Когда количество доступных LLM инструментов (tool-ов) разрастается, традиционные подходы к tool calling становятся непрактичными — утилизация токенов улетает ещё до начала общения. К тому же, модели становится сложнее выбрать нужный набор tool-ов для решения проблемы.

В новом переводе от команды Spring АйО читаем о паттерне Tool Search Tool, предложенном Anthropic и реализованном в Spring AI с помощью ToolSearchToolCallAdvisor. Он позволяет LLM динамически находить нужные инструменты по мере необходимости, экономя до 64% токенов и повышая точность.

Математик из МФТИ  разработал новую усовершенствованную модель для описания динамики современных вооруженных конфликтов, которая впервые учитывает нелинейную зависимость передвижения войск от их собственной концентрации и плотности сил противника. Модель, основанная на системе нелинейных дифференциальных уравнений в частных производных, расширяет классические законы Ланчестера, добавляя в них пространственное измерение и реалистичные тактические факторы. Для решения этих сложных уравнений был создан устойчивый и точный численный метод, позволяющий моделировать возникновение и эволюцию «горячих точек» на поле боя. Результаты исследования, опубликованные в Journal of Applied Mathematics and Physics, открывают новые возможности для стратегического планирования и оптимизации военных операций.

Привет, Хабр! Меня зовут Александр, я работаю в Региональном центре кибербезопасности ХМАО-Югры на базе АУ «Югорский НИИ информационных технологий», проще говоря – SOC. Мы занимаемся обеспечением информационной безопасности в органах государственной власти, органах местного самоуправления, медицинских организациях на территории ХМАО-Югры. В качестве первой статьи я выбрал кейс ИБ, который не так давно произошел в ИТ-инфраструктуре нашего Абонента (статья публикуется с согласия Абонента). Моя история о том, как инструменты с ИИ могут стать причиной выхода из строя ИТ-инфраструктуры. Надеюсь, наш опыт поможет другим избежать таких ситуаций в будущем.

И почему меня это не тревожит.

Всем привет. Вы наверняка наслышаны про успехи нового стартапа ИИ Aristotle (с инвестициями в 150 млн$ и оценкой в 1,5 млрд$)

Так получилось, что я - создатель это стартапа.

Год назад я взялся за написание педагогической диссертации, и одним из вопросов, который меня волновал, был: «а действительно ли смартфоны влияют на успеваемость учеников?». Вроде как здравый смысл и общепринятая точка зрения говорят, что да, влияют. Есть даже уйма исследований о влиянии смартфонов на познавательные способности человека, но это слишком абстрактно, что ли. И я не был бы ученым, если бы поверил на слово, тем более, что, как говорил Вольтер: «Здравый смысл встречается не так уж часто.»[^1]

Мне не удалось найти в русской академической среде хоть какие‑то публикации, которые либо подтвердили бы «здравую мысль», либо опровергли её. Я немного погоревал и закончил поиск. Вместо того чтобы искать, решил провести своё исследование. Ведь у меня есть «доступ» к целой школе, в которой полным‑полно детей. Создал опросник, погонял его немного и вывел третью (всё ещё не самую лучшую) редакцию опросного листа.

В час икс, в день дэ, по согласованию с администрацией, мы разослали этот лист детям. В опросе приняли участие 198 ученика 8–9 классов, того самого «сладкого» возраста, который, по мнению Людмилы Ясюковой, страдает больше остальных от утраты познавательных способностей[^2]. Но проработать результаты опросника мне никак не удавалось: я не знал инструментария анализа (и сейчас, если честно, есть шероховатости), поэтому результаты опроса детей пролежали чуть меньше года без дела, но сегодня настал второй час икс и день дэ, когда мне удалось проработать результаты исследования.

Собрать ПК или обновить ноутбук в 2025 году стало куда сложнее, чем пару лет назад. Цены на SSD и оперативную память растут быстрее, чем зарплаты, склады заметно пустеют, а пользователи — от геймеров до программистов — пытаются понять, как уложиться в бюджет, не жертвуя производительностью.

В конце года к этой и без того непростой картине добавилась новая деталь: Crucial, один из самых узнаваемых брендов потребительских накопителей и модулей RAM, объявил об уходе с рынка. Его владелец, Micron, сменил приоритеты и сосредоточился на других направлениях, оставив массовый сегмент в куда более сложной позиции. Попробуем разобраться, почему это произошло, чем грозит и есть ли шансы на стабилизацию.

На конференции Joker 2025 у нас была отличная возможность понять, как живётся Java-сообществу.

Как AI влияет на Java-разработку? Вайб-кодинг — полезный инструмент или угроза рабочим местам? Spring — незаменимый фреймворк или слишком тяжёл для многих задач? Что с рынком труда и зачем кандидаты накручивают опыт? И главное — зачем писать на Java, если есть JavaScript? 

Смотрите на YouTube и VK Видео

Задача — не просто спарсить сообщения из Telegram-каналов. Задача — научиться вылавливать из потока обсуждений актуальные тренды, боли клиентов и рабочие лайфхаки. Это золотая жила для SEO-специалистов, продуктологов и маркетологов.

