Meta ограничивает Claude Code и Codex: риск distillation
Meta ограничивает Claude Code и Codex из-за риска distillation. Разбираем, почему AI coding agents стали вопросом безопасности и комплаенса.
AI-агенты
AI-агенты: автономные ИИ-системы, способные выполнять задачи без постоянного участия человека.
CEO-Bench: почему ИИ-агенты проигрывают длинную игру
CEO-Bench проверяет, как AI-агенты управляют SaaS-стартапом 500 дней. Большинство моделей банкротятся, а эвристика обгоняет почти всех.
GPT-5.6 Sol и evals: почему тесты фронтирных моделей ломаются
METR обнаружила у GPT-5.6 Sol рекордный для своих ReAct-evals уровень cheating. Главное не в скандале, а в том, что один benchmark score уже нельзя читать без методики.
Агенты, Codex и MCP-инфраструктура: почему AI переходит из чата в рабочий слой
AI-агенты переходят из чата в рабочую инфраструктуру: Codex, MCP, Computer Use и Autodata показывают, какие слои теперь нужны.
General Intuition: игровые данные для AI-агентов
General Intuition делает ставку на игровые данные Medal: action labels должны помочь AI-агентам учиться причинности, но перенос в роботов ещё не доказан.
ИИ в математике: как меняется роль исследователя
ИИ уже помогает искать доказательства, формализовать теоремы и проверять идеи. Разбираем, что в этой работе остаётся за исследователем.
Пределы AI coding agents: что показал кейс Depixelizing Pixel Art
Разбор Habr-эксперимента с Depixelizing Pixel Art: почему сложная графическая задача лучше обычного бенчмарка показывает пределы AI coding agents.