Начнем с небольшого эксперимента. Перед вами три картинки: мышеловка, спичечный коробок и трубкозуб. Какая из них лишняя? Задачка на пару секунд: первые два предмета сделал человек, а третий — живое существо.
А теперь попробуем предложить то же самое мультимодальной нейросети. Шансы получить ответ, совпадающий с человеческим, окажутся не такими уж и большими. В эксперименте исследователей модели семейства Qwen3-VL при прямом опросе показывали результат от 37 до 41%. Для сравнения: случайный выбор в такой задаче дает 33,3%.
Вы, конечно, возразите: нейросеть создавали не для игры в «Третий лишний». Она разбирает изображения, распознает объекты, работает с текстом и справляется с задачами посложнее. Да и результаты популярных мультимодальных бенчмарков у современных моделей вполне приличные.
Только вот умение правильно отвечать на вопросы еще не значит, что модель видит мир так же, как мы. Она узнает и мышеловку, и коробок, и трубкозуба, но лишнее может выбрать по совсем другому признаку. И далеко не факт, что этот признак покажется нам логичным.
Это и разбирают авторы исследования Aligning MLLMs with the Latent Structure of Human Cognition. Обычно мультимодальные большие языковые модели (MLLM) учат выдавать ответы, которые нравятся людям. Ученые предлагают встроить в процесс обучения реальные закономерности человеческого восприятия.
Для этого исследователи взяли данные масштабного психофизического эксперимента, где миллионы человеческих суждений сведены к 66 смысловым измерениям, и построили на них фреймворк CogAlign. Его задача — изменить сам подход к обучению нейросетей: учить модель тем основаниям, по которым выбирает человек. Разберемся, как это устроено.
Читать далееВ июле инженеры Hugging Face заметили странное несоответствие: цель вторжения выглядела узкой, но действий в системах компании было гораздо больше, чем требовалось для её достижения. Сначала инцидент не казался критическим. Именно масштаб активности заставил команду присмотреться к нему внимательнее.
Читать далееВ JDK 28 появился встроенный JSON API, который на первом бенчмарке показал результат на уровне Jackson: документ на 12 МБ оба парсера разбирают примерно за одинаковое время. Но стоит начать читать значения из дерева — и разница меняется: встроенный вариант оказывается в 1,65 раза медленнее и выделяет втрое больше памяти. Разберёмся, как устроен новый парсер, в каких задачах он действительно может заменить Jackson и чем придётся пожертвовать при таком переходе.
Разобрать бенчмаркЧто получится, если объединить в одном корпусе мощную акустическую систему, голосового помощника с сенсорным экраном, хаб умного дома и мультимедийную платформу для телевизора? Яндекс совместно с BORK представил Станцию, которая совмещает все эти возможности.
Разбираемся, как устроена новинка, какие технологии используются внутри и для каких домашних сценариев она действительно пригодится.
Читать далееНеделю назад я рассказывал на Хабре про z3l.FastHtmlParser — HTML-парсер для .NET, который вместо DOM строит плоский список тегов и разбирает страницу в 10–30 раз быстрее HtmlAgilityPack и AngleSharp. Тогда у него не было ни CSS-селекторов, ни XPath, и жил он только в .NET.
За неделю появились и CSS-селекторы, и XPath 1.0, а сама библиотека переехала ещё на семь языков: Go, Rust, Java, TypeScript, Python, PHP и Ruby. Это не «Hello world»: 6–11 тысяч строк в каждой реализации — токенизатор, правила необязательных закрывающих тегов из HTML5, все 2125 именованных сущностей, XPath 1.0 и CSS-селекторы. Алгоритм везде один и тот же, и каждый порт сверяется с оригиналом на одних и тех же страницах.
Получился эксперимент, который редко удаётся поставить: одна и та же настоящая задача, восемь языков, две ОС и один и тот же процессор. Значит, можно наконец ответить на вопрос, за который в комментариях убивают. Готовьте вилы.
