AI-агенты

Ускоряет ли ИИ разработчиков, проверить уже не получается: без него не соглашаются работать

Обложка: Ускоряет ли ИИ разработчиков, проверить уже не получается: без него не соглашаются работать

Летом 2025-го METR засек секундомером, как опытные разработчики работают с ИИ и без него, и получил замедление на 19%, хотя сами участники были уверены, что ускорились процентов на 20. Повторить замер в 2026-м уже не вышло, потому что приглашенные стали отказываться от той половины эксперимента, где код надо писать руками. Про то, что осталось от контрольной группы, почему новые цифры почти ничего не доказывают и как компании теперь меряют продуктивность счетом за токены.

Читать далее

ZOLT JOURNAL / ДАЛЬШЕ

Обложка: Анимируем динамичные ассеты (GPT Image 2 + Gemini Omni 1.2 Flash)
AI-агентыHabr AI

Анимируем динамичные ассеты (GPT Image 2 + Gemini Omni 1.2 Flash)

Протестим GPT Image 2 и Gemini Omni 1.2 Flash в паре для генерации динамичных ассетов в стиле пиксельарт, которые нужно анимировать.

Обложка: Нейросеть сделала 3D‑модель по фото. Почему принтер с ней совсем не согласен
AI-агентыHabr AI

Нейросеть сделала 3D‑модель по фото. Почему принтер с ней совсем не согласен

Вы скармливаете нейросети снимок фигурки, и через несколько минут на экране уже крутится аккуратная 3D‑модель. Всё на месте, даже надпись на груди. Скачиваете файл, открываете слайсер, а он первым делом интересуется, не в метрах ли вы случайно сделали эту красоту. А в файле она размером с маковое зерно. И это самый безобидный дефект. Почти у каждой второй модели слайсер показывает значок предупреждения. А о некоторых дефектах он прямо не говорит: на превью всё выглядит идеально, а в файле ступни робота висят в воздухе отдельно от ног. Меня зовут Артём Кузнецов, я AI/ML‑инженер и CTO стартапа, который занимается AI‑технологиями в области 3D‑печати. Ниже — откуда берутся эти дефекты, если заглянуть под капот генераторов, и как их определять за пару минут, пока стол принтера нагревается.

Обложка: Стилометрия на Python: анализ авторского стиля на примере 287 детективов Дарьи Донцовой
AI-агентыHabr ML

Стилометрия на Python: анализ авторского стиля на примере 287 детективов Дарьи Донцовой

Количество произведений Донцовой уже давно перевалило за две сотни, в связи с чем у любого читателя возникает логичное предположение: «Донцова не сама пишет свои книги». Тем не менее, одно только число выпущенных книг мало что говорит об авторстве. Можно выпускать романы часто и тем не менее сохранять узнаваемый стиль. Да и обратная ситуация – романы публикуются редко – не гарантируют единообразия. Я решил проверить эту гипотезу, опираясь на тексты, задействуя подходы стилометрии и NLP. Несколько авторов с заметно разной манерой письма должны выделиться в отдельные стилевые группы. Конечно нужно оговориться: по опубликованному тексту нельзя быть на сто процентов уверенными в том, что за клавиатурой сидел именно этот автор или что несколько писателей работали над какой-то книгой. Всё-таки исследование измеряет в первую очередь однородность текстов корпуса, а не физическое авторство.