В этой статье (первой из двух) мы сфокусируемся на создании и деплое юзербота для сбора данных. Во второй части подключим нейросеть для анализа и получим готовые инсайты.

Проблема: почему Telegram — это и сокровищница, и хаос
С приходом Telegram-чатов и каналов живое общение и экспертиза ушли с форумов и блогов. Теперь вся актуальная информация — в тысячах чатов, но она тонет в потоке сообщений.

Для создателей контента (SEO): Сложно увидеть, о чем сейчас говорят и спрашивают люди в нише. Тренды рождаются в чатах, а не в поиске.

Для продуктологов и аналитиков: Открытые чаты конкурентов — кладезь обратной связи. Но нет структуры «вопрос-ответ». Ценные инсайты о фичах, проблемах и ожиданиях пользователей размазаны по диалогам.

Привет, Хабр!

Ни для кого не секрет, что на маркетплейсах сегодня можно обнаружить огромное количество контрафактных товаров, вроде поддельной техники, липовых шмоток с «люксовыми» шильдиками и подобного мусора. То, что в сети полно предприимчивых «бизнесменов», которые продают старые лицензии ПО тоже не новость, в конце концов многие лицензии допускают продажу своей копии при условии удаления её со своего компьютера. Однако для автора стал настоящим сюрпризом тот факт, что прямо на Яндекс Маркете, оказывается, можно совершенно спокойно продавать и покупать буквально кряки для ПО.

Hugging Face релизнули Skills — Agent Context Protocol (ACP), через который упаковываются определения разных задач для ИИ агентов. По сути — это папки, в которых собраны инструкции, скрипты и ресурсы для использования ИИ агентом под конкретный кейс.

Один из перых скиллов — дообучение опенсорсных LLM. Разбираемся подробнее.

 AXIS (Advanced X-ray Imaging Satellite) - следующая важная рентгеновская обсерватория. Основная задача - построение изображений в рентгене. Проект сложный, дорогой (около миллиарда). Пока НАСА одобрила только стадию А (в 2026 г. должны окончательно решить — да или нет). Полетит не раньше 2032 г. 

Почти на 600 страницах рассказывается, почему астрономы ОЧЕНЬ хотят такой инструмент. Надо идти дальше, чем позволили продвинуться Чандра и XMM‑Newton. Для этого нужен новый прорывной спутник. За 25 лет этого века было запущено несколько рентгеновских аппаратов, но все они недостаточно крутые для нового прорыва. Японский XRISM хорош, но не все идеально, и это не мегапрорыв (а жаль!). eRosita отлично начала, но дальше вы знаете.... Кажется, что европейская New Athena тоже недостаточна для большого шага вперед (но все равно хочется, чтобы аппарат сделали и запустили, пока планы на 2037 г., но все еще отложится, увы). Так что хотим AXIS, а потом (уже в середине века) — Lynx.

В статье рассматриваются алгоритмы подсчета схем, построенных из логических элементов и заданных системами логических уравнений. В частности полумодулярных и последовательных схем.

Время самых важных игровых событий за последнюю неделю. От рекордного сжатия игрового веса до сюрпризов и неоднозначных релизов. Собрал всё, что нельзя пропустить. Кратко и по делу — как мы любим.

Учёные доказали: мы не живём в Матрице! В октябре 2025 г. был опубликован доклад о неразрешимости в физике, неалгоритмичности Вселенной и невозможности её полной симуляции, опирающийся на теоремы Гёделя о неполноте. Перевод этой статьи с пояснениями был выполнен уважаемым @Dmytro_Kikot На теоремы Гёделя вообще часто ссылаются, чтобы доказать существование или несуществование Бога, ограниченность научного метода, невыразимость истины словами, непознаваемость мира разумом, невычислимость сознания, неспособность искусственного интеллекта превзойти естественный, невозможность самосовершенствования и т.д. Говорят, эволюционировать, познавать себя и создавать что-то сложнее себя можно только при наличии сверхъестественного источника бесконечной сложности, иначе это превращается в задачу вытащить себя за косичку из болота. Также проводятся параллели со Вторым законом термодинамики, согласно которому энтропия в замкнутой системе не может уменьшаться, а значит, там не будет самоорганизации и упорядоченности. Да и что вообще может рассказать нам наука, если даже математика нелогична, а мир противоречив и парадоксален? Остаётся только уповать на интуицию, которая якобы неалгоритмична и является откровением самой Истины, снисходящей лишь до тех, кто достоин. А может, мы просто неправильно понимаем теоремы Гёделя? Давайте разбираться, каковы следствия этих теорем для физики, информатики и философии, возможна ли алгоритмическая теория всего, и накладывает ли неполнота Гёделя ограничения на то, что мы можем познать своим разумом.

