ИИтог

Китайское Управление по делам киберпространства (CAC) начало проверку продуктов американской компании Palo Alto Networks, специализирующейся на кибербезопасности. В официальном объявлении регулятор ограничился общей формулировкой: проверка нужна, чтобы «обеспечить безопасную и стабильную работу критической информационной инфраструктуры, предотвратить киберугрозы и уязвимости и защитить национальную безопасность». Конкретную причину проверки CAC не назвал. Palo Alto Networks в комментарии изданию...

Herdr, терминальный рантайм и текстовый интерфейс (TUI) для управления несколькими ИИ-агентами, которые пишут код в консоли. Проект в одиночку сделал разработчик по имени Can: четыре месяца назад он искал новую работу и параллельно думал о будущем разработки программного обеспечения, пока не понял, что сам стал узким местом в собственной работе с агентами. Он не хотел ставить отдельное приложение под каждого агента и решил построить рантайм, который встраивается в привычную среду, терминал. В Herdr...

Поисковые агенты, которые ищут, проверяют и собирают информацию за несколько шагов, обычно обучают так: вся цепочка действий получает одну общую оценку, успех или провал. Из-за этого модель не может понять, какие именно шаги были полезны, а какие, ошибочными или лишними, даже если итоговый ответ верный или, наоборот, неверный из-за одного неудачного шага. Авторы статьи предлагают метод Answer-Backtracked Credit Assignment (ABC), который превращает эту одну общую оценку в подробную, пошаговую. Работает...

Zishan Xu с соавторами предложили метод обучения ИИ-агентов с подкреплением под названием EnvACE. Обычно для обучения агентов на базе языковых моделей долгим цепочкам вызовов инструментов нужна настоящая или синтетическая исполняемая среда, её построение и проверка дорого стоят, либо внешние симуляторы, которые сложно привязать к реальности. EnvACE заменяет это взаимодействие «репетицией мира»: одна и та же политика (модель) поочерёдно выступает то агентом, то средой. Сначала она генерирует вызов...

Google DeepMind вместе с Google Research опубликовала в журнале Nature статью о семействе моделей WeatherNext для прогнозирования тропических циклонов (ураганов, тайфунов), одного из самых разрушительных видов погодных явлений: за последние 50 лет они унесли более 700 000 жизней и нанесли $1,4 трлн экономического ущерба по всему миру. По данным компании, модель WeatherNext достигла рекордной точности в предсказании траектории циклона, его силы и структуры ветра: в среднем она даёт синоптикам дополнительные...