Читать далееНа планёрке выясняется, что запуск задерживается. Руководитель внедрения обещал передать систему в поддержку, поддержка ждёт инструкцию, а сотрудник, который её пишет, рассчитывал закончить после запуска. В списке задач есть «дописать инструкцию». Чтобы понять последствия задержки, приходится отдельно искать договорённости со встречи, сроки проекта и цель, ради которой сокращали время запуска.
Я собрал в Obsidian рабочее хранилище для руководителя, который отвечает сразу за несколько направлений. На планёрке ему важно видеть обе стороны передачи. Кто готовит систему к запуску? Что нужно поддержке, чтобы принять её? У каждого направления есть своя страница с целями, проектами, людьми и решениями со встреч.
Это демо-кейс, типовой каркас для профессии. Компания, сотрудники и показатели вымышлены. Я показываю устройство хранилища и работающие настройки, которые можно повторить у себя.
Obsidian хранит заметки в текстовых файлах на диске. Между ними можно ставить ссылки, а плагины собирают из этих заметок таблицы, списки задач и формы с полями. В примере это личное рабочее хранилище руководителя: он ведёт здесь нужные ему цели и договорённости.
Читать далееКоманда исследовательской организации Answer.AI представила в открытом доступе платформу SolveIt. Инструмент создавали в первую очередь для внутренних исследовательских задач и работы с кодом. Наконец его перевели в стадию публичного доступа после двух лет закрытого бета-тестирования, в котором участвовали три тысячи пользователей, объединившихся в сообществе Discord. Регистрация на платформе бесплатна, а тарификация построена по модели оплаты фактически израсходованных вычислительных ресурсов. Разработчики открыли доступ к платформе на сайте solve.it.com.
Читать далееФича уже готова, но на стенде видим только happy path. Разработчику нужно посмотреть, как ведёт себя доработка на разных данных, дизайнеру — сравнить её с макетом, аналитику — проверить сценарий, QA — выполнить тестирование. А начинается всё одинаково: нужно где-то взять живые данные.
Я подставляю нужные ответы API прямо в браузере — через моки. Так можно посмотреть, как фича работает с длинным текстом, без данных или при ошибке загрузки, а затем передать готовый сценарий коллегам. На примере фильтра задач покажу, как это работает, и расскажу, почему для такой работы я сделал oMockman.
Читать далееЯ работаю в команде, и мы занимаемся системами позиционирования людей, транспорта и оборудования внутри помещений и на ограниченных территориях — в промышленности, логистике и ритейле.
Вкратце о том, как это работает:
Позиционирование осуществляется на базе технологии Bluetooth Low Energy (BLE). Устройство сканирует BLE-маяки (в простонароде биконы) — небольшие автономные устройства, которые непрерывно транслируют короткие пакеты: идентификатор (в iBeacon это UUID + major + minor) и калиброванную мощность сигнала на расстоянии 1 м. Эти измерения от нескольких маяков — входные данные для алгоритмов, которые оценивают положение устройства.
Нередко бывают случаи, когда отслеживаемым устройством является обычный Android-смартфон в кармане сотрудника. А значит, устройство должно функционировать не только в разблокированном виде, но и в фоне с выключенным экраном. Здесь начинается самое странное: на одном телефоне всё стабильно, на другом через полчаса маячки «пропадают», на третьем приложение тихо «умирает» ночью.
Большая часть статей на эту тему написана во времена Android 7–9 и с тех пор сильно устарела. В этой статье я разберу, как устроено BLE-сканирование и почему в фоне оно деградирует на современных версиях Android: какие ограничения заложены в сам Bluetooth-стек (со ссылками на исходники AOSP) и что добавляют производители. А затем расскажу, как мы решали эту проблему, на какие подводные камни наткнулись по пути и что из этого подтверждается замерами на реальном устройстве.
Смотреть, как устроено сканированиеМожно прочитать десять статей о квантовой физике, посмотреть несколько лекций и всё равно не объяснить, что такое суперпозиция. Проблема в том, что знакомство с информацией не равно пониманию. Когда вы читаете готовое объяснение, кажется, что все логично. Однако пересказать материал своими словами не выходит.
Метод Фейнмана помогает проверить, действительно ли вы разобрались в теме. А искусственный интеллект берет на себя роль преподавателя, который объясняет сложные понятия, задает вопросы и находит ошибки в ваших рассуждениях.
