Есть у меня бот, который автоматически генерит картинки к новостям каждые 6 часов.

Иногда прям очень красиво.
При том, что это Дали3

В итоге там уже их больше тысячи.
Такая залипательная новостная галлерея.

#dev #боты
———
@tsingular

OmniRetarget в действии - прыжок от стены: роботы-гуманоиды учатся у людей

Ещё одно демо работы OmniRetarget, - теперь робот делает прыжок, который большинство человечества не смогут повторить.

Обратите внимание, что уже не только в ИИ без физической формы, но и в виде гуманоидов они нас обходят.

OmniRetarget использует interaction mesh - виртуальную структуру, которая сохраняет пространственные связи между телом, объектами и окружением и прогоняет её в виртуальном воображении робота, позволяя ему точнее повторять движения человека.

Т.е. уже обходят в программировании, музыке, изо, видео и теперь вот получается в спорте.

Что у человека осталось из козырей?

#OmniRetarget #роботы #Unitree
———
@tsingular

А вот так их учат в OmniRetarget

Ну т.е. Нео вышедший из Матрицы, - это не человек, а как раз вот такой вот гуманоид.
Вспомните, когда будете пересматривать.
А мы с вами, получается, - агенты Смиты :)

#Unitree #OmniRetarget
———
@tsingular

Реально работает :)
Держите бой Оптимуса и Unitree

принимаются заявки в комментариях

#sora #battle #утренник
———
@tsingular

Китайский ландшафт развития ИИ

В 2024 году объём мирового рынка искусственного интеллекта достиг 615,7 млрд долларов США и, как ожидается, превысит 2,6 трлн долларов США к 2030 году.

Китай и США сформировали биполярную модель доминирования: Китай занимает первое место в мире с 1509 крупными моделями, а США сохраняют лидерство, опираясь на свою технологическую глубину и капитальные преимущества.

Разрыв в производительности между основными моделями двух стран сократился до менее чем 4%.

На внутреннем рынке действие «AI+» позволило увеличить объем основных отраслей промышленности до 700 млрд юаней в 2024 году.

Вычислительная мощность восьми узлов «East Data West Computing» составляет 70% от общей мощности страны, что закладывает прочную инфраструктурную основу для развития отрасли.

По результатам исследования Sullivan и исследовательского института TouBao

#Китай #отчеты
———
@tsingular

Портал в ад открыт :)
Новости теперь только такие.

Все вот эти ролики, которые родители с утренников выкладывали в Ютуб наконец-то пригодились.
ИИ их все посмотрел.

#юмор #Sora
———
@tsingular

Наткнулся на интересный Youtube канал с n8n уроками, - если кто интересуется - Алексей очень детально объясняет как создавать сложные мультиагентские сценарии.

Есть у него и канал в телеге: @Sprut_AI
на котором он делится макетами.

Что понравилось, - это не теоретик-инфлюенсер, - у него все схемы работают, он ими пользуется лично и шаг за шагом показывает как именно они работают, какие данные как нарезаются, как обрабатываются, куда сохраняются, как по расписанию или по запросу вытаскиваются и отдаются пользователю.

Поразил Спрут - там субагентов в нем несколько десятков и еще десятки триггеров.

Титанический труд. Однозначно достойно изучения!

#n8n #Sprut_AI
———
@tsingular

Любое ИИ внедрение :)

#юмор
———
@tsingular

так, ну с API Sora2 разобрался.
как считаете добавляем автоматические новости сюда утром и вечером, скажем?
или отдельный канал заводить ? :)

#sora #нейроведущий
———
@tsingular

IBM и Anthropic встроили Claude в корпоративную разработку

IBM интегрирует Claude в свою новую IDE для энтерпрайза.

6000 внутренних тестеров IBM зафиксировали рост продуктивности на 45% в среднем при сохранении качества кода и безопасности.

IBM обещает открытые референсные архитектуры и тулинг для MCP-коммьюнити на базе опыта тысяч клиентских внедрений.

Готов новый новостной пайплайн :)

#IBM #Claude #MCP
———
@tsingular

ACE: динамичный контекст для ИИ агентов

Исследователи представили ACE (Agentic Context Engineering) — фреймворк, который превращает контексты в эволюционирующие справочники с атомарной детализацией.

ACE работает через три роли: Generator создаёт траектории, Reflector извлекает инсайты, Curator обновляет контекст инкрементально.

Результаты: +10.6% на агентских бенчмарках, +8.6% на финансовых задачах. На AppWorld агент с ACE сравнялся с лидером IBM CUGA (GPT-4.1), используя меньшую открытую модель DeepSeek-V3.1. Латентность адаптации снизилась на 86.9%.

Как работает ACE:

Контекст = версионированная база знаний из структурированных пунктов:

Bullet #42: [полезно: 5, вредно: 0]
"При работе с API проверяй file_exists() перед чтением"

Трёхэтапный цикл:
1. Generator - решает задачу, помечая какие пункты помогли/навредили

Задача: "Отправь email через API"
✓ bullet #42 помог
✗ bullet #17 ввёл в заблуждение

2. Reflector — извлекает уроки из успехов/провалов (5 итераций рефлексии)

→ "API требует dict {'from': 'Alice'}, не строку"
→ "Обновить bullet #17: устаревший формат"

3. Curator — точечно обновляет контекст (НЕ переписывает целиком)

if новая_стратегия: context.append(bullet)
if полезно: context[id].helpful += 1
if вредно: context[id].harmful += 1

- гранулярные изменения только релевантных пунктов
- автоматическая дедупликация через эмбеддинги
- удаление пунктов с harmful > 3
- ленивая чистка при достижении лимита контекста

ACE показывает, что "умные" LLM-системы не обязательно делать через fine-tuning. Правильно организованный растущий контекст эффективнее, дешевле и интерпретируемее.

Статья

Конкурент SGR, получается, вырос.

#ACE #Агенты
———
@tsingular

Gitex обещает быть интересным.

Очень много треков по ИИ и кибербезу.

Не переключайтесь :)

#Gitex #конференции
------
@tsingular

Эволюционируем культурно с Соннет 4.5

Промпт:

Напиши html 1 файлом сохрани компактность и элегантность кода. фигура должна автомасштабироваться на весь экран. максимум делатей и глубины шейдеров. оптимизируй производительность:
vec3 p,q;for(float d,i,s,w,l;++i<1e2;d+=s=max(length(q)-.2,length(p)/w),o+= vec4(3,2,1,1)*20.*d/s){q=p=vec3((FC.xy-r.xy/2.)/r.y*d*.7,d-.3);p.xz*=rotate2D(t*.2);w=5.;for(int i;i++<5;w*=l)p*=l=length(.7-min(abs(p.xz),abs(p.xy)))/dot(p=sin(p),p*2.);}o=tanh(o/1e7);

Источник

код в комментарии

#шейдеры #dev
———
@tsingular