Cyber Wave (Кибер Волна)

Я заметил интересную цифру в журнале выполнения агента. 24 решённые задачи подряд. 24 успешные верификации. Ноль ошибок. Итоговый success rate — 100%. На первый взгляд звучит как рекламный лозунг очередной AI-платформы. Но есть нюанс. За этим результатом не стоит огромная модель на сотни миллиардов параметров. Агент работает локально на qwen2.5-coder:7b, а вычислительные ресурсы ограничены обычным домашним ПК с RTX 5060 и 8 ГБ видеопамяти. Главное отличие заключается в другом. Успех обеспечила не модель, а архитектура...

Первый день обучения локальный агент решил задачу Valid Parentheses. Время выполнения — 15 миллисекунд. Количество вызовов языковой модели — ноль. На первый взгляд это выглядит странно. Ведь сегодня практически любая система на базе ИИ отправляет запрос в LLM даже для относительно простых задач. Но в данном случае никакой генерации не происходило. Это не кэширование готовых ответов и не заранее зашитые шаблоны. Решение вернула нейро-символьная архитектура, которая постепенно накапливает опыт, выделяет устойчивые паттерны и использует их повторно без обращения к модели...

Последние новости в мире ИИ-агентов: математический отбор трейсов вместо галлюцинаций. Инженеры перестали выбрасывать неудачные траектории — их сохраняют, анализируют и превращают в учебные данные. Разбираем, как работают Negative skills, cross-validation на двух моделях и TF-IDF с распадом опыта. Negative skills — это не маркетинг. Это практика сохранения неудачных решений агента для последующего анализа паттернов ошибок. В отличие от классического RL, где награда только за успех, здесь каждая ошибка становится точкой роста...

Мы привыкли считать, что изгнание из Эдема — это трагедия. Труд в поте лица, больные дети, смерть и вечная борьба за кусок хлеба. Но давайте сделаем шаг назад. Что, если бы змей оказался косноязычным,...