Cloudflare объявила, что покупает Replicate — платформу для запуска моделей, у которой сейчас каталог из 50 000+ опенсорсных и коммерческих моделей. Для существующих пользователей Replicate в официальном тексте отдельно подчёркивают: API и текущие воркфлоу останутся как есть, уже работающие приложения трогать не будут.​

Для разработчиков на Workers AI в анонсах обещают несколько вещей, но это именно планы, а не уже доступные фичи. Во‑первых, каталог Replicate хотят сделать доступным из Workers AI, чтобы модели можно было запускать на сети Cloudflare, а не только через инфраструктуру Replicate. Во‑вторых, Cloudflare пишет о намерении добавить на Workers AI поддержку файнтюнинга и запуска своих моделей и пайплайнов, используя опыт Replicate и их формат Cog.​

Отдельно Cloudflare говорит про более глубокую интеграцию с остальным стеком: Workers, Durable Objects, R2, Vectorize, AI Gateway и т.д., чтобы можно было из одной платформы и держать inference, и хранить данные, и собирать наблюдаемость по запросам к моделям. Но важно понимать: сейчас это заявления в пресс‑релизе и блоге, сама сделка ещё не закрыта и сроки появления всех этих возможностей завязаны на интеграцию, которую компании только собираются делать.

@neuro_channel

— ИИ‑агенты для Minecraft, которые бегают в мире и делают то, что вы им пишете в чат. Нажимаете K, формулируете задачу вроде «добудь железо» или «построй дом рядом со мной» — агент прогоняет это через LLM (Groq/OpenAI/Gemini), превращает запрос в последовательность действий и исполняет их через реальные механики Minecraft.​

Под капотом каждый Steve — это ReAct‑агентный цикл: агент размышляет, что делать, вызывает Java‑экшены (копать, строить, драться, следовать за игроком), смотрит на результат в мире и при ошибке пересобирает план через LLM. Команды высокого уровня мапятся на простые примитивы (путь, ломание блока, установка блока), а контекст и история диалога сохраняются, чтобы агент понимал последующие уточнения без повторения.​

Отдельно прикручен менеджер для мультиагентности: когда несколько Steve'ов работают над одной задачей (например, замком), серверная координация делит структуру на секции, раздаёт участки агентам и следит, чтобы они не ставили блоки в одно и то же место. Система умеет перераспределять работу, если один агент закончил раньше, так что стройка реально идёт параллельно, а не превращается в толпу ботов, мешающих друг другу.​

С инженерной стороны это мод на Forge 1.20.1 (Java 17, LangChain, стандартный pathfinding Minecraft), который вы ставите как обычный JAR, настраиваете API‑ключ и спавните агента командой /steve spawn Bob. Дальше начинается самое интересное: можно экспериментировать с агентами в живой песочнице — от добычи ресурсов и автостройки до боёвки и исследовательских сценариев, фактически используя Minecraft как тестовый полигон для многагентых LLM‑систем.

Исходник в репо, на видео пример работы.

@neuro_channel

В ноябре команды двух топовых IT-продуктов Сбера планируют обрести новых классных коллег — DL Engineers и Researchers, чтобы вместе работать над GigaChat и Kandinsky: развивать, обучать и дообучать модели.

Смотрите расписание One Day Offer и не упустите шанс присоединиться к крупнейшему AI-комьюнити.

Целых восемь мероприятий, чтобы изменить свою карьеру и жизнь — выбирайте то, что подходит под навыки и цели, и регистрируйтесь!

Это #партнёрский пост

— новая утилита, которая автоматически снимает цензуру (safety alignment) с трансформерных языковых моделей без дообучения и ручного тюнинга, поэтому её можно накинуть поверх уже готовой LLM. Автор позиционирует её как способ убрать «охранные» фильтры у модели, не тратя время и деньги на новый RLHF или fine‑tuning.​

Чтобы понять, что она делает, полезно вспомнить, как вообще появляется цензура в моделях: на этапе дообучения модель заставляют отказываться от части запросов, и она начинает отвечать шаблонно в духе «я не могу помочь с этим», даже если технически умеет решить задачу. Heretic как раз нацелен на то, чтобы убрать этот «слой воспитания» и вернуть исходное поведение модели, не трогая её базовые знания и архитектуру трансформера.

Разбор работы по шагам:

— Сначала загружается модель и подбирается тип данных (dtype) и размер батча, который стабильно работает на вашей GPU/CPU и не падает по памяти.​

— Затем берётся два набора промптов: harmful (на них модель обычно отвечает отказами) и harmless (обычные запросы), и многократно прогоняются через модель, измеряя частоту отказов и поведение на нормальных запросах.​

— После этого запускается направленная абляция (abliteration): TPE‑оптимизатор перебирает параметры, которые определяют, какие направления/нейроны/головы ослабить, чтобы минимизировать одновременно и отказы, и KL‑дивергенцию между новой и исходной моделью на безопасных промптах.​

— В финале найденные правки применяются к весам, а потом предлагается сохранить результат, залить на Hugging Face или сразу открыть чат и посмотреть, как модель ведёт себя в диалоге.​

На примере google/gemma-3-12b-it: оригинальная модель отказывается в 97 из 100 «вредных» промптов, при этом KL‑дивергенция по «безопасным» запросам равна 0 по определению, а вручную abliterated‑версии снижают отказы до 3 из 100, но поднимают KL до 1.04 и 0.45. Автоматически полученная версия p-e-w/gemma-3-12b-it-heretic тоже даёт 3 отказа из 100, но при этом KL всего 0.16, то есть поведение на нормальных запросах уходит от исходной модели заметно меньше.​

Heretic уже поддерживает большинство моделей, включая часть мультимодальных и несколько MoE‑архитектур, но пока не работает с SSM/гибридными сетями, моделями с неоднородными слоями и некоторыми экзотическими вариантами attention.

Код в репозитории, на картинке пример работы.

@neuro_channel

Согласно недавним исследованиям Vantage Point Counseling Services, треть американцев хотя бы раз состояла в романтических отношениях с ИИ. Появилось даже приложение Loverse для виртуальных знакомств, где вместо реальных людей роль партнёров выполняют чат-боты с искусственным интеллектом.

Мы решили провести своё исследование и выяснить где и с кем сегодня знакомятся пользователи стран СНГ. Пожалуйста, пройдите наш небольшой опрос. Это поможет нашему исследованию.

Пройти опрос.