📚 Бесплатная 700-страничная книга MIT по алгоритмам принятия решений

Algorithms for Decision Making - большой учебник про то, как строить системы, которые принимают решения в условиях неопределённости. Книга вышла в MIT Press и доступна в open access.

Внутри:

* вероятностные модели и неопределённость;
* последовательные решения;
* planning;
* reinforcement learning;
* частично наблюдаемые среды;
* multi-agent задачи;
* примеры и алгоритмы на Julia.

Это не «лёгкий гайд по AI», а полноценный университетский учебник на 700 страниц с математикой, примерами и упражнениями.

Скачать бесплатно:
https://algorithmsbook.com/decisionmaking/

Cursor выпустили конкурента GitHub – Origin

Репозитории с GitHub можно засинкать напрямую за минуту, также можно создавать репозитории с нуля.

Основная идея в том, что Origin должен стать гитхабом для агентов. GitHub архитектурно рассчитан на человеческий темп: один разработчик, одна ветка, PR раз в несколько часов. Агенты же пушат постоянно, и под такой сценарий и делается Origin. Для понимания, Cursor демонстрировали 22.6 коммита в секунду в один репозиторий.

Пока никаких фичей для автоматического разрешения конфликтов слияния или обработки параллельных агентов нет, сейчас в продукте только база + привычные агенты. Но есть интересные вещи вроде интеграции Vercel: подключаешь к репе, и каждый PR автоматически получает preview-деплой.

https://cursor.com/changelog/origin-code-hosting

Обучение Anthropic Mythos 2 завершено, но Anthropic не собирается его выпускать.

По словам Пателя, внутренний цикл разработки, который уже работает над Mythos 3, не остановлен.

Сейчас основной фокус компании - на внутренних улучшениях. Когда появятся какие-либо публичные релизы, пока неясно.

🚀 DeepSeek V4 Pro внезапно стал заметно сильнее - без переобучения модели

К DeepSeek V4 Pro 0813 подключили harness под названием J-Space, который снижает ошибки в длинных цепочках reasoning и tool use.

По опубликованным результатам прирост местами очень серьёзный:

* Terminal Bench: 87.9 → 90.1
* NL2Repo: 61.5 → 73.4
* CyberGym: 83.3 → 86.8
* DeepSWE: 62.7 → 72.0
* Toolathlon: 74.1 → 79.5

В ряде agentic/coding тестов такая связка якобы обходит даже Fable 5 и Opus 4.8.

https://github.com/Tiger3807861189/DeepSeek-V4-J-Space-Capability-Realization-Report

Google Research показала PhotoScan, исследовательскую ИИ-систему, которая по обычным фото человека спереди и сбоку оценивает состав тела и риск инсулинорезистентности.

Модель смотрит не только на общий процент жира, но и на его распределение: соотношение жира в области живота и бедер, а также висцерального и подкожного жира. Именно эти показатели могут дать больше информации о метаболическом здоровье, чем один BMI.

PhotoScan предварительно обучили на данных более 35 тысяч участников UK Biobank, а затем дообучили на 677 людях с реальными фотографиями со смартфона и результатами DXA.

На независимой выборке система определяла процент жира со средней ошибкой около 2,13 процентного пункта. Для выявления инсулинорезистентности модель с PhotoScan получила AUROC 0,760 против 0,773 у клинического DXA-сканирования.

То есть несколько фотографий со смартфона в эксперименте приблизились по информативности к дорогому медицинскому сканированию. Но пока это именно исследовательский прототип, а не инструмент для самостоятельной диагностики.

https://research.google/blog/seeing-beyond-bmi-estimating-cardiometabolic-risk-with-smartphone-imagery/

Qwen3.8-27B-Uncensored теперь доступна почти под любое железо.

Семейство сборок закрыли полностью: FP8, GGUF, MLX и BF16 в полной точности.

То есть модель можно запускать на GPU, Apple Silicon или локально через популярные рантаймы для GGUF, просто выбрав подходящую квантизацию под своё железо и объём памяти.

Для тех, кому не хочется поднимать модель самостоятельно, есть и готовый API через OrcaRouter.

BF16: https://huggingface.co/orcarouter/Qwen3.8-27B-Uncensored
API: https://orcarouter.ai/models/obsidian/qwen3.8-27b

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

6 BTC в настоящее время заблокированы в кошельке Bitcoin… и они достанутся тому, кто сумеет его «взломать».
Речь идёт о Bitcoin Puzzle #71, челлендже, созданном в 2015 году, в котором приватный ключ намеренно размещён в ограниченном поисковом пространстве.

Разработчик Simon Males только что создал Krackpot, инструмент, который позволяет любому использовать мощность своего GPU прямо из браузера, чтобы попытаться найти этот ключ. Никаких аккаунтов или депозитов: если ваша машина найдёт правильную комбинацию, 6 BTC будут отправлены на ваш адрес, а остаток кошелька вернётся разработчику.

Но это всё равно что играть в лотерею: остаётся около 2⁷⁰ возможностей, то есть 1,18 секстиллиона ключей. По оценкам, отображаемым проектом, даже мощный GPU может потратить почти миллион лет на поиск ключа.

С миллионом GPU, работающих одновременно, порядок величины сократится до примерно одного года.

У SQLite один writer. И иногда это не ограничение, а очень удобная архитектура.

Работал с SQLite и увидел необычную схему: база работала сразу на нескольких машинах, но запись всё равно шла только через одну.

За это отвечал LiteFS.

Он не пытается превратить SQLite в полноценную distributed database. Вместо этого одна машина выбирается primary через distributed lease и получает право писать. Остальные работают как реплики.

Если primary пропадает, lease истекает и другой узел может занять его место.

В итоге сложная на первый взгляд задача сводится к довольно простой идее:

«Просто гарантируй, что в каждый момент времени пишет только одна машина».

А на скрине как раз часть Go-кода LiteFS, которая продлевает этот lease и следит, чтобы узел не продолжал считать себя primary после истечения TTL.

🚨 ХАРРИ КЕЙН ОБЪЯВИЛ, ЧТО НЕ ПРОДЛИТ КОНТРАКТ С «БАВАРИЕЙ»!

«Я вступил в последний год контракта с "Баварией" и решил не продлевать его.

Хочу попробовать новый вызов в Испании и открыть там новую главу своей карьеры.

Посмотрим, что будет дальше».

Если Кейн действительно уедет в Ла Лигу, какой клуб ему подходит больше: «Реал» или «Барселона»? 👀