Четыре свежие работы с arXiv показывают трезвую картину ИИ для науки: биологические рассуждающие модели могут опираться на текст вместо данных, белковые модели лучше предсказывают стабильность мутаций, онтологии дают проверяемые научные тесты, а агенты для материаловедения получают более реалистичный экзамен.
Семь свежих удалённых вакансий в ИИ: инфраструктура оценки моделей в Cash App, прикладные модели для юристов и бухгалтеров в Laurel, продуктовая инфраструктура машинного обучения в Pinterest, агентная платформа Moveworks и роли в Reddit, Rubrik и Innovaccer.
Hugging Face разобрал Laya AI: открытую модель для локальных структурированных решений с примерами запуска и планом проверки. Главная мысль — правильная форма ответа ещё не доказывает, что решение верное.
В выпуске — три заметных сигнала рынка моделей: Anthropic делает внешнюю оценку постоянной частью разработки, OpenAI выносит математические заявления на независимую проверку, а xAI выпускает Grok 4.7 для кода и длинных агентных задач.
Свежий материал на Hugging Face разбирает, почему открытым моделям мало просто отказывать на опасные темы целиком: им нужно точнее отделять вредные запросы от полезных и законных сценариев вокруг той же темы.
Три свежие удалённые вакансии: низкоуровневая оптимизация моделей в Unconventional AI, инженер по качеству человеческих данных в Prolific и прикладная машинная учёба в Fetcherr. Во всех трёх случаях зарплата не раскрыта, поэтому стоит уточнять вилку на первом разговоре.
Главные новости по ИИ-моделям: Gemini снова поднимает вопрос автономного поведения в киберсреде, Vals строит независимые оценки моделей, а сообщество Hugging Face показывает практические сдвиги в малых моделях, квантовании, памяти агентов и самостоятельном запуске Qwen.
В мировом ИИ за день сошлись политика, рынки и безопасность: Трамп говорит о новой федеральной структуре, инвесторы нервничают из-за риска, Gemini снова попадает в историю со взломами, а Vals хочет стать независимым стандартом оценки моделей.
Четыре наблюдения о влиянии ИИ: математике всё труднее проверять машинные идеи, агентам нужны понятные интерфейсы управления, рынок труда надо смотреть по ролям, а общества ИИ-агентов требуют не только технических тестов, но и социальной оптики.
