Учимся вайбкодить с Cursor Learn ⚡️⚡️⚡️
Новый курс для разработчиков, которые хотят писать код с ИИ эффективнее. Никакого машинного обучения, только практика: как работают ИИ-модели, их типы и ограничения. Круто 💪🏻💪🏻💪🏻
https://cursor.com/ru/learn
Новый курс для разработчиков, которые хотят писать код с ИИ эффективнее. Никакого машинного обучения, только практика: как работают ИИ-модели, их типы и ограничения. Круто 💪🏻💪🏻💪🏻
https://cursor.com/ru/learn
🔥6⚡3👍1
Essential Apps от Nothing
Nothing объявила о запуске собственного механизма создания приложений Essential Apps, где пользователи будут создавать приложения, используя генерацию кода с помощью AI.
https://nothing.community/d/43142-our-first-step-towards-an-ai-native-operating-system
Nothing объявила о запуске собственного механизма создания приложений Essential Apps, где пользователи будут создавать приложения, используя генерацию кода с помощью AI.
https://nothing.community/d/43142-our-first-step-towards-an-ai-native-operating-system
👍2⚡1
Forwarded from Сиолошная
Если вдруг пропустили — под этим тредом продолжается раздача инвайтов. Огромное спасибо всем, кто взял один и отдал обратно 4, позволив большему количеству людей попробовать генерацию. Каждый инвайт можно ввести 4 раза! Поэтому не забывайте пробовать те, что скинули в чат совсем недавно.
Напомню, что всё работает в браузере на sora.com + американском VPN.
OpenAI уточнили, что сейчас лимит составляет 100 генераций в сутки, что гораздо больше того, что я ожидал. Не знаю, как им хватает мощностей — но пока не ясны масштабы, сколько людей пользуется, стало ли приложение вирусным или ещё нет. Sora 2 Pro ещё не выкатили, ждём.
Функция Камео, позволяющая перенести образ любого друга / публичной личности (которые дали согласие и отсканировали себя) — это бомба с точки зрения социальных взаимодействий. Кто придумал это — гений; у Google хорошая генерация видео уже была сколько-то времени, и они не выкатили это.
Кажется, с точки зрения маркетинга не сделали очевидную вещь: не собрали 10-20 звёзд и не заплатили им за то, чтобы они дали право использовать свою внешность. Хотя может быть пытались, но цифры запросили космические, тут хз.
Услышано в интернете:
«Клянусь богом, через 3 месяца обычные люди не будут знать, кто такой Сэм Альтман, но они на 100% узнают в нём sora boy»
Напомню, что всё работает в браузере на sora.com + американском VPN.
OpenAI уточнили, что сейчас лимит составляет 100 генераций в сутки, что гораздо больше того, что я ожидал. Не знаю, как им хватает мощностей — но пока не ясны масштабы, сколько людей пользуется, стало ли приложение вирусным или ещё нет. Sora 2 Pro ещё не выкатили, ждём.
Функция Камео, позволяющая перенести образ любого друга / публичной личности (которые дали согласие и отсканировали себя) — это бомба с точки зрения социальных взаимодействий. Кто придумал это — гений; у Google хорошая генерация видео уже была сколько-то времени, и они не выкатили это.
Кажется, с точки зрения маркетинга не сделали очевидную вещь: не собрали 10-20 звёзд и не заплатили им за то, чтобы они дали право использовать свою внешность. Хотя может быть пытались, но цифры запросили космические, тут хз.
Услышано в интернете:
«Клянусь богом, через 3 месяца обычные люди не будут знать, кто такой Сэм Альтман, но они на 100% узнают в нём sora boy»
❤4👍2⚡1
This media is not supported in your browser
VIEW IN TELEGRAM
#unrealneural
Изолированные группы нейронов, пытающихся соединиться друг с другом через микротоннели, запечатленные в покадровой съемке с помощью микроскопа.
Красиво ⚡️⚡️⚡️
Изолированные группы нейронов, пытающихся соединиться друг с другом через микротоннели, запечатленные в покадровой съемке с помощью микроскопа.
