17 августа GitHub лежал 7 часов 47 минут — разом отвалились сайт, авторизация, Actions, API, пул-реквесты, issues и Copilot. Объяснение технического директора Влада Фёдорова: трафик вышел на новый пик, а критический компонент инфраструктуры в дата-центре в центральных штатах за ним не отмасштабировался.

Остальные цифры того же порядка: около 130 миллионов смерженных пул-реквестов в месяц, около 24 миллионов новых репозиториев, 115,4 миллиона запусков Actions. Чтобы это переварить, GitHub добавил больше 3 миллионов процессорных ядер и 120 петабайт быстрого хранилища, а долю нагрузки на Azure поднял с 12 процентов в мае до 58 процентов.

Причину удвоения компания прямо не называет — говорит только, что рост объясняет давление на системы, но не оправдывает простои. Вот только вдвое больше кода за один квартал руками не пишут: это похоже на след агентов, которые коммитят сами. И первое заметное последствие сдвига — не всплеск продуктивности, а инфраструктура крупнейшей платформы разработки, которая перестала успевать.

Источники: GitHub, Engadget

НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

• партии и герои, которых в партии можно добавлять и исключать;

• у каждого героя базовая инфа по нему (хп, кд, имя), его деньги, имущество и информация;

• информация бывает личная (знает только герой) и публичная (знает вся партия), также у неё есть дата и время получения;

• через интерфейс партии можно посмотреть все имущество и информацию, которые есть у героев, входящих в партию.

Все это выручит вас когда вам захочется:

• понять, если ли важная информация у партии, но не хочется повторять её десять раз;

• отслеживать награды за задания и трофеи чтобы не получилось, что ваш варвар уже таскает на себе 10 артефактных мечей и парочку топоров, а вот колдун носит то имущество, с которым персонажа создавал;

• быстро прикинуть платежеспособность партии и их нужду в деньгах, определяя цены, предложения о награде и плату за вход в город

В качестве небольшого бонуса есть ещё календарь с вариантами: наш реальный и календарь Забытых королевств. Можно поставить начальную дату и время и прокручивать его по мере повествования по часам, дням и месяцам. Это может быть полезно чтобы отслеживать, сколько времени прошло для персонажей, скажем, между приключениями, а также в связке с информацией, определять актуальность тех или иных данных. За полгода информация о ценах на зерно в городе вполне может устареть и вы быстро поймёте это и сообщите игрокам. Ну и, конечно же, для детективных и не только игр может быть полезен таймер расследования, по которому можно определять ответные действия преступника, да и не только их.

Скачать можно тут: https://github.com/LebedevVI/DndNotebook/

Как и раньше, буду очень благодарен за обратную связь.

2 августа Anthropic начала незаметно метить весь текст, который пишет Claude — по всему миру, чтобы попасть под требования EU AI Act. Через считанные дни на GitHub висел ремувер с 15 тысячами звёзд. Загвоздка в том, что стереть эту метку в принципе нельзя: её можно только уничтожить вместе с текстом.

Метка живёт не в символах, а в выборе слов

Первая догадка любого: «наверняка туда суют невидимые юникод-символы, сейчас найдём и вычистим». Не суют. Anthropic использует SynthID-Text — метод Google DeepMind, опубликованный в Nature в 2024 году. Когда модель выбирает между «компилятор отклонил патч» и «патч был отклонён компилятором», выбор формально случайный, но источник случайности подменён: это функция от секретного ключа и нескольких предыдущих слов. На длинном отрезке такие микрорешения складываются в статистический узор.

Отсюда и свойство, которое всех бесит: метка переживает копипаст, смену редактора, экспорт в другой формат. Стирать попросту нечего — в тексте нет ни одного лишнего символа. Есть только сам текст, написанный определённым образом.

Что успели построить за неделю

Репозиторий watermarks-remover Гийома Мейера собрал 15,4 тысячи звёзд и 1,7 тысячи форков. Отдельно появился веб-сервис от ИИ-преподавателя Сабрины Рамонов. Запросы «AI watermark remover» в Google выросли на 60% за неделю. Сам Мейер формулирует свою позицию так: «Я полностью за атрибуцию контента. Я против самой техники вотермаркинга — и это очень существенное различие».

Почему бóльшая часть этой работы холостая

Ремуверы устроены слоями. Первый вычищает невидимые юникод-символы, двунаправленные метки и экзотические пробелы — то есть ровно то, чего Claude не ставит. Слой для файлов срезает C2PA, EXIF и XMP — вот это по делу, файлы Anthropic действительно метит по стандарту C2PA. А единственный слой, который реально бьёт по тексту, работает так: скормить кусок другой языковой модели и попросить переписать.

Здесь история и схлопывается. Anthropic написала это сама, в собственном разборе: лёгкая правка метку скорее всего не убьёт, а полное переписывание, где заменено каждое слово, — убьёт. Никакой уязвимости не нашли. Нашли ровно ту дверь, которую разработчик оставил открытой и подписал.

