BIMgent — это ИИ-агент, заточенный самостоятельно создавать 3D-модели зданий, работая в проектировочном софте через его графический интерфейс, как если бы за компьютером сидел человек. Вот как он это делает:

1️⃣Получает исходные данные. BIMgent принимает на вход текст и изображения и преобразует их в структурированные данные для моделирования.

2️⃣ Составляет план работ — в этом ему помогают RAG и два иерархических планировщика. Высокоуровневый стратегически готовит последовательность действий на основе документации («в модели должны быть окна»). Низкоуровневый отвечает за конкретную навигацию — подбирая параметры и кнопки («окна можно добавить вот этой командой»).

3️⃣ Выполняет операции через интерфейс программы — «управляет мышкой и клавиатурой», шаг за шагом наполняя модель элементами.

4️⃣ Рефлексирует над ошибками и пытается их исправить. Во время работы система проверяет, получилось ли выполнить действие, следит за состоянием модели, и если что-то идёт не так, пытается понять и исправить причину.

Результат (на основе 25 примеров)
🔵Последовательность действий для создания стен и проемов BIMgent выдавал с точностью 86,6% и 95,1% соответственно.
🔵А в 32% случаев — успешно сформировал полноценную и законченную модель здания по заданным исходным данным.

Репозиторий на Гитхабе.
Статья 2506.07217 на arxiv.org.
#агенты

Вот такую картинку мне выдала Креа на запрос «открытка ко Дню интегратора цифровых решений»

Редакция Всеостройке.pф поздравляет с Международным днем специалистов по цифровому внедрению всех причастных к распространению технологий в отрасли

Что бы вы ни внедряли: чат-бота на 20 человек, роботов на площадку, ИИ на атомную станцию или что-то другое — продолжайте. Вы делаете этот мир удобнее и прекраснее. Интегрируйтесь друг с другом, делитесь лучшими технологиями, будьте счастливы и здоровы🟣

В NotebookLM появились видеообзоры — просто загружаете документ в формате текста, pdf, изображения, и он создает презентацию с озвучкой

Что может
⚫️Генерирует серии слайдов с иллюстрациями, цитатами, данными и диаграммами из исходных материалов.

⚫️Позволяет удобно управлять просмотром: перематывать на 10 секунд вперёд/назад, регулировать скорость воспроизведения.

⚫️Можно сохранять сразу несколько таких видеообзоров в одном блокноте для разных тем и документов.

Сейчас доступен только английский, но Google обещает скоро расширить поддержку и на другие языки. Бесплатно можно сделать 3 видеообзора в день.

Впереди выходные — так что я снова принесла подборку самых полезных и пересылаемых постов. Почитайте, если пропустили.


Полезности от отечественных коллег по цеху

⚫️Из чего состоит корпоративная AI-LLM платформа Sminex — рассказал Павел Осипов, руководитель группы развития BI застройщика. Там LLM-модели, UI, сервисы ИИ-интеграции и инструменты для мониторинга и аналитики.

⚫️Весьма полезной штукой — способом классифицирования модели в Revit с помощью классификатора КЭЦИМ — поделился Александр Попов, техдиректор Сигнала. Там видео и материалы к нему.

⚫️У ТЕХНОНИКОЛЬ обнаружилось бесплатное приложение TN Check — оно помогает контролировать качество монтажа и состояние конструкций зданий — кровли, фасада, фундамента.

⚫️Сбер рассказал, какие навыки по ИИ ждет от соискателей на разные должности. Хотите работать в компании — это маст-рид.


Полезности от зарубежных коллег

⚫️Вот тут про BIMgent — про ИИ, который нажимает за проектировщика кнопки и знает, как проектировать двери, окна и всю модель.

⚫️Tencent показала Hunyuan3D World Model 1.0 — первую опенсорсную модель для генерации интерактивных 3D-миров с реалистичным освещением, текстурами и физикой.

⚫️RealEarth-Kontext — модель, которая делает из «плохих» скриншотов Google Earth вполне себе реалистичные имитации высококачественной аэрофотосъёмки.


Полезности от редактора (от меня то есть)

Делюсь подборкой советов бюро Горбунова и главой из книги «Практическая типографика» Мэтью Баттерика про интерлиньяж (межстрочный интервал). Смысл такой: чем длиннее строка по количеству слов, тем больше берите интерлиньяж. Кстати, интерлиньяж влияет и на то, как быстро люди ориентируются по навигации в ЖК, например.

