Моя лента

Сейчас LLM всё чаще внедряют в работающие бизнес-процессы: поиск и сбор информации, структурирование данных, проверку и публикацию. При этом цена одной ошибки модели бывает довольно высокой: это потерянные деньги, врея и репутация в глазах клиентов.

Снизить этот риск помогает принцип Human-in-the-Loop: в процесс добавляется человек, который валидирует данные. В этой статье собраны наши выводы на примере двух реальных бизнес-задач: автоматического перевода и поиска размерных сеток.

Нейросеть получает статью на редактуру и возвращает гладкий текст, в котором автора уже не узнать. В препринте 2026 года исследователи из Berkeley, Google DeepMind и других организаций показали, что ИИ-модели меняют смысл текста, даже когда их просят исправить только грамматику. Kimi AI, Qwen, DeepSeek и Grok всё чаще пробуют для текстов вместо ChatGPT, и выбирать среди них редактора на глаз рискованно.

По умолчанию нейросеть, которой дали текст на редактуру, переписывает его, хотя просили только править. Ограничить её можно только жёстким промптом и сравнением версий. Модели для редактуры надо сравнивать по тому, какую долю текста они изменили и сохранился ли смысл, а не по впечатлению, что стало лучше.

В админке нашего бота было два лимита: сколько ответов дать до передачи менеджеру и сколько бессмысленных сообщений терпеть подряд. Ни один не срабатывал: в условии стояло И вместо ИЛИ, а ветка передачи писала результат туда, откуда его никто не читал. Рассказываю, почему две ошибки прятали друг друга, как решение переехало в чистую функцию с 16 тестами и где в формулах лимитов прячутся ошибки на единицу.

Питер Бернстайн, мудрец, о котором многие говорили, что он понимал природу риска лучше большинства, однажды получил вопрос о том, какие главные уроки о риске можно извлечь из его книги «Против богов» (Against the Gods). Бернстайн ответил: два урока.

Расскажу, почему вам нужно отказаться от bool и Option. На примерах Rust покажу, как описать режимы и состояния через enum, чтобы код было проще читать, а компилятор не позволял создавать недопустимые состояния.

Итан Сигел (американский астрофизик‑теоретик и научный журналист, автор рубрики «Спросите Итана», один из пропагандистов современных научных знаний), разбирает вопрос о «естественности», или, скорее о кажущейся нам «неестественности» соотношений некоторых физических величин. Одни нам кажутся подозрительно близкими, другие непонятно почему различаются на многие порядки...

@avshkol сделал перевод этой статьи, чтобы разобраться в том, где «неестественность» кажущаяся, всего лишь отражение природы такой, какова она есть, а где такие совпадения или нестыковки могут потенциально привести нас к научному открытию?..

Несколько лет назад мне захотелось заняться составлением своего генеалогического древа. Я опробовал различные существующие инструменты для этого и не могу сказать, что остался в большом восторге. Во-первых, у подавляющего числа из них интерфейс, мягко говоря, оставлял желать лучшего, а во-вторых, большинство из них подразумевало хранение информации о всех своих близких где-то на серверах этих сервисов (причём ряд из них сейчас вовсе недоступен напрямую из России, что удобства не добавляет).

Разумеется, как у любого уважающего себя разработчика, у меня зачесались руки написать собственное решение. Благо в целом задача не выглядела сверхмасштабной, ведь хранилище семейной истории — это по сути небольшая БД с 6-8 типами сущностей и визуализатором связей между ними. Но, как это нередко бывает, идея застряла на стадии раннего прототипа, и только сейчас, благодаря помощи LLM её удалось довести до относительно законченного вида.

Ниже расскажу, что получилось и чем же именно мой сервис — я назвал его Arca — существенно отличается от других подобных решений. Кроме особенностей хранения проектов также затрону несколько других любопытных нюансов — выбранный мной подход к локализуемому представлению имён, а также исторических названий городов и регионов.

AI Overviews — нейроответ, который Google ставит над обычной выдачей. По слухам, что этот ответ стоит уже над 80% запросов. В первоисточниках так выходит только у Semrush, и только на 400 коммерческих ключах по десктопу США, а в других замерах получилось 30% и 18%. О проектах в Рунете эти цифры почти ничего не говорят: Яндекс не публикует, у какой доли запросов есть ответ Алисы AI, а каждый отчёт по Google описывает Google и набор запросов конкретного сервиса. Цифра больше 80% — свойство выборки, а не рынка. Для Рунета ориентир один: доля нейроответов Алисы AI в поиске на вопросах своей тематики.

Если работаешь c чувствительными данными или в высоко стрессовой среде, то цена ошибки может быть вполне серьезной. Вот зачем разбираться с собственной головой: заметить, что мешает нормально работать, пока последствия не заметили за тебя.

Представьте, что вы нанимаете программиста. Даёте ему 100 задач из реальных проектов, проверяете решения автоматическими тестами и получаете результат: 99 правильных.

