушкина в подписи не забыл.

#Qwen #Image
———
@tsingular

Kaggle запускает Game Arena для тестирования ИИ-агентов в играх

Kaggle представил новую платформу для оценки алгоритмов через игровые сценарии.

Game Arena позволяет разработчикам тестировать своих ИИ-агентов в различных играх и сравнивать результаты с другими участниками.

Платформа использует механизмы прозрачности для честной оценки - адаптивную настройку сложности и анализ данных в реальном времени.

Ключевая проблема: риск "натаскивания на тест" может искажать реальную оценку способностей алгоритмов.

Отбор игр происходит по критериям: баланс сложности, потенциал для машинного обучения и разнообразие сценариев.

Теперь ИИ-агенты смогут играть в шахматы, покер и тетрис, чтобы доказать свою крутость. Главное - не дать им освоить азартные игры. 🎮
Хотя... :)

#Kaggle #GameArena #benchmarks
------
@tsingular

***AI o4 - вы что подумали?

А вот и нет! Чтобы вам жизнь медом не казалась, а нейминг от Альтмана тренировал вашу и без того короткую память, китайцы теперь тоже именуют модели как o4!!!!

В общем пост про XBAI o4 - еще одна LLM с открытым исходным кодом (Apache 2.0) от китайской лаборатории искусственного интеллекта. Китайцы клянуцца что:

XBai o4 ПОЛНОСТЬЮ превосходит в сложных рассуждениях (complex reasoning capabilities ) OpenAI-o3-mini в режиме Medium. См картинку.

Это модель на 32.8 миллиарда параметров, выпущенная китайцами из MetaStone AI, которые выпустили свою первую модель в марте - MetaStone-L1-7B, затем последовали MetaStone-S1 1.5B, 7B и 32B в июле, а теперь XBai o4 в августе.

В твитторах очень мало информации о MetaStone AI. В их документах указана связь с USTC, Университетом науки и техники Китая. Один из исследователей подтвердил, что их генеральный директор - выходец из KWAI. www.wenxiaobai.com указан как "официальный сайт", на который ведет ссылка из XBai-o4 README на GitHub.

Взрослые мальчики уже запустили модель на Маке и пишут, что впечатления чуть хуже, чем от Qwen3-Coder-30B-A3B-Instruct или GLM-4.5 Air.

Однако факт остается фактом, малоизвестные китайцы, просто, тихо и без понтов говяжих, выпускают модель за моделью, которые дышат в затылок приподразхайпленным монстрам с обеих сторон Тихого океана.

Фарш тут: https://huggingface.co/MetaStoneTec/XBai-o4
Код тут: https://github.com/MetaStone-AI/XBai-o4/

В LM Studio тоже заводится, требует 25 ГБ памяти для 6-бит версии.

@cgevent

Наглядная иллюстрация к разговору о количестве параметров в LLM

Скачок в качестве ответов 0.6B -> 6B будет заметен сразу.

А вот дальше, скажем, на переходе от 600B к, прости господи, 6T,- большинство даже не заметят.

Вообще, кому в здравом уме может понадобится модель больше?
Для большинства задач 600B будет достаточно! 😎

#иллюстрации #size #юмор
------
@tsingular

Coflex - автоматизация проектирования ASIC для LLM

Вышел open-source фреймворк Coflex, который автоматически оптимизирует ASIC чипы под LLM.

Ключевая фишка - снижение вычислительной сложности с O(n³) до почти линейной O(nm²).

По сути это исследователь, который разбирается в железной архитектуре и ищет сходимость узлов программной архитектуры с микросхемной топологией.

В каждой оптимизационной итерации фреймворк рассчитывает потери с точки зрения количества ошибок и эффективности железа в части задержек в прохождении сигнала и подбирает оптимальное соотношение.

Система использует Sparse Gaussian Processes для навигации по пространству с 10¹⁸ конфигураций аппаратного и программного обеспечения.
Вместо медленного полного перебора создает "карту" всего пространства через небольшой набор репрезентативных точек.

Доступен на GitHub
Paper

АСИКИ для LLM!
Биткоин фермеры опасносте.

#Coflex #ASIC
———
@tsingular

ИИ раскрыл новые физические законы на задаче по анализу пылевой плазмы

Команда из Emory University показала, как правильно обученная нейросеть может находить новые физические законы в экспериментальных данных.