При этом метка изначально слабая там, где у модели нет свободы формулировки: короткие куски, код, вычитка, справки с единственно верным ответом. Она не указывает на автора, не привязана к пользователю и не отличает «Claude написал» от «Claude сильно отредактировал». Публичного детектора пока нет — API обещают «скоро». Так что итог недели такой: 15 тысяч звёзд собрал инструмент, чей главный приём — попросить чужую модель переписать текст.

Источники: Gizmodo · Anthropic · Analytics Vidhya

НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

История звучит как фантастика из ближайшего будущего. Берём обычный Wi-Fi, подключаем дешёвую плату ESP32 и получаем на экране человека, который находится за стеной. Без камеры, датчиков и браслетов.

Мне попался проект RuView: https://github.com/ruvnet/RuView, раньше он назывался WiFi-DensePose. На GitHub у него уже около 90 тысяч звёзд, а интернет забит роликами с аккуратными светящимися скелетами.

Я открыл репозиторий, документацию, модели и баг-репорты. Спойлер: это не пустышка. Но домашний рентген за девять долларов пока тоже не завезли.

Как Wi-Fi вообще может кого-то заметить

Роутер постоянно заполняет помещение радиоволнами. Они отражаются от стен, мебели и людей. Когда человек двигается или просто дышит, рисунок отражений немного меняется.

Совместимое железо может отдавать CSI, то есть подробные данные о состоянии радиоканала. Программа получает не фотографию, а огромный набор колебаний амплитуды и фазы.

Если совсем по-человечески, Wi-Fi не видит человека. Он слышит, как тело портит радиоэхо в комнате.

Из этого эха сравнительно легко понять, что кто-то вошёл, вышел или начал двигаться. Дыхание тоже создаёт периодические изменения. А вот восстановить положение рук, ног и головы намного сложнее. Для этого модель приходится обучать на синхронной записи Wi-Fi и камеры, причём конкретная комната сильно влияет на результат.

Что придётся купить

Обычный ноутбук или домашний роутер чаще всего показывает только RSSI, грубую силу сигнала. Этого достаточно для примитивного обнаружения движения, но не для человеческого скелета.

Для нормального CSI проект предлагает ESP32-S3 или ESP32-C6. Одна плата стоит примерно 6-10 долларов, однако в документации советуют использовать несколько узлов. Комплект из трёх-шести ESP32-S3 оценивается примерно в 54 доллара.

Тут есть важный момент. Быстрый запуск через Docker использует симулированные данные. Красивый интерфейс откроется даже без единой платы, но это демонстрация программы, а не доказательство того, что ваш роутер уже увидел соседа.

Официальная demo-визуализация из репозитория RuView.

А где подвох

Разработчики сейчас довольно честно расписали состояние разных частей проекта.

Захват CSI, обработка сигнала, присутствие и движение существуют в коде. Есть прошивка для ESP32, инструкции, модели и открытая лицензия MIT.

А вот самый эффектный режим с 17 точками тела пока сырой. Встроенная модель показывает около 3% PCK@20. Проще говоря, до надёжного восстановления позы ей очень далеко. Более того, текущий путь выполнения этой модели всё ещё возвращает центрированный скелет-заглушку с confidence=0.

В README также есть красивая цифра 82,69% PCK@20, но она относится к отдельному тесту на подготовленном датасете MM-Fi. Это не результат живой работы одного ESP32 в случайной квартире.

Часть демонстраций использует симуляцию. В другом режиме эталонную позу даёт веб-камера, а Wi-Fi добавляется как второй источник данных. В коротком вирусном ролике эта разница обычно теряется.

Не всё гладко и у тех, кто пытался повторить сборку. Один пользователь не смог получить нормальную позу с четырьмя ESP32-S3: https://github.com/ruvnet/RuView/issues/509. Другой подключил шесть узлов, видел входящие пакеты, но скелет не двигался: https://github.com/ruvnet/RuView/issues/386.

Так это фейк или нет

Ни то ни другое.

Физика настоящая. Исследователи уже восстанавливали позу по Wi-Fi в контролируемых условиях. Например, это показано в работе DensePose From WiFi: https://arxiv.org/abs/2301.00250.

RuView тоже не состоит из одного README. Внутри есть прошивка, обработка CSI, модели и активная разработка. Система обнаружения присутствия сама по себе уже интересна для умного дома, охраны, автоматического света и экспериментов без камеры.

Но между «радиоволны чувствуют человека» и «плата за девять долларов рисует точный скелет через стену» пока лежит огромная инженерная пропасть.

Если бы я собирал такой стенд дома, то начал бы с двух-трёх ESP32-S3 и простой цели: заметить человека в соседней комнате. Потом добавил бы калибровку, запись сырых CSI и проверку дыхательного ритма. Позу оставил бы на потом, когда появится воспроизводимая модель, а не только эффектная визуализация.

И всё равно проект крутой. Не потому, что он уже превратил Wi-Fi в камеру, а потому, что показывает, насколько много информации прячется в обычном радиосигнале вокруг нас.

Я собираю подобные проекты и проверяю, что в них реально работает, в Telegram-канале «НЕЙРОЦЕХ»: https://t.me/neurotsekh_ai. Если вам тоже интереснее заглянуть в код и баг-репорты, чем пересказывать вирусный заголовок, заходите.