Выпуск Python SDK для Model Context Protocol версии 1.28.1
Python SDK для Model Context Protocol выпустил версию 1.28.1, внося обновления в обработку потоков и безопасность транспорта.
Pendo нанимает Staff и Senior AI-инженеров в Нью-Йорке для работы над Novus
Pendo проводит очный набор Staff и Senior AI-инженеров в Нью-Йорке для работы над Novus — продуктовым агентом производственного уровня, способным автономно читать живые кодовые базы и выявлять реальные проблемы пользователей.
eBPF в Go: наблюдаемость для сервисов, сгенерированных ИИ
В этой статье представлен учебник по использованию eBPF с Go для достижения наблюдаемости на уровне ядра, что решает проблему отсутствия видимости при отладке проблем в сервисах, сгенерированных ИИ.
Выпуск llama.cpp b9804: исправления для Mamba2 и новые бинарные файлы
Выпуск llama.cpp b9804 вносит исправление для архитектуры Mamba2, удаляя жёстко заданный коэффициент расширения 2x и некорректную проверку параметров, что позволяет поддерживать любое значение expand. Это изменение обновляет скрипт `convert_hf_to_gguf.py`, делая параметр expand необязательным со значением по умолчанию 2.
JoeBro: нативное рабочее пространство для ИИ на macOS без зависимостей
JoeBro — это локальное приложение для macOS, разработанное с упором на первичность локального использования, предназначенное для предоставления рабочего пространства для ИИ без необходимости установки внешних зависимостей, таких как pip или Docker. Оно включает встроенный бэкенд на Python и хранилище SQLite, чтобы гарантировать сохранение всех данных на устройстве пользователя, исключая необходимость в телеметрии и учётных записях.
Как добавить кого-то в датасет/базу данных Hugging Face?
Предоставленный исходный контент указывает на то, что тема первоначального поста была удалена автором. Следовательно, в этом отрывке отсутствует какая-либо конкретная информация о процессе добавления пользователей в датасет или базу данных Hugging Face.
Заметки о выпуске crewAI 1.15.0
Выпуск crewAI 1.15.0 вносит значительные улучшения в определения Flow, включая унифицированную декларативную загрузку, поддержку встроенных crew и новые составные действия, такие как `each` и действия для одного агента.
Примечания к выпуску AutoGPT Platform Beta v0.6.65
Платформа AutoGPT выпустила версию 0.6.65, внесшую значительные обновления в систему Copilot, навигацию пользовательского интерфейса и надежность инфраструктуры.
Релиз llama.cpp b9803 с исправлением профилирования OpenCL
Проект llama.cpp выпустил версию b9803, которая включает исправление для OpenCL, обеспечивающее сброс пакетов профилирования при завершении работы для незавершённых пакетов. Это обновление предоставляет бинарные файлы для macOS, Linux, Windows, Android и openEuler для различных аппаратных бэкендов.
Выпуск llama.cpp b9802 предоставляет бинарные файлы для macOS, Linux, Windows и Android
Проект llama.cpp опубликовал выпуск b9802, предлагающий предварительно собранные бинарные файлы для нескольких операционных систем и аппаратных архитектур. Это обновление включает поддержку процессоров (CPU), графических процессоров (GPU) и специализированных ускорителей ИИ на таких платформах, как macOS, Linux, Windows, Android и openEuler.
v0.5.14
В статье анонсируется выпуск версии 0.5.14.
Примечания к выпуску Claude Code v2.1.193
Версия Claude Code 2.1.193 вносит ряд улучшений в классификацию авто-режима, журналирование телеметрии и управление фоновыми агентами. Это обновление также включает исправления проблем с состоянием пользовательского интерфейса, обработкой аутентификации в серверах MCP и различных ошибок фоновых процессов.
Автоматизация поддержки форков с помощью AI-агентов
В этой статье описывается метод автоматизации поддержки форков программного обеспечения с использованием AI-агентов для написания кода, применённый к форку Cohere проекта vLLM. Подход сокращает время, необходимое для интеграции обновлений из основного репозитория (upstream), с недель до дней за счёт замены ручного вмешательства автоматизированным циклом обратной связи.
v1.39.0
В этом релизе предпринята попытка исправить сборку Flatpak.
Понимание работы мозга с помощью объяснений и экспериментов на базе ИИ
Исследователи разработали Generative Causal Testing (GCT) — фреймворк, который переводит неинтерпретируемые модели предсказания активности мозга на основе LLM в краткие, проверяемые вербальные гипотезы о функциях коры. Этот метод сжимает параметры модели в короткие фразы, описывающие, на какие стимулы реагируют определенные области мозга, например «приготовление пищи», а затем проверяет эти объяснения с помощью целевых фМРТ-экспериментов.
Google Finance выходит из бета-версии с новым приложением для Android
Google Finance официально завершает бета-тестирование и запускает отдельное приложение для устройств на базе Android.
CoorDex: Координация телесных и кистевых априори для непрерывной ловкой манипуляции человекоподобного робота
Авторы представляют CoorDex, конвейер обучения, который обеспечивает ловкую локомоно-манипуляцию с высокой степенью свободы на движущихся человекоподобных роботах путем преобразования управления телом и кистью в скоординированное латентное остаточное управление. Этот подход позволяет человекоподобному роботу Unitree G1 выполнять сложные задачи, такие как захват бутылки без остановки и открытие дверцы холодильника, находясь в движении.
Запуск сервера vLLM на HF Jobs одной командой
Hugging Face представил новую функцию, позволяющую пользователям разворачивать серверы vLLM непосредственно через платформу Hugging Face Jobs с помощью одной команды.
v0.24.0rc2: Исправление P/D с DP Supervisor (#46628)
Этот кандидат в релизы устраняет проблему с функциональностью Prefill/Decode (P/D) совместно с Data Parallelism (DP) Supervisor в проекте vLLM.
AutoDex: Автоматизированная система реального мира для сбора данных о ловком захвате
AutoDex — это автоматизированная система, предназначенная для замыкания цикла сбора данных о ловком захвате в реальном мире путем обработки восприятия, выполнения, маркировки и сброса без вмешательства человека. Она решает проблемы масштабируемости телеоперации и отсутствия физической сертификации в симуляции, генерируя кандидаты на захват и проверяя их на реальном оборудовании.