Модель была обучена на реальных экспериментальных данных (3D-трекинг лазерной томографией), а не на симуляциях с синтетическими параметрами.

Результат — точность R² > 0.99 при предсказании траекторий частиц и открытие неожиданных отклонений от классической теории.

Техническая архитектура:
- 3 независимые нейросети для разных типов сил: межчастичные взаимодействия, внешние силы, демпфирование
- Встроенные физические симметрии в архитектуру (трансляционная инвариантность в xy-плоскости)
- "Weak form" loss function — фильтрация ускорений через интегрирование вместо зашумленных производных
- Масштабирование O(N²) для N частиц

Неожиданные открытия:
- Эффективная длина экранирования λ зависит от размера частиц (вопреки теории)
- Заряд частиц q ∼ m^p, где p = 0.30-0.80 (теория предсказывает p = 1/3)
- Показатель p растет с давлением газа — намек на коллизионные эффекты

Подход экспериментально проверен и опубликован в PNAS.

Технология применима для изучения явлений от колец Сатурна до земной ионосферы.

Кто-то тут недавно спрашивал, - когда уже ИИ начнет открытия в реальном мире делать,- получите, распишитесь.

#MachineLearning #Physics #Plasma #ScientificML
———
@tsingular

Напоминаю, сегодня в 20:30 эфирим на тему новинок AWS.

https://xn--r1a.website/tsingular/4646

Всё самое интересное от мирового лидера облачных ИИ сервисов.

Стрим будет тут

Если у вас есть вопросы заранее, - накидайте в комменты, - зададим на стриме вместе Владимиру.

#AWS #эфиры
———
@tsingular

Intuit превратили GenOS в конвейер ИИ-агентов для 100М пользователей

Один из интересных кейсов на AWS Summit - как Intuit разработали и прокачали свою собственную операционную систему GenOS для работы с бухгалтерией.
Представьте если бы, например, 1С выпустила свою операционную систему с ИИ агентами.

GenOS эволюционировала от экспериментов до промышленной платформы агентной автоматизации за 2 года.

Теперь это полноценная ОС для создания ИИ-приложений: собственные финансовые LLM плюс интеграция с GPT, Claude, Amazon Nova.

Agent Starter Kit за 5 недель привлёк 900+ разработчиков и 100+ команд. Агенты уже работают в QuickBooks (автообработка дебиторки), TurboTax (автоконвертация налоговых изменений в код).

Техническая начинка из 4 компонентов:
- GenWorkbench (IDE для агентов),
- GenRuntime (интеллектуальный слой планирования),
- GenSRF (защита от prompt injection),
- GenUX (150+ UI-компонентов).

Система обрабатывает 60 млрд ML-транзакций в день.

#Intuit #GenOS #agents
———
@tsingular

Коллекция из 300+ кейсов ML-систем от 80+ компаний

Репозиторий собрал практические примеры дизайна машинного обучения от Netflix, Uber, Google и десятков других компаний.

Каждый кейс показывает реальные решения: как справились с масштабированием, какие архитектурные хаки применили, где споткнулись.

Особенно ценны примеры борьбы с bias'ами в моделях и методы оценки эффективности в разных индустриях.

Материалы структурированы по отраслям и типам ML-задач. Можно быстро найти релевантный опыт для своего проекта.

Теперь не нужно изобретать велосипед - кто-то уже наступил на все грабли за вас.

#ML #кейсы
------
@tsingular

Меньше чем через час начинаем эфир на тему новинок с AWS Summit 2025.

https://xn--r1a.website/tsingular/4646

Стрим будет тут

#AWS #эфиры
———
@tsingular

Anthropic релизнули Opus 4.1

SWE-bench 74.5% против 72.5% у Opus 4

в API: claude-opus-4-1-20250805

С его ценой, - кто-нибудь вообще использует его?
Хотя, конечно, по метрикам хорош.

#Claude #Opus
———
@tsingular

OpenAI выпустили открытки

HF: gpt-oss-120b - 64Гига (2х 5090)

HF: gpt-oss-20b - 16гигов

128K токенов контекста
q4 нарезка
Apache 2.0

Demo

#OpenAI #OSS
———
@tsingular