Что-то HF в последнее время сбоит. И вроде пишут, что на 5-10 минут, а по факту часто 503-е пошли.

Видимо, что-то полезное выпилили из своих библиотек.

MiniMax выпустили своего агента, который умеет стряпать сайты с озвученными аудиоматериалами (!), с картинками, писать код и т.д.

Сайты делает объемные. Попросил у него сделать сайт для Linkin Park, сделал красиво, нагуглил актуальных картинок, упаковал все в архив для деплоя и развернул у себя.

//Даже как-то тревожно с точки зрения создания фишинговых сайтов.

👉 Linkin Park

🔺 Как Cursor устроен изнутри

Перевожу любопытную статью про то, как устроен Курсор, из первых уст.

Статья в целом платная, но автор любезно разрешил опубликовать перевод.

Из любопытного там: тех. стек, который использует команда; детали того, как искать по коду и запускать на нем агентов, если код они нигде не хранят и разные другие мелочи. Это первая часть, вторая будет чуть позже.

👉 https://habr.com/ru/articles/919636/

Я, наверное, слоупок, но только сейчас узнал, что есть проект с картой GitHub'а.

Кластеры окрашены ровно в 4 цвета (все по науке) и забавно проименованы.

Мой lingtrain-aligner и пару NLP проектов, типа natasha, которые сходу вспомнил, находятся на материке Code Slavica в доминионе RusAI 😄

Еще нашел остров с торрентами (по соседству с порно-репозиториями).

👉 https://anvaka.github.io/map-of-github

//Что-то я пригляделся и, по-моему, там 5 цветов)

🔺 Как Cursor устроен изнутри. Часть 2

🔸 Допереводил вторую часть статьи, тут уже пободрее — про то, с какими проблемами сталкивается команда при лавинообразном притоке пользователей (помимо проблемы, куда девать столько денег).

🔸 Про то, как мигрировали БД на 22TB, когда Курсор 10 часов лежал из-за текущего решения, которое оказалось ненадежным.

🔸 Хвалят стартап Turbopuffer, на который скинули хранение всех эмбеддингов, и он справился.

+ Различные мелочи по культуре разработки и экспов.

👉 https://habr.com/ru/articles/920660/

Интересный доклад идет на GigaConf. Костя рассказывает про агентов и MCP сервера.

👉 https://gigaconf.ru/program (Зал GenAI)

Так, пойдемте тестить. 1000 запросов в день бесплатно, 1M контекст с 2.5 Pro.

Смотрим, как работает с большими проектами, как ищет нужный код, для чего она лучше остальных и вообще какие фишки есть.

👉 Пост | GitHub

true story

ПРЕМЬЕРА НОВОГО ВЫПУСКА НА КАНАЛЕ «ВСЕЛЕННАЯ ПЛЮС».

Искусственный интеллект решает задачи лучше или хуже мозга?
Способен ли он думать, как мы?
И возможно ли восстание нейросетей?

Обсуждают физик Алексей Семихатов, астроном Владимир Сурдин и специалист в области машинного обучения и директор по развитию технологий ИИ в Сбере Сергей Марков.

Ставьте лайк под видео (если Вы за людей) или дизлайк (если Вы за машины) и смотрите:

https://www.youtube.com/watch?v=WrmW_d5NHOg
https://www.youtube.com/watch?v=WrmW_d5NHOg
https://www.youtube.com/watch?v=WrmW_d5NHOg

Мы тут обновили датасет FLORES+ до версии 3.0, вмёржив ряд правок, накопившихся за последние месяцы:

1) Добавили ладинский язык, на котором говорят в районе Доломитовых Альп. Он выглядит похоже на итальянский с лёгким вайбом французского и немецкого, и там есть буквы öëü 🙃
2) Обновили орфографию для чувашского и даргинского (там прежде было много случаев использования латинских букв, например, Ă и I, вместо похоже выглядящих кириллических Ӑ и Ӏ*).
3) Обновили номера предложений для аранского диалекта (это вариант окситанского языка, на котором говорят в одной долине в Пиренеях); прежде они неправильно сопоставлялись с предложениями на других языках.

С ладинским, в датасете теперь 222 различных вариаций языков, и можно оценивать качество перевода с любого на любой**!

Ну и да, мы всё ещё предлагаем добавлять новые языки и отправлять статью про это на нашу shared task.

А ещё мы завели substack, поэтому, если вы хотите получать новости о FLORES и других мультиязычных датасетах на электронную почту (на английском), то подписывайтесь на https://openlanguagedata.substack.com 😎

* Для тех, кто не знаком с северокавказскими языками: буква Ӏ обозначает горловой звук (разный в разных языках) и носит официальное название CYRILLIC LETTER PALOCHKA.
** Ну, почти. Датасет состоит из двух сплитов, dev и devtest, и небольшое число языков есть только в одном из сплитов. Но большая часть - в обоих.

Прочитал тут, что Anthropic для обучения своих моделей заморочился и скупил миллионы бумажных книг, порезал их на страницы, отсканил, а потом уничтожил.

С купленной тобой бумажной книгой можно делать все, что угодно, в том числе и модели обучать, так что типа все законно.

https://www.reddit.com/r/singularity/comments/1ljs8np/anthropic_purchased_millions_of_physical_print/

Заметил, что с использованием агентов в разработке у меня появляется отторжение к ручному выполнению простых муторных задач, которые я раньше просто брал и делал.

То ли я обленился, то ли тупею, то ли всего понемножку.

//Пишу этот пост пока курсор прокидывает поля с бэкенда на фронтенд.