Но главное - не метрики, а новая философия дизайна.

Вместо монолитного *«Doctor-GPT»*, Google создаёт Personal Health Agent (PHA) - систему из трёх специализированных агентов:
- Data Science Agent - анализирует носимые устройства и лабораторные данные
- Domain Expert Agent - проверяет медицинские факты и знания
- Health Coach Agent - ведёт диалог, ставит цели, добавляет эмпатию

🧩 Всё связывает оркестратор с памятью: цели, барьеры, инсайты пользователя.

⚡ Результаты
- Превзошёл базовые модели на 10 бенчмарках
- Пользователи предпочли PHA обычным LLM (20 участников, 50 персон)
- Эксперты оценили ответы на 5,7–39 % лучше при сложных медицинских запросах

⚙️ Дизайн-принципы
- Учитывать все потребности пользователя
- Адаптивно комбинировать агентов
- Не спрашивать данные, которые можно вывести
- Минимизировать задержку и сложность

🧠 Протестированные сценарии
- Общие вопросы о здоровье
- Интерпретация данных (носимые устройства, биомаркеры)
- Советы по сну, питанию, активности
- Оценка симптомов (без диагноза)

⚠️ Ограничения и будущее
- Медленнее одиночных агентов (244 с против 36 с)
- Нужны аудит предвзятости, защита данных и регуляторное соответствие
- Следующий шаг - адаптивный стиль общения: эмпатия ↔ ответственность

💡 Вывод
Google показывает путь вперёд: не «супердоктор-бот», а модульные, специализированные агентные команды.
Медицина — лишь первый тест. Дальше: финансы, право, образование, наука.

Google 150 Health AI Agents: https://arxiv.org/pdf/2508.20148

🏗️ Новый тренд в AI-инвестициях: вместо привычных «Magnificent Seven» (Apple, Microsoft, Nvidia и др.) инвесторы начинают ставить на Oracle, Broadcom и Palantir как на следующих лидеров.

📊 Что важно знать:
- Oracle заключила контракт с OpenAI на $300 млрд и уже имеет заказы на $455 млрд. Строит новые дата-центры на 4.5 ГВт. Акции выросли на 60% за год.
- Broadcom делает полу-кастомные чипы для Google, Meta и скоро для OpenAI. Недавно получила заказ на $10 млрд. В Q4 ожидается $6.2 млрд выручки от AI.
- Palantir показывает взрывной рост на фоне AI: +48% к выручке во 2 квартале 2025, а акции подскочили на +386% за год. Но бумаги считаются рискованными из-за высокой оценки.
- Axon использует AI для обработки видео с бодикамер — система сама пишет черновики полицейских отчётов.
- SK Hynix зарабатывает на памяти для мегапроекта OpenAI Stargate.
- Nvidia остаётся главным игроком ($4.5 трлн капитализации), но появляются новые конкуренты вроде CoreWeave и кастомных чипов.

💡 Главный вывод: рост в AI всё больше идёт не только за счёт «больших» компаний, а через инфраструктуру, крупные заказы и специализированные чипы.

Источник: afr.com/markets/equity-markets/fund-managers-tip-the-next-winners-of-the-ai-revolution-20250929-p5myml

#AI #инвестиции #акции #cloud #chips

Задача - объединить сканы, лабораторные анализы, геномы и клинические записи, очистить и обезличить данные, а затем обучить модели для поиска закономерностей, которые могут быть упущены врачами.

ИИ должен помочь:
— выявлять рак на более ранних стадиях,
— предсказывать переносимость терапии у ребёнка,
— подбирать наиболее эффективные комбинации лечения для каждого подтипа опухоли.

Уже в ближайшей перспективе ожидается прогресс в автоматическом подборе клинических испытаний: алгоритмы смогут быстрее анализировать условия исследований и данные пациентов, чтобы направлять детей в подходящие программы.

Источник: straitstimes.com/world/united-states/trump-order-directs-use-of-ai-to-boost-childhood-cancer-research

⭕️ Тем временем на Хабре дропнули любопытный кейс применения ML в картографии

AI-разработчик описал путь детектора знаков в Яндекс Картах со всеми техническими тонкостями. Началось всё в 2016 году — небольшой датасет и классические CV-методы для поиска знаков на панорамах и «Зеркалах» — фотографиях дорог от водителей. После первых прототипов начали улучшать качество и пришли к детектору, построенному на сверточных нейронных сетях — сейчас он умеет распознавать практически все российские знаки.

Детектор помогает обновлять Карты, например, узнавать об изменениях в ограничении скорости или запрете поворота. Всё, чтобы сервис мог корректно строить маршруты, выдавать голосовые подсказки и так далее.

Система вносит 200+ тысяч изменений ежегодно. Сильно.

Подробнее: https://habr.com/ru/companies/yandex/articles/946338/

@vistehno

🔥 Надоели RLHF и RLVR? Появился новый подход — Critique Reinforcement Learning (CRL)!

🧠 В чём суть:
Обычные RL-алгоритмы учат модель выдавать ответы.

CRL делает иначе - модель учится критиковать готовое решение, пошагово проверяя его правильность.
Награда даётся не за сам ответ, а за полезную критику, которая приводит к верному финальному суждению (True/False).

🚀 Что показали эксперименты:
- Critique-Coder 4B набрал 62% на LiveCodeBench-V5 — выше, чем 14B DeepCoder.
- Обучение велось на rStar-Coder с помощью GRPO.
- Модели 4B и 8B стали топовыми в своём размере.

📄 Paper: https://arxiv.org/abs/2509.22824
🌐 Website: https://tiger-ai-lab.github.io/Critique-Coder/
🤗 HuggingFace: https://huggingface.co/collections/TIGER-Lab/critique-coder-68dbdcdf09dbf87ed11822e4

#RL #AI #LLM