Разберём, как работает этот метод, что о нём говорят исследования и как обучаться с помощью нейросети, а не тупеть.
Читать далееПредставим интерактивную схему устройства на сайте. При прокрутке страницы корпус раскладывается на слои, появляются подписи, а индикатор показывает текущий этап. Пользователь нажимает на одну из деталей — прокрутка временно перестает управлять сценой, открывается пояснение.
Но что произойдет, если он прокрутит страницу назад, повторно нажмет на деталь или перейдет к следующему этапу, пока предыдущая анимация еще выполняется? Для таких сценариев важно заранее определить состояния сцены и правила переходов между ними.
Например, можно использовать состояния idle, entering, active, leaving и completed. Действие пользователя меняет состояние приложения, а анимация отображает переход. Если поступает новое событие, текущий переход можно отменить, приостановить или развернуть.
Для управления сложной анимацией пригодятся несколько инструментов.
Читать далееЯ начал делать локальный плеер для своей музыкальной библиотеки, почти не имея опыта программирования. За 80 дней и более чем 400 сборок он превратился в Aureon — медиаплеер для Windows, Linux и macOS с музыкально-реактивными сценами. Расскажу, как развивались визуализации и формат AURS, почему сцена могла положить RTX 3070 и чему научили тесты на GTX 1050.
-Сообщение модеру: только что скачал .exe, SmartScreen ругнулся, продолжил. Установил без каких-либо проблем. Могли бы поподробнее рассказать где проблема происходит.
Читать далее603 темы, 1 809 проверенных заданий и 213 тестов — и 1 547 URL, которые пришлось сократить до 453.
Я делаю EduTrainer — бесплатный тренажёр по школьным предметам для 1–11 классов. Ученик выбирает тему, решает задачу, сразу получает проверку и разбор ошибки.
С точки зрения разработки это не «сайт с текстом», а генератор: задачи собираются на лету, ответы проверяются, а теория и справочники лежат в PostgreSQL. В этой статье — архитектура, код генерации, проверка ответов и грабли, которые вылезли на 1 809 прогонах.
Читать далееЯ работаю Atlassian-инженером. Мне нравится писать автоматизации и плагины. Не нравится собирать workflow из 20 статусов и 40 переходов и в очередной раз заводить однотипные поля. А такие запросы приходят постоянно, и каждый по отдельности выглядит как дело на пять минут. Подвох в том, что многие настройки Jira могут быть общими для нескольких проектов.
У пользовательского поля есть контексты, определяющие, к каким проектам и типам задач оно применимо. Экран входит в схему экранов, та — в схему экранов типов задач. Обязательность задаётся в конфигурации полей, которая выбирается через свою схему. Поэтому «добавить поле в проект» на деле означает вопрос: кто ещё пользуется тем, что я сейчас поменяю?
В интерфейсе этот ответ приходится собирать по кускам с нескольких страниц администрирования — внимательно и ничего не пропуская. А задача создать 5 полей, добавить к 10 проектам, у которых по 10 ишью тайпов и на каждом по 3 экрана выглядела как 30 минут кликов.
Думаю, у многих из нас есть папка скриптов на такой случай: создать типовой проект, завести пять-десять полей из массива. Была такая и у меня.
Игра GTA VI, выхода которой ждали 13 лет, доступна на консолях PS5 и Xbox Series X|S игрокам из Новой Зеландии и других территорий в том же часовом поясе.
Согласно плану Rockstar, релиз GTA VI, в отличие от её предшественниц, происходит не одномоментно: во всех регионах он состоится 19 ноября в полночь по местному времени. Первыми в GTA VI смогут сыграть жители Новой Зеландии, где полночь наступила в 14:00 (МСК).
Читать далееХабр, привет! Меня зовут Владимир Гурьянов, я технический директор направления Deckhouse Observability в компании «Флант», мы делаем несколько разных продуктов, в том числе Prometheus++ и Deckhouse Observability Platform. А ещё помогаем другим командам строить наблюдаемость в рамках их продуктов в экосистеме Deckhouse, включая и Deckhouse Kubernetes Platform. Платформу мы развиваем достаточно давно — более восьми лет. Сейчас под её управлением находится более тысячи кластеров.
