Сопровождающий ядра Linux сообщает о внезапном улучшении качества отчётов об ошибках, созданных искусственным интеллектом.

Грег Кроа-Хартман, давний сопровождающий ядра Linux, сообщает о значительном изменении в AI-сгенерированных отчётах об ошибках для ядра Linux. Примерно месяц назад отчёты перешли от того, что он называет 'AI-помои' — очевидно ошибочных или низкокачественных отчётов о безопасности — к легитимным, полезным находкам.
Переломный момент
Кроа-Хартман отмечает, что 'что-то произошло месяц назад, и мир переключился. Теперь у нас настоящие отчёты'. Этот сдвиг не ограничивается ядром Linux — он утверждает, что все проекты с открытым исходным кодом наблюдают аналогичные легитимные AI-сгенерированные отчёты. Команды безопасности крупных проектов с открытым исходным кодом неформально обсуждают это изменение, и все переживают тот же переход.
Влияние на различные проекты
Команда ядра Linux, будучи более крупной и распределённой, может справиться с возросшим объёмом отчётов. Кроа-Хартман заявляет: 'Для ядра мы можем с этим справиться. Мы гораздо более крупная команда, очень распределённая, и наш рост реальный — и он не замедляется'. Однако он подразумевает, что у небольших проектов меньше возможностей поглотить этот внезапный поток правдоподобных AI-сгенерированных отчётов об ошибках.
Текущая роль ИИ в разработке ядра
В настоящее время ИИ проявляет себя скорее как рецензент и помощник, чем как полноправный автор кода ядра Linux, хотя эта грань начинает размываться. Кроа-Хартман провёл собственный эксперимент с AI-сгенерированными патчами: 'Я дал действительно глупый запрос. Я сказал: "Дайте мне это", и он выдал 60: "Вот 60 проблем, которые я нашёл, и вот исправления для них". Примерно треть была ошибочной, но они всё равно указывали на относительно реальную проблему, а две трети патчей были правильными.'
Он отмечает, что даже рабочие патчи всё равно требовали человеческой доработки, лучших описаний изменений и работы по интеграции. Для 'простых небольших условий ошибок, правильного обнаружения условий ошибок' ИИ уже сегодня может генерировать десятки пригодных к использованию патчей.
Реакция инструментария
Увеличение числа AI-сгенерированных отчётов стимулировало интеграцию ИИ в инфраструктуру проверки ядра. Ключевым инструментом является Sashiko, изначально разработанный в Google и теперь переданный Linux Foundation. Кроа-Хартман говорит: 'Нам нужно иметь лёгкий способ проверки некоторых из этих патчей, которые поступают таким образом, чтобы снизить нашу нагрузку'. Инструмент 'доступен, работает почти на всех патчах ядра' и публично видим, при этом интеграция в инструменты проверки продолжается.
📖 Прочитать полный источник: HN AI Agents
👀 Смотрите также

MTP Multi-Token Prediction: генерация токенов в 2 раза быстрее на AMD Strix Halo и Radeon 9700 AI Pro
Мультитокенное предсказание (MTP) обещает до 2-кратного ускорения генерации токенов для локальных LLM. Новое демо-видео показывает MTP на оборудовании AMD Strix Halo и Dual Radeon 9700 AI Pro, ориентированном на модели класса Qwen 3.6.

Ошибка биллинга в дизайне Claude: покупка дополнительного использования не применяется, бот поддержки блокирует платящих пользователей
Пользователь Claude Design заплатил $20 за дополнительное использование через поток покупок в приложении, но кредиты не применяются к отдельному лимиту использования Claude Design. Бот поддержки Fin неправильно понимает проблему, зацикливается на нерелевантных ответах и блокирует новые заявки без возможности эскалации человеку.

Стратегия Mistral с открытыми весами: оценка в $14 млрд на суверенитете, а не на бенчмарках
Mistral построил империю ИИ стоимостью $14 млрд, предлагая модели с открытым весом для правительств и предприятий, стремящихся к независимости от американских и китайских технологий. Выручка достигла $200 млн в 2025 году, с целью $80 млн в месяц к декабрю 2026 года.

Минимакс действительно устарел? Взгляд на текущие дебаты.
В мире ИИ и автоматизации технологий обсуждение на Reddit поднимает вопросы о целесообразности алгоритма Минимакс. Является ли он действительно устаревшим или всё ещё имеет ценность в современных приложениях ИИ?