Впечатляет. Особенно если программист — нейросеть.

Но затем выясняется, что часть экзаменационных заданий составлена неправильно. Некоторые тесты отвергают работающий код. Другие принимают неполные исправления. А в отдельных случаях испытуемый может найти готовый ответ в интернете.

Именно с такой проблемой столкнулись исследователи, оценивающие современных ИИ-агентов для программирования.

В сентябре 2026 года вышла обновлённая версия SWE-Bench Pro V2 — набора реальных инженерных задач из GitHub-репозиториев. Лучший результат на публичном наборе достиг 99,4%.

Но самое интересное в этой истории — не рекорд модели, а то, что пришлось сделать для его измерения.

Как ИИ-программистов вообще проверяют

Обычный тест по программированию выглядит просто: напиши функцию, которая сортирует массив, ищет элемент или обрабатывает строку.

Для современных моделей такие задания уже не особенно показательны.

В реальной разработке всё сложнее. Есть существующий проект, десятки файлов, зависимости, старый код и ошибка, которую нужно исправить, ничего не сломав.

Именно такие задачи используются в семействах бенчмарков SWE-bench.

Агент получает репозиторий в определённом состоянии и описание проблемы. Затем он может читать файлы, анализировать код, запускать тесты и изменять проект.

В конце оценивается полученный патч.

Изначальный SWE-Bench Pro содержал 1865 задач из 41 репозитория. Это существенно ближе к настоящей инженерной работе, чем отдельные алгоритмические упражнения.

В первой статье «Как я адаптировал nfqws2 для ASUS и добавил поддержку OpenWrt» я рассказал, как установить проект и настроить общую стратегию. Теперь покажу, как назначать разные стратегии устройствам, проверять результат и переносить удачные настройки. Всё ниже доступно в Build 99.

Начиная с macOS 13 два демона, knowledgeconstructiond и intelligenceplatformd, строят на каждом Mac граф о владельце и людях вокруг него. В каталоге ~/Library/IntelligencePlatform лежит 51 SQLite-база, а в graph.db — триплеты по словарю из 181 класса и 278 предикатов. Пара XGBoost-классификаторов по 144 признакам, в основном по тому, кому вы пишете и с кем фотографируетесь в какой день и час, оценивает, кто вам семья, а кто семья или друзья. Ещё пятнадцать столбцов, от матери до коллеги, заполняет механизм, который авторы проследить не смогли. Отозванные строки переезжают в отдельную таблицу и сохраняют уверенность и источники. Исследователи 8rank разобрали хранилище на macOS 26 и выложили локальную панель iKnow, чтобы каждый мог посмотреть свой граф.

Из девяти ИИ-моделей задачу с шифром на кубике Рубика полностью решила одна, две выдали выдуманные ответы с ложной «проверкой», остальные честно признали неудачу.

Рынок ML, DL и прикладного AI. Исследование 226 объявлений о работе на hh.ru

Вместе с нашей командой, мы пропарсили и обработали 226 вакансий с hh.ru. Подробно описали ниже.

Современный Google переводчик это 249 языков, 100 миллиардов переведенных слов в день, 200 миллионов уникальных пользователей в день.

В ElevenLabs озвучкой текста можно управлять как актёром: вы решаете, где голос шепчет, злится, смеётся или срывается на крик, и запись звучит живо. Эмоцию задаёт тег: английская ремарка в квадратных скобках перед фразой, например [whispering]. Нейросеть её не читает, а меняет подачу до следующего тега. На русском это тоже работает. В ElevenLabs v4 я озвучил 11 сцен из фильмов, переписанных под разработку и офис: ни один тег не прозвучал словами, ударения верные, смена эмоций слышна во всех сценах.

Покажу, как озвучить текст по шагам, какие теги есть и где модель сыграла приблизительно. Справочник тегов и все 11 сцен можно скопировать и переделать под свой текст.

Rust давно был моим любимым языком для пет-проектов, но до полноценного веб-приложения дело дошло только сейчас. В статье расскажу, каково разрабатывать на Leptos, где действительно пригодился общий код и с какими неудобствами пришлось столкнуться.

Привет всем любителям физики и физического эксперимента. Наши подписчики как-то спросили нас: «Не могли бы вы рассчитать, с какой скоростью бежит волна по падающим доминошкам?» Что ж, давайте разбираться. Предупреждаем: будем много гифок с падающими доминошками!

Недавно столкнулся с необходимостью объяснить отличия. Проблема в том, что часто компании считают свой учет управленческим, а на самом деле он им не является.

Я не финансист и не бухгалтер, скорее практик. Мое мнение – дело тут не в полноте данных, не в скорости их обновления и даже не в сложности аналитики. И управленческий, и бухгалтерский учет при правильном подходе могут давать одинаковое количество подробностей.

Однако есть концептуальное различие, и заключается оно вот в чем.