Знаете, какой вопрос нам чаще всего задают? Вот этот — «Какой SLA у вашей платформы?».
На первый взгляд, ответ простой — «три девятки», классика жанра для любого уважающего себя SLA. Но если копнуть чуть глубже, начинается самое интересное: что именно должен включать SLA Kubernetes-кластера или Kubernetes-платформы? И как сделать так, чтобы этот показатель действительно отвечал на вопрос — работает ли наш кластер или нет?
На эту тему я выступал на прошедшем Kuber Conf от АОТ (вот видео), для вас же — текстовая версия доклада.
Итак…
Читать далееOpenAI назвала первого облачного провайдера в рамках партнёрства с AMD. Им стала компания TensorWave: она объявила шестилетний контракт на 457 МВт выделенной инфраструктуры на ускорителях AMD Instinct MI455X. Первые мощности должны заработать в первой половине 2027 года.
Читать далееВсем привет! Меня зовут Сергей Черкасов. Я Developer Advocate в Axelix Labs и работаю над проектом Axelix. Это продукт с открытым исходным кодом, который, среди прочего, позволяет отлаживать работающие приложения Spring Boot.
При расследовании инцидента логов уровня INFO часто недостаточно. Тогда для конкретного пакета или класса нужно временно включить DEBUG.
Spring Boot позволяет изменить уровень логирования прямо в работающем процессе. Сделать это можно тремя способами. Отправить запрос в Actuator, воспользоваться интерфейсом Spring Boot Admin или управлять подключёнными сервисами через Axelix.
Здесь мы рассматриваем только решения с открытым исходным кодом.
Для прямого управления обычно достаточно Actuator. Когда сервисов и реплик много, удобнее пользоваться централизованным интерфейсом.
Читать далееПосле установки Qwen Code работает «как есть»: каждый раз заново изучает репозиторий, спрашивает одно и то же и тратит токены на то, что можно было сказать один раз. В прошлой статье разбирали, как подключить Qwen Code к своему ключу и OpenAI-совместимому провайдеру. Теперь — следующий шаг: настроить его под конкретный проект так, чтобы он меньше спрашивал, меньше тратил и не мог случайно навредить.
Разбираем QWEN.md, правила с paths, режимы подтверждений, MCP-серверы, субагентов и песочницу — с готовыми примерами конфигов и чек-листом на 15 минут.
Читать далееПару дней назад было рассылка от администрации Хабра с просьбой пройти опрос насчет удовлетворенности текущими публикациями. И наверно я далеко не единственный, кто в очередной раз негативно выразил мнение о качестве и ценности публикаций в корпоративных блогах. А сейчас прилетает очередная рассылка о запуске нового раздела на сайте Хабр Бизнес в котором предлагается размещать публикации из корпоративных аккаунтов, отдельно от общей кучи. Связь между этими событиями (опросом и новым разделом) безусловно есть, но принесет ли подобное разделение пользу?
Первая особенность нового раздела (я не видел публикации с его описанием и ограничениями, поэтому пишу про то, что сразу бросилось в глаза), это отсутствие возможности размещать комментарии под публикациями.
С одной стороны - это очень правильно, т.к. в корпоративных публикациях часто идет дискуссия между читателями, но как правило активность часто околонулевая (дискуссии бывают, как правило у индивидуальных авторов, которые публикуются в корпоративных блоках и переживают за свою публикацию), тогда как обычные LLM генераторы работают на поток и им не требуется обратная связь от читателей (так как голоса можно и накрутить).
Но не будет ли подобные ограничения выстрелом в ногу со стороны самого Хабра? Ведь наличие обратной связи, это обязательное условие для устойчивой работы любого механизма или алгоритма. А загоняя корпоративные публикации в “LLM заповедник”, это безусловный плюс редакции, но какая от этого будет выгода корпоративным аккаунтам?
Ни, или я что-то пока не понял, поэтому с нетерпением жду подробностей с описанием новых возможностей на Хабре, которые продолжает свою неравную борьбу с нейрослопом.
Читать далее