Красиво ⚡️⚡️⚡️
❤12⚡7👍1🦄1
#unrealneural
AlphaEvolve от Google DeepMind: прорыв в теории сложности
AlphaEvolve, инструмент ИИ от Google DeepMind, представленный в мае 2025, сделал важный шаг в теоретической информатике. Он помог доказать новые теоремы в теории сложности - области, изучающей пределы возможностей алгоритмов.
Как это работает? Вместо создания доказательств с нуля AlphaEvolve находит новые комбинаторные структуры, которые усиливают существующие методы. Это привело к двум ключевым достижениям:
- Улучшена граница неаппроксимируемости для задачи MAX-4-CUT, показав, насколько точно можно решать эту задачу оптимизации.
- Обнаружены ранее неизвестные графы Рамануджана - математические структуры с доказанной корректностью, полезные для информатики.
Эти результат можно прочитать тут
https://arxiv.org/abs/2509.18057
AlphaEvolve от Google DeepMind: прорыв в теории сложности
AlphaEvolve, инструмент ИИ от Google DeepMind, представленный в мае 2025, сделал важный шаг в теоретической информатике. Он помог доказать новые теоремы в теории сложности - области, изучающей пределы возможностей алгоритмов.
Как это работает? Вместо создания доказательств с нуля AlphaEvolve находит новые комбинаторные структуры, которые усиливают существующие методы. Это привело к двум ключевым достижениям:
- Улучшена граница неаппроксимируемости для задачи MAX-4-CUT, показав, насколько точно можно решать эту задачу оптимизации.
- Обнаружены ранее неизвестные графы Рамануджана - математические структуры с доказанной корректностью, полезные для информатики.
Эти результат можно прочитать тут
https://arxiv.org/abs/2509.18057
👍3⚡2
Число подписчиков приближается к 2к 🙃🙃🙃
Что вам интереснее всего читать на этом канале?
Что вам интереснее всего читать на этом канале?
Anonymous Poll
42%
эксперименты в AI LAB ПИК
37%
про новые исследования в мире ИИ
2%
репосты 😃
17%
все
3%
или ничего
Через несколько дней, с 6 октября, начнётся вручение Нобелевских премий 2025 года. После ИИ в 2024-м (вспомним AlphaFold и нейросети) возникает вопрос: будут ли награды за ИИ или открытия с его помощью?
ИИ наверняка повлияет на все сферы, от физики до медицины. Посмотрим.
В 2024 Демис Хассабис и Джон Джампер получили премию по химии за предсказание структур белков с ИИ.
ИИ наверняка повлияет на все сферы, от физики до медицины. Посмотрим.
В 2024 Демис Хассабис и Джон Джампер получили премию по химии за предсказание структур белков с ИИ.
🤔5🤝1
#unrealneural
Text2MBL
Text‑to‑Code Generation for Modular Building Layouts in Building Information Modeling
Ну вот, наконец-то что-то новое в научных публикациях на тему генеративных задач создания BIM.
Text2MBL - фреймворк, который по текстовому описанию модульных зданий генерирует исполняемый код BIM. Архитектура построена иерархически: модули, жилые блоки, комнаты.
Модель на базе LLM обучена на парах «описание–код» и выдаёт структурированные последовательности действий.
Что это?
Авторы предложили именно текст-в-код для BIM, а не просто генерацию конечного результата, а это шаг к прямой интеграции LLM в процессы проектирования. Это скорее про генерацию процесса проектирования, потому что выходом является исполняемый BIM-код, который потом создаёт проект, а не статичная модель. Но при этом решение позиционируется как генератор, а не полноценный агент: он переводит описание в структурированный код, но не ведёт итеративного проектного диалога.
Архитектура кода иерархическая (модули, блоки, комнаты), а такого формализованного подхода к генерации BIM-структур в предыдущих работах почти не было.
В отличие от старых идей «text2BIM» через правила или шаблоны, здесь фокус именно на семантически насыщенной автоматизации с использованием LLM, что делает проектирование более гибким.
