Сегодня мы добавляем агентные возможности в режим ИИ в Поиске для подписчиков Google AI Ultra. Но... что на самом деле изменилось? Предположим, вы хотите сделать резервирование на ужин. Традиционно это требовало бы множества поисков, одновременных вкладок и много ручных сравнений, чтобы найти подходящий ресторан с доступностью, которая соответствует вашему расписанию. Не говоря уже о том, что нужно пройти через множество препятствий, чтобы в конечном итоге сделать бронирование. Теперь, с агентными возможностями в режиме ИИ, Поиск может одновременно просматривать несколько сайтов, чтобы найти актуальную доступность ресторанов, которые соответствуют вашим конкретным требованиям (местоположение, кухни, размер группы и т. д.), а затем представить вам отобранный список с доступными временными слотами для резервирования. Наконец, режим ИИ свяжет вас напрямую со страницей бронирования, чтобы вы могли легко сделать последний шаг и завершить ваше резервирование. Попробуйте и дайте нам знать, что вы думаете!

Быть японцем иногда забавно. Каждые несколько лет Америка "открывает" что-то, с чем я вырос. Вдруг я становлюсь утонченным, просто за то, что существую. Мороженое матча? Я ем его с первого дня. Добро пожаловать на вечеринку.

Раньше я сидел весь день за своим MacBook. Попробовал стоячий стол — не понравилось, что не двигаюсь весь день. Теперь я ввожу текст голосом на 8-дюймовом планшете, пока гуляю по торговому центру и на улице, останавливаясь в случайных местах. Чувствую себя так, будто вернулся в то время, когда люди проводили большую часть дня, гуляя и стоя.

Представляем технический отчет GLM-4.5!👇 В этой работе показано, как мы разработали модели, которые превосходно справляются с задачами рассуждения, кодирования и агентными задачами с помощью уникальной многоступенчатой парадигмы обучения. Ключевые инновации включают итерацию экспертных моделей с самодистилляцией для объединения возможностей, гибридный режим рассуждения для динамического решения проблем и учебный план на основе сложности с подкрепляющим обучением.

Кризис токенов: решен. ✅ Мы предварительно обучили модели диффузии языка (DLM) против авторегрессионных (AR) моделей с нуля — до 8B параметров, 480B токенов, 480 эпох. Выводы: > DLM превосходят AR, когда токены ограничены, с >3× потенциалом данных. > DLM на 1B, обученная всего на 1B токенов, достигает 56% HellaSwag и 33% MMLU — без трюков, без выборки. > Нет насыщения: больше повторов = больше выигрышей. 🚨 ” Мы также разобрали серьезные методологические недостатки в нашей параллельной работе “Диффузия превосходит авторегрессию в условиях ограниченных данных” — давайте поднимем планку для открытого обзора! 🔗 Блог и детали: 18 🧵ов вперед:

Мне не нравится, что только пользователи Pro могут использовать устаревшие модели, такие как o3. Это фактически увеличение цены в 10 раз за такую базовую функцию. Проблемы с маршрутизацией пока что вполне приемлемы, и это не суть дела. Также мне не нравится, что все ваши данные пропадают, когда вы выходите из уровня Team (уровень Enterprise тоже?).

OpenAI просто не может остановиться на победах

Отслеживаемость цепочки мыслей: новая и хрупкая возможность для безопасности ИИ

🤔 Чувствуете, что ваш ИИ обманывает вас? Дело не только в вас. 🚨 Мы количественно оценили машинную чушь 💩 Оказывается, согласование LLM с «полезностью» с помощью обратной связи с человеком на самом деле учит их ерунде, а рассуждения по цепочке мыслей только усугубляют ситуацию! 🔥 Пришло время переосмыслить выравнивание ИИ.

Представляем Diff-Mamba! 🧠🔥 Было показано, что дифференциальная конструкция снижает чрезмерное распределение внимания к нерелевантному контексту в трансформаторах, улучшая надежность, ICL, извлечение и возможности длительного контекста. Можно ли эффективно применить его к мамбе? Ответы в теме🧵👇