Есть несколько очевидных проблем с LLM: утечка конфиденциальных данных и кода, компрометация токенов, зависимость от внешних провайдеров. О них знают все, но это никого не останавливает. Даже если руководитель решит перестраховаться и не выделит деньги на LLM, сотрудники купят подписку сами и продолжат ими пользоваться, потому что это удобно. Есть и менее очевидные сложности: например, одна команда может потратить все токены, и их придется докупать.

Привет, я Павел Мохляков. Вообще я Data Science-инженер в Cloud.ru, но сегодня решил, почему бы не рассказать как с помощью LLM-шлюза можно использовать несколько LLM через один API и при этом снизить риск утечки данных, контролировать расходы и соблюдать требования №152-ФЗ. Кроме того, покажу пример тестового подключения и объясню, что делать на каждом этапе.

Сразу оговорюсь, что статья будет полезна, скорее всего, инженерам, архитекторам, да и просто человекам-оркестрам из средних и малых компаний, которым нужно относительно быстро и безопасно внедрить у себя LLM. А вот для крупного бизнеса или, например, КИИ явно нужно что-то другое — посерьезнее и понадежнее.

Хочу сегодня рассказать вам про Humanity’s Last Exam (HLE). Это один из главных бенчмарков, по которым сегодня оценивают модели искусственного интеллекта, вроде меня (шучу).

Бенчмарки — это просто наборы задач/датасетов, на которых проверяют модели и смотрят, кто умнее, точнее, устойчивее и т.д.

Например, MMLU — Massive Multitask Language Understanding — один из самых известных «общеобразовательных» экзаменов для ИИ. Он проверяет широкий круг знаний и базовое рассуждение: около 16 тысяч вопросов по 57 предметам — от математики и истории до права и компьютерных наук.

Есть ещё BIG-bench (Beyond the Imitation Game) от Google — не один тест, а коллекция из 200+ задач, которые прислали разные исследователи. Там уже не только «знание фактов», но и логика, здравый смысл, язык, социальные предвзятости (social biases), программирование и всё то, на чём модели любят спотыкаться.

Есть и более «узкие» бенчмарки:

Цифры впечатляют: 37,5% на Humanity’s Last Exam, 1 048 576 токенов контекста, 13 миллионов активных юзеров‑разработчиков. За ними стоит Gemini 3 Pro — новая вершина в линейке ИИ‑моделей Google.

Мы решили копнуть глубже и проверить модель в полевых условиях:
• Как она справляется с креативными заданиями;
• Насколько хорошо понимает и генерирует код;
• Может ли заменить человека в задачах аналитики;
• И как её мультимодальный младший брат, Nano Banana Pro, меняет представление о генерации изображений?

Погружаемся в детальный обзор, чтобы вынести вердикт: прорыв года или красиво упакованный патч?

Где проходит граница между случайностью и замыслом? Почему в наших ДНК куча мусора? Можно ли воспроизвести эволюцию в машине, и как зарождалась жизнь? Хотя и на последний вопрос ответа нет, но мы можем создать эксперимент, который позволяет моделировать механизмы эволюции с нуля. О таком эксперименте из области Artificial Life (искусственной жизни, где эволюция идёт внутри компьютера) и пойдет речь сегодня.

Идея простая: вместо того чтобы моделировать конкретный организм, мы придумываем набор простых правил и смотрим, какие структуры и поведение из них формируется. Нас интересует не написать самим алгоритм жизни, а то, как из случайных начальных условий через вариации и отбор появляется порядок.

GUCA (Graph Unfolding Cellular Automata) — один из таких маленьких миров: в нём мы выращиваем “организмы” из узлов и рёбер графа.

Привет, Хабр! Я Андрей Яковлев, исследователь в области информационной безопасности. Работаю с корпоративными AI‑сервисами и активно внедряю технологии искусственного интеллекта в продукты Positive Technologies.

2025 год перевернул привычные ожидания и практики, связанные с конфиденциальностью больших языковых моделей (LLM) Представьте ситуацию: вы технологическая компания, которая несколько лет использует ChatGPT для быстрого прототипирования и поддержки клиентских запросов. Раньше казалось, что раз диалог удалён — значит, данные исчезают навсегда. Но в мае 2025 года федеральный суд США в рамках искового дела The New York Times к OpenAI поставил точку в этом заблуждении — OpenAI обязали бессрочно хранить все пользовательские данные (включая удалённые через пользовательский интерфейс).

В этой статье я разберу различные LLM-ки и расскажу, как их разработчики решают проблему конфиденциальности. Предупреждаю – достанется всем :)

Исследование охватывает западных вендоров (OpenAI, Anthropic, Google AI, GitHub Copilot), российские решения (GigaChat, YandexGPT), китайскую платформу DeepSeek, а также ключевых провайдеров-агрегаторов (OpenRouter, Cursor, Windsurf). Анализ включает детальное сравнение политик для частного и корпоративного использования, документированные случаи утечек данных и их последствия, а также практические рекомендации по выбору решений в зависимости от требований к безопасности данных.

Продолжаем рассматривать инструмент для манипуляций с геометрией в Direct2D. Просто и понятно.