Еще один шаг к автоматизированному проектированию. ⚡️⚡️⚡️ Будем исследовать ⚡️⚡️⚡️
https://www.arxiv.org/pdf/2509.23713
Text2MBL
Text‑to‑Code Generation for Modular Building Layouts in Building Information Modeling
Ну вот, наконец-то что-то новое в научных публикациях на тему генеративных задач создания BIM.
Text2MBL - фреймворк, который по текстовому описанию модульных зданий генерирует исполняемый код BIM. Архитектура построена иерархически: модули, жилые блоки, комнаты.
Модель на базе LLM обучена на парах «описание–код» и выдаёт структурированные последовательности действий.
Что это?
Авторы предложили именно текст-в-код для BIM, а не просто генерацию конечного результата, а это шаг к прямой интеграции LLM в процессы проектирования. Это скорее про генерацию процесса проектирования, потому что выходом является исполняемый BIM-код, который потом создаёт проект, а не статичная модель. Но при этом решение позиционируется как генератор, а не полноценный агент: он переводит описание в структурированный код, но не ведёт итеративного проектного диалога.
Архитектура кода иерархическая (модули, блоки, комнаты), а такого формализованного подхода к генерации BIM-структур в предыдущих работах почти не было.
В отличие от старых идей «text2BIM» через правила или шаблоны, здесь фокус именно на семантически насыщенной автоматизации с использованием LLM, что делает проектирование более гибким.
Еще один шаг к автоматизированному проектированию. ⚡️⚡️⚡️ Будем исследовать ⚡️⚡️⚡️
https://www.arxiv.org/pdf/2509.23713
🔥3❤1⚡1
This media is not supported in your browser
VIEW IN TELEGRAM
Завораживающее плавное движение стада овец, снятое с беспилотника, когда собаки собирают их для стрижки 🌊
😍12🤯3⚡1
This media is not supported in your browser
VIEW IN TELEGRAM
Бабочка родилась 🦋
"Бабочка", созданная в новом типе клеточного автомата "MaCE Lenia", демонстрирует удивительные возможности моделирования эволюции и адаптации, подобных природным организмам.
Про само понятие клеточного автомата ( cellular automata )
Клеточные автоматы - это вычислительные модели, состоящие из решётки ячеек, каждая из которых может находиться в одном из конечного числа состояний. Эти состояния изменяются во времени согласно правилам, зависящим от состояний соседних ячеек. Идея клеточных автоматов появилась в 1940-х годах благодаря Станиславу Уламу и Джону фон Нейману, который в конце 1940-х создал первый самореплицирующийся клеточный автомат в рамках исследований искусственной жизни. Клеточные автоматы применяются в информатике, математике, физике и биологии для моделирования сложных систем, таких как распространение заболеваний, движение трафика и поведение биологических организмов. В 2025 году на конференции по искусственной жизни был представлен новый тип клеточного автомата - "MaCE Lenia", разработанный Василисом Пападопулосом и Е. Гюшаром. Этот автомат включает принцип сохранения массы, что позволяет создавать более стабильные и интересные паттерны.
Это развитие подчёркивает продолжающиеся исследования в области искусственной жизни и вычислительной биологии, направленные на создание систем, способных эволюционировать и адаптироваться, подобно природным организмам.
Подробнее о "MaCE Lenia" расскажут на https://2025.alife.org/
Также про нее можно прочитать тут
https://arxiv.org/abs/2507.12306
"Бабочка", созданная в новом типе клеточного автомата "MaCE Lenia", демонстрирует удивительные возможности моделирования эволюции и адаптации, подобных природным организмам.
Про само понятие клеточного автомата ( cellular automata )
Клеточные автоматы - это вычислительные модели, состоящие из решётки ячеек, каждая из которых может находиться в одном из конечного числа состояний. Эти состояния изменяются во времени согласно правилам, зависящим от состояний соседних ячеек. Идея клеточных автоматов появилась в 1940-х годах благодаря Станиславу Уламу и Джону фон Нейману, который в конце 1940-х создал первый самореплицирующийся клеточный автомат в рамках исследований искусственной жизни. Клеточные автоматы применяются в информатике, математике, физике и биологии для моделирования сложных систем, таких как распространение заболеваний, движение трафика и поведение биологических организмов. В 2025 году на конференции по искусственной жизни был представлен новый тип клеточного автомата - "MaCE Lenia", разработанный Василисом Пападопулосом и Е. Гюшаром. Этот автомат включает принцип сохранения массы, что позволяет создавать более стабильные и интересные паттерны.
