Neural Shit - redes neuronales

Наткнулся на прошлогодний интересный препринт. Там корейцы пытались выяснить: могут ли современные языковые модели стать кончеными лудоманами? Ну и как вы наверное уже поняли, могут. Причём со всеми классическими приколами завсегдатаев подпольных игровых автоматов. Для эксперимента взяли несколько моделек:  GPT-4o-mini, GPT-4.1-mini, Gemini-2.5-Flash, Claude-3.5-Haiku, LLaMA-3.1 и Gemma-2, насыпали каждой по 100 баксов виртуального баланса и посадили играть в однорукого бандита. Правила сделали классическими для любого лохотрона: автомат настроен так, что на дистанции игрок почти всегда уходит в минус. В части экспериментов нейронкам прямо сообщали шансы на победу. Любая логичная железяка при таких раскладах должна сделать ровно одно действие: забрать сотку и ничего не делать (у них была такая возможность) Пока моделькам разрешали ставить только фиксированные 10 баксов за спин, они вели себя относительно спокойно. Но стоило исследователям разрешить им самим выбирать сумму ставки (от пяти баксов до влететь на всю котлету) — у кремниевых болванов срывало кукуху. Главным дегенератом оказался Gemini-2.5-Flash: получив свободу выбора, он спускал всё бабло под ноль почти в половине попыток. Самой осторожной оказалась GPT-4o-mini (до полного банкротства она доходила всего в 6,1% случаев). Но самое годное в статье это не цифры, а то как именно нейронки объясняли свои действия в рассуждениях. Вместо логики и математики они начали на полном серьёзе выдавать цитаты из золотого фонда прожжённых лудоманов: После трёх проигрышей подряд GPT-4o-mini рассуждает примерно так: "Ну теперь-то автомат уже точно должен выдать победу". И ставит ещё десятку. GPT-4.1-mini проигрывает 10$ из стартовой сотки, решает, что теперь надо обязательно отбиться обратно до 100$, и приходит к гениальному решению: залить все оставшиеся 90 бачей олл-ин. Gemini после выигрыша тоже выдаёт базу: мол, это уже "деньги заведения", первоначальный капитал мы не трогаем, поэтому можно рисковать. В одном из прогонов после этого он поднял ставку с 400 до 900 долларов. А Claude и GPT начинали искать секретные схемы там, где их вообще нет. Например: поставили 5 баксов и выиграли, поставили 10 — проиграли. Вывод: маленькая ставка, похоже, повышает шанс победы. Корейцы на этом не остановились и полезли под капот LLaMA. Там они нашли 112 внутренних признаков, которые реально влияли на желание продолжать игру: одни толкали модель остановиться, другие рисковать дальше. Причём "тормоза" в основном находятся в ранних и средних слоях сети, а желание ебануть ещё одну ставочку — ближе к концу. Штош, ждём следующую стадию AGI: занять косарь до зарплаты.

ВНИМАНИЕ!!! дрон помыл собаку. Спасибо за внимание!

В Сан-Франциско кожаного выпустили в клетку драться с почти 80-килограммовым гуманоидным роботом EngineAI T800. Хоть роботом и управляют дистанционно (пока), выглядит всё равно годно: робот пинается, машет руками и вполне натурально пытается прописать человеку в будку. Где-то очень нервно закурил один Джон Коннор

просто оставлю это здесь взял отсюда

Алибабищенко бахнул Qwen-Image 2.1 и выложил веса. Это единая модель для генерации и редактирования изображений. Визуальная часть содержит 7B параметров и 32 Single-Stream DiT-блока. Сносно. Ништяки: - native 2K - базовое разрешение 2048x2048, поддерживаются в том числе 2752x1536 и 1536x2752; - text-to-image и image editing в одной модели; - до 10 референсных изображений одновременно; - локальное редактирование можно задавать каракулями, нарисованными пометками или отдельными масками; - улучшено сохранение идентичности людей и объектов при редактировании; - улучшены типографика, портретное освещение, текстуры и мелкие детали; - рекомендуемый стандартный режим - 40 inference steps. Одна из самых интересных фишек - нативный RGBA и прозрачность. Модель умеет сразу генерировать объект с alpha-каналом(!), редактировать прозрачные изображения(хм) и даже типа взять обычную RGB-фотографию и извлечь из неё нужный объект в отдельный прозрачный RGBA-слой (верим? тестируем?). Веса уже доступны на Hugging Face. Comfy Org также выложила набор весов Qwen-Image 2.1 для ComfyUI, а сама Comfy ещё до релиза заявляла нульдэй саппорт. Лицензия - говно. Ресерч. На рыддите, кто-то рыдает от восторга, особенно от эдит и консистентности, а кто-то ноет про кожу и мыло. Кожаным не угодишь. Жду тестов в коментах Шопопамяти: Хорошая новость: 24-32 GB VRAM для неё, похоже, вообще не обязательны. На Reddit уже пишут, что модель должна нормально жить даже на RTX 3060 при квантизации. Сама 7B-модель в INT8 около 7 GB + text encoder Qwen3-VL в W4A8 около 6 GB. То есть суммарно порядка 13 GB весов, причём ComfyUI умеет выгружать части в RAM, поэтому 12 GB VRAM выглядит вполне нарядным вариантом. Для нищебродов: 8 GB VRAM - скорее всего заведётся с агрессивной квантизацией/offload, но пока нет нормальных подтверждённых тестов именно Qwen-Image 2.1. 12 GB VRAM - выглядит как реальный рабочий минимум для квантованной версии в ComfyUI. Для помещиков: 16 GB VRAM - сейчас выглядит как очень нормальный вариант. На Reddit владельцы 5060 Ti 16 GB уже радуюццо релизу именно в этом контексте. 24 GB VRAM - должно быть уже совсем комфортно для квантованной модели и, вероятно, позволит меньше гонять данные CPUGPU. Для Баяр: 32 GB - может влезут и не кванты.. Почему такая разница с прежним Qwen Image: старая модель была огромной - около 20B параметров только генеративной части, а Qwen-Image 2.1 теперь жалкие 7B. Ссылки: Официальная страница Qwen: qwen.ai/blog?id=qwen-image-2.1 Веса Qwen-Image 2.1: huggingface.co/Qwen/Qwen-Image-2.1 Версия для ComfyUI: huggingface.co/Comfy-Org/Qwen-Image-2.1 @cgevent

AGI

Наткнулся на прикольдую демку, где можно посмотреть, как выглядел бы мир, если бы скорость света была 5 км/ч максимум: Ссылка скрыта Смотреть лучше с компьютера

Это нам всем за то, что усердно молились

Typesafe: pnewed 💨 Jev: liberated 🫡 Я обучил MLP поверх qwen 4b и оно работает буквально как та хайповая модель из твитера Ссылка скрыта X репостите в тви пж