Perplexity выпустила Teammates — систему ИИ-агентов для непрерывных задач и совместной работы

Искусственный интеллект (ИИ) представляет собой потенциальный помощник в подготовке к Национальному экзамену среднего образования (Enem), предлагая учащимся поддержку в повторении материала, составлении пробных тестов и выявлении слабых мест. Однако эксперты подчеркивают необходимость проверки информации, предоставляемой этими инструментами, в надежных источниках.

Винисиус Гонсалвес, координатор курсов компьютерных наук и анализа и разработки систем в Uninassau Teresina, предполагает, что эффективный подход заключается в использовании тестов прошлых лет Enem для направления ответов, генерируемых ИИ. Он пояснил, что лучшая тактика для студентов, особенно при генерации вопросов, состоит в том, чтобы загрузить в искусственный интеллект образцы предыдущих экзаменов, инструктируя его основывать новые вопросы исключительно на этих данных.

Эта методология позволяет участникам запрашивать упражнения, аналогичные тем, что были заданы в предыдущие годы, и повторять темы, которые часто встречаются на экзамене.

Как применять ИИ для повторения материала

Технология может использоваться для создания резюме, ментальных карт и пробных тестов, а также для разъяснения концептуальных вопросов. Учащиеся также могут попросить вопросы по конкретным темам и отслеживать свой прогресс во время учебы. По словам Винисиуса, персонализация обучения зависит от постоянного мониторинга успеваемости. Регистрируя свои правильные ответы и трудности по различным заданиям, студент может использовать эти данные для определения следующих направлений повторения.

Однако профессор предупреждает, что инструменты ИИ могут выдавать ложные или вымышленные данные, явление, называемое «галлюцинацией» ИИ. По этой причине он советует студентам всегда проверять ответы и требовать ссылки для подтверждения происхождения информации. Он посоветовал: «Это просто, всегда запрашивайте источник. Если вы видите ответ, который вас не слишком беспокоит, или у вас есть учебный материал, и то, что говорит ИИ, не соответствует учебному материалу, попросите его указать источник, чтобы вы могли проверить, откуда берется эта информация».

Основная рекомендация заключается в сопоставлении полученных ответов с официальными материалами и надежными ключами, поскольку ИИ помогает в объяснении вопросов, но не следует рассматривать его как непогрешимый источник информации.

Меры предосторожности на заключительном этапе перед Enem

На заключительном этапе подготовки к Enem профессор советует отдавать приоритет решению упражнений, а не попыткам усвоить большие объемы нового материала за один раз. В этот период ИИ может быть полезен для создания упражнений, основанных на старых тестах, помогая кандидатам привыкнуть к структуре экзамена.

Винисиус отмечает, что регулярная практика помогает студенту выявить закономерности в проверке и разработать эффективные методы решения задач. Инструмент также способен представлять новые сценарии для тем, часто встречающихся в тесте. Тем не менее, координатор предупреждает, что использование технологии не должно заменять критическое мышление студента. Если она используется только для предоставления готовых решений, ИИ может способствовать зависимости и подорвать развитие самостоятельности.

Он предупредил: «Вы можете превратить инструмент в костыль, при котором студент полностью зависит от ответов этого искусственного интеллекта».

Таким образом, рекомендация состоит в том, чтобы студент сначала попытался решить упражнения, прежде чем обращаться к инструменту, а затем сверил ответы в надежных источниках. Таким образом, ИИ выступает в качестве поддержки обучения, не заменяя усилий и практики, необходимых для Enem.

Компания Infinigence AI совместно с Three-Body Universe, разработчиком франшизы Лю Цысиня «Три тела», представила агент персонажа на мероприятии «День Три тел» в Пекине 25 октября 2026 года. Китайское название этого агента соответствует концепции Софона из романов, и он выполняет роль администратора мини-вселенной из книг.

Представление было проведено генеральным директором Infinigence Xia Lixue и генеральным директором Three-Body Universe Zhao Jilong, согласно сообщениям QbitAI и Zhidx. Согласно статье QbitAI, информация была предоставлена самой Infinigence.

Интересным аспектом является процесс создания и обслуживания такого агента. Он функционирует на платформе AgentWorks от Infinigence. Исходный материал загружается в сгруппированные базы знаний, которые автоматически разбираются, разбиваются на части (chunked) и преобразуются в эмбеддинги. Личность персонажа задается посредством многоуровневых структурированных запросов, а не единой длинной инструкции.

Модуль памяти под названием Infini Memory позволяет агенту сохранять факты между сессиями, предотвращая появление противоречивых или фрагментированных воспоминаний. Ответы проходят через цикл с участием нескольких агентов: сначала генерируется ответ, затем он оценивается, и только неудачные части подвергаются доработке. Генерация личности и поиск знаний выполняются параллельно для экономии времени, а отдельный рецензентский агент проверяет каждый ответ на предмет отклонений от характера и несоответствий сеттингу романов.

