The current outbreak, first identified in the Democratic Republic of Congo, has now counted 10,000 patients and has spread with great speed. How can it be stopped?

(Image credit: Marie Ruwet/AFP)

• Get our breaking news email, free app or daily news podcast

Online hate is spilling into the real world, AFP warns

AFP Commissioner Krissy Barrett began her late-night appearance at the Senate estimates hearing noting “a heaviness that hangs across Australia” after the alleged attack on independent MP Helen Haines.

Lone actors are being motivated by a convergence of personal grievances, mental health vulnerabilities and ideological concerns …

What helped keep us safe in recent times, such as our geography, analogue systems and far away criminals, has been impacted by fully integrated technology, social media and artificial intelligence.

We hear about the devastating impacts of racism from communities every day. But many experiences go unreported or uncounted, and our systems often do not capture the full picture.

This is not about collecting more data to prove racism exists. We already know it does. It is about making inequality visible, holding institutions to account and giving communities greater agency over their data to drive real change.

Перед переездом автотестов с Java на .NET мы решили разобраться, что действительно стоит переносить. Я ручной QA и для этой задачи подключил ИИ-агента: дал ему доступ к репозиториям и TestIT, задал критерии и проверял его рекомендации. За две недели мы провели аудит примерно 2600 тестов и собрали статистику по базе из 6500. Расскажу, как устроили процесс, находили дубли и выбирали приоритеты с помощью P85.

Вечером вы оставили агентам задачу, а утром перед вами готовая реализация: код, тесты, все проверки зелёные. Вы будете это релизить? Наверняка у вас сразу появилось своё «смотря что». Написание кода мы уже умеем автоматизировать, а решение о том, что считать пригодным результатом, осталось за нами.

Эта статья о предлагаемой мной новой методологии — о средовом подходе: как проектировать условия, в которых агенты создают системы, и на каком основании потом принимать их результат.

Значительную роль в развитии современных подходов к машинному обучению сыграл французский исследователь Ян Лекун. В 1989 году он и его коллеги из AT&T Bell Labs представили свёрточную нейросеть, которая распознавала рукописные цифры. Систему обучали на тысячах изображений цифр из настоящих почтовых отправлений в США. В том же году разработчики описали результаты в научной статье (doi:10.1162/neco.1989.1.4.541).

Более того, эти разработки внедрили для реального использования. В девяностых на основе этих лабораторных экспериментов создали коммерческие системы распознавания банковских чеков. В статье 1998 года исследователи отчитывались об обработке нескольких миллионов чеков ежедневно (doi:10.1109/5.726791). Как рассказывал Лекун, к концу девяностых такие системы считывали от 10 до 20 % всех чеков в США.

Достижения отмечали как наградами в отрасли, так и славой вне неё: Лекун получил премию Тьюринга за 2018 год, а в «Книге рекордов Гиннесса» за Bell Labs зафиксирован рекорд по созданию первой нейросети, способной распознавать рукописные символы. В декабре 2024 года учёный не без удовольствия выложил на личном канале YouTube восстановленную видеодемонстрацию нейросети LeNet 1 от 1989 года.

В Project Zero сравнили два конвейера, которые постоянно ищут уязвимости в V8, JavaScript-движке Chrome: фаззер Fuzzilli работает непрерывно, LLM-агент BigSleep раз в сутки просматривает новые коммиты. За апрель–сентябрь 2026 года после очистки от дубликатов и «нерабочих» репортов у BigSleep 45 исправленных уязвимостей, у Fuzzilli 37. Пересечение считали отдельно, с дополнительным поиском дубликатов через коммиты-исправления и базу Clusterfuzz: общими оказались 20 из 81 репорта, около четверти. В отдельном эксперименте агент на модели Gemini 3.6 flash получил коммиты, которые, вероятно, внесли 112 старых багов Fuzzilli, и за 25 попыток на каждый коммит заново нашёл около 62% из них. Баги, на которые фаззер тратил больше времени, агенту тоже давались хуже, а в JIT-компиляторах пересечение меньше. В переводе статьи Самуэля Гросса — методика подсчёта, проверка на запоминание обучающих данных и три разобранных бага: какие нашёл только агент и какой — только фаззер.

Разобрались в подходах к шумоподавлению и собрали несколько стендов для БОЛТУНа. Попробовали выделять свой голос через VoxLock, ускорили обработку с WASM до нативного ONNX Runtime и проверили нагрузку от нескольких пользователей. Рассказываем про замеры, неудачную калибровку и почему пока занялись более лёгкой обработкой пауз.