Это развитие подчёркивает продолжающиеся исследования в области искусственной жизни и вычислительной биологии, направленные на создание систем, способных эволюционировать и адаптироваться, подобно природным организмам.
Подробнее о "MaCE Lenia" расскажут на https://2025.alife.org/
Также про нее можно прочитать тут
https://arxiv.org/abs/2507.12306
❤11⚡2
Forwarded from gonzo-обзоры ML статей
Новую архитектуру подвезли! ‘Dragon Hatchling’ (BDH) построена на принципах распределённых графовых моделей мозга, при этом есть GPU-friendly имплементация. Выглядит очень интересно и демонстрирует свойства, характерные для биологических систем.
https://t.iss.one/gonzo_ML_podcasts/906
Более фундаментальное изменение, чем например недавние Tversky Neural Networks (https://t.iss.one/gonzo_ML/3932).
https://t.iss.one/gonzo_ML_podcasts/906
Более фундаментальное изменение, чем например недавние Tversky Neural Networks (https://t.iss.one/gonzo_ML/3932).
Telegram
gonzo_ML_podcasts
The Dragon Hatchling: The Missing Link between the Transformer and Models of the Brain
Adrian Kosowski, Przemysław Uznański, Jan Chorowski, Zuzanna Stamirowska, Michał Bartoszkiewicz
Статья: https://arxiv.org/abs/2509.26507
Код: https://github.com/pathwaycom/bdh…
Adrian Kosowski, Przemysław Uznański, Jan Chorowski, Zuzanna Stamirowska, Michał Bartoszkiewicz
Статья: https://arxiv.org/abs/2509.26507
Код: https://github.com/pathwaycom/bdh…
⚡3🤯2❤1
gonzo-обзоры ML статей
Новую архитектуру подвезли! ‘Dragon Hatchling’ (BDH) построена на принципах распределённых графовых моделей мозга, при этом есть GPU-friendly имплементация. Выглядит очень интересно и демонстрирует свойства, характерные для биологических систем. https:/…
Посттрансформерность BDH
Архитектура BDH выходит за рамки трансформеров, заменяя их централизованный механизм attention на локальные графовые сети, где нейроны, как в мозге, динамично меняют связи по правилу Хебба * ("neurons that fire together, wire together"). Это позволяет BDH лучше обобщать и "помнить" долгосрочные контексты, чего трансформеры не могут из-за фиксированного окна внимания. Модель формирует модульную структуру сама, без ручного дизайна, и показывает биологические свойства, вроде устойчивости и адаптации. BDH сохраняет производительность трансформеров (обходит GPT-2), но работает на GPU через упрощения, делая её практичной.
Сделан шаг к автономным, мозгоподобным AI, способным к гибкому и интерпретируемому рассуждению.
* Правило Хебба гласит, что нейроны, которые активируются одновременно, усиливают свои связи, формируя основу для обучения и памяти в мозгоподобных системах, таких как BDH.
Архитектура BDH выходит за рамки трансформеров, заменяя их централизованный механизм attention на локальные графовые сети, где нейроны, как в мозге, динамично меняют связи по правилу Хебба * ("neurons that fire together, wire together"). Это позволяет BDH лучше обобщать и "помнить" долгосрочные контексты, чего трансформеры не могут из-за фиксированного окна внимания. Модель формирует модульную структуру сама, без ручного дизайна, и показывает биологические свойства, вроде устойчивости и адаптации. BDH сохраняет производительность трансформеров (обходит GPT-2), но работает на GPU через упрощения, делая её практичной.
Сделан шаг к автономным, мозгоподобным AI, способным к гибкому и интерпретируемому рассуждению.
* Правило Хебба гласит, что нейроны, которые активируются одновременно, усиливают свои связи, формируя основу для обучения и памяти в мозгоподобных системах, таких как BDH.
🤔6🤓1