Для тестирования Infinigence создала систему оценки на основе трассировки, которая автоматически сверяет результаты с исходным текстом, при этом команда контента Three-Body Universe вручную проверяет полученные данные.

Достижения инфраструктуры Infinigence в обслуживании

В сфере обслуживания ключевую роль играет инфраструктура Infinigence. Обычно вывод больших моделей делится на стадию предварительной обработки (prefill), которая читает запрос, и стадию декодирования (decode), которая формирует ответ. Собственная гетерогенная межкластерная архитектура Infinigence, названная PDD, идет дальше, разбивая эту двухэтапную цепочку на трехэтапную дезагрегированную конструкцию, которую они маркируют как P-RLD-MD, распределенную по отдельным кластерам.

Поскольку трафик агентов часто повторно использует одни и те же префиксы запросов, сторона декодирования применяет кэширование префиксов RadixCache. Это гарантирует, что общий контекст, например, личность, не передается и не пересчитывается при каждом обращении. Компания утверждает, что это уменьшает объем данных KV, перемещаемых между кластерами, в десять раз, что позволяет использовать обычный Ethernet, снижает время до первого токена на 51,5% и уменьшает стоимость за токен на 37,5%.

Для чат-персонажа с длительной фиксированной личностью и большим количеством постоянных пользователей именно экономия на общих префиксах составляет основную часть затрат.

Искусственный интеллект ускоряет процесс обнаружения уязвимостей в программном обеспечении, сокращая время, отведенное на их исправление. Эксперты по кибербезопасности, опрошенные Reuters, прогнозируют новые перебои в работе цифровых сервисов, поскольку компании и правительства пытаются подготовиться к эксплуатации этих недостатков.

Исследование, проведенное компанией VulnCheck и запланированное к публикации в ближайшие дни, показывает, что количество обнаруженных цифровых уязвимостей удвоилось по сравнению с предыдущим годом. Проблемы, зарегистрированные на этой неделе на государственных сайтах в Европе, демонстрируют давление, которое могут вызвать подобные открытия.

Перебои начались в среду после обнаружения уязвимостей в PHP, языке программирования, который используется во многих частях интернета. Чтобы предотвратить атаки, операторы спешно занимались исправлением своих систем. Некоторые временно отключили сайты, поскольку не могли применить обновления до возможных вторжений.

Эта гонка за исправлениями произошла в неделю, которая уже была отмечена другими проблемами безопасности. Были раскрыты уязвимости в Node.js и Plex, а также инциденты, связанные с платформой искусственного интеллекта LiteLLM и платформой разработки Railway. Индийский сертификационный орган eMudhra также привлек внимание из-за использования крайне слабого криптографического ключа, что могло поставить под угрозу пользователей интернета.

Мэттью Принс, генеральный директор Cloudflare, заявил Reuters, что знает о других серьезных уязвимостях в программном обеспечении, жизненно важном для функционирования сети. По его оценке, сектор столкнется с трудными месяцами впереди. Он отметил: «Думаю, у нас будет несколько лет, когда каждую неделю будет казаться, что небо падает».

Ранее поиск уязвимостей в сложных программах требовал специализированных знаний. Разработка инструментов для их эксплуатации могла занимать недели или месяцы, предоставляя ответственным за системы время для подготовки исправлений и распространения обновлений. Однако искусственный интеллект сокращает этот промежуток времени. Модели способны непрерывно анализировать большие базы кода, находить проблемы и помогать разрабатывать инструменты для эксплуатации всего за несколько часов.

Шейн Фрай, технический директор RunSafe Security, подчеркнул изменение темпа этого процесса. Он заявил: «То, что фундаментально и неоспоримо меняется, — это время, необходимое как для обнаружения уязвимостей, так и для того, чтобы противники смогли их использовать».

В свете этой ситуации команды безопасности должны справляться с задачами, выходящими за рамки простого выявления ошибок в коде. Специалистов беспокоит сокращение времени реагирования, однако нет единого мнения о том, что ускоренное обнаружение уязвимостей приведет к волне успешных атак.

Даниэль Штенберг, ведущий разработчик инструмента передачи файлов curl, отмечает, что некоторые уязвимости, найденные моделями ИИ, являются сложными и трудноэксплуатируемыми. Рами Рахман из компании по безопасности ArmorCode также подчеркивает, что публикация большего числа уязвимостей не обязательно означает увеличение числа успешных атак. Случай с PHP служит примером этой разницы: компания по разведке угроз Hunt.io обнаружила агрессивные попытки эксплуатации, но сообщила, что к 14 часам четверга по восточному побережью США злоумышленники, которые отслеживались, по-видимому, еще не смогли разработать функциональный инструмент для использования этой уязвимости.

Принс сообщил о признаках вторжений, связанных с уязвимостью. Тем не менее, он считает, что ускоренное обнаружение проблем может принести долгосрочную пользу, позволяя исправлять ошибки, которые оставались скрытыми годами.