Тем, кто хочет делать красивые и приятные пользовательскому глазу интерфейсы (фронтенду, например), — будет полезно.

Хороших вам выходных 🟣 #подборка

Runway открыла Aleph — модель для точечного редактирования видео с помощью текста

Что можно:
⚫️Бесшовно добавлять объекты в сцену. Например, добавить строительную технику на пустую площадку или 10 этажей сверху на котлован.
⚫️Изменять внешности персонажа: мимику, возраст, внешность, сохраняя их идентичность и движения.
⚫️Изменять свет — при этом он автоматически адаптируется естественно по всей сцене с учётом теней, отражений и цветовой температуры.

Попробовать можно здесь.

Исследователи из Яндекса в статье «Multichannel Keyword Spotting for Noisy Conditions» рассказали, как их умные устройства распознают речь и понимают команды (ключевые слова) в условиях сильного шума

Как вообще работает распознавание голосовых команд
Чтобы выполнить команду, из всех звуков в помещении — слов «Включи музыку», дрели соседа, криков детей, выпуска новостей по ТВ, разговора и шума кофемолки — нейросеть должна выделить именно ваши слова. Для этого ей нужно отделить шумы и эхо.

Основная проблема
Традиционные методы шумоподавления (beamforming, адаптивное шумоподавление) обрабатывали входной аудиоканал последовательно, вычищая шум и эхо и на каждом шаге теряя полезную информацию, искажая данные и ухудшая качество распознавания. Поэтому был высок процент ошибок пропуска ключевого слова (False Rejection Rate, FRR)

В итоге в шумной утренней квартире с окнами, открытыми на московское ТТК, вместо «Помощник, включи чайник» ИИ услышит «...ик... ключи... ай», посоветует попить воды, поднять руку вверх, а потом посетует, что не знает, где ваши ключи.

Бесит даже пример, а представляете, когда такое реально происходит, как выносит.

Как решили эту проблему в Яндексе
Они распараллелили процесс. Теперь у нейросети «два уха», каждое из которых обрабатывает входной сигнал по-своему:
🔵первое — методом шумоподавления (noise suppression) убирает шумы;
🔵второе — методом эхоподавления (echo cancellation) — эхо.

Оба варианта попадают в «мозг» ИИ — нейросеть с механизмом внимания. Её обучили на синтетических и реальных записях с шумами и эхом выбирать поток с меньшими искажениями. В реальном времени она анализирует оба варианта и динамически выбирает наиболее «чистый» и информативный сигнал или их комбинацию для последующего распознавания ключевых слов.

Как работает механизм внимания
🔵Для каждого варианта аудиосигнала создаются специальные числовые «веса внимания» — чем лучше и понятнее сигнал, тем больше вес.
🔵Нейросеть умножает характеристики входа на эти веса, «подсвечивая» важные и качественные данные.
🔵Это помогает сконцентрироваться именно на том потоке, где голос пользователя слышен лучше, игнорируя шумы и переотражения.

Сравнение с базовыми методами: 
⚫️Нейросеть с механизмом внимания снижает FRR.
⚫️Чистота звука улучшается, что повышает качество распознавания в шуме. 
⚫️Вычислительная нагрузка растёт незначительно, что позволяет использовать модель в режиме реального времени на устройствах.

Коротко одной строкой: метод Яндекса — это как если бы вас слушало сразу несколько человек, но отвечал бы тот, кто расслышал в моменте лучше всего. Это даёт заметный прирост качества распознавания в реальных шумных условиях.

Статья 2507.15558 на arxiv.org

Подборка самых пересылаемых постов на этой неделе

На этой неделе отличились прикладные инструменты — ничего лишнего, одна сплошная польза. Забирайте скопом, если пропустили по отдельности

Инструменты
🟣Shortcut — ИИ-агент для Excel, который быстро строит графики, делает расчёты, форматирует таблицы и автоматизирует рутины по запросу на обычном языке

🟣Joyplan — мобильное приложение для создания 3D-планов домов и дизайна интерьеров с поддержкой многослойного моделирования и нестандартных архитектурных решений.

🟣CAD-Atlas — сервис, который предоставляет высококачественные CAD-файлы крупных городов мира для градостроительства

🟣Make — бесплатный ИИ-генератор сайтов от Figma.

Юмор
🟣Если бы эйчары говорили правду...

Пересылайте эту подборку друзьям.
А если есть что нам рассказать: интриги, скандалы, расследования пресс-релизы, кейсы, исследования — не стесняйтесь и пишите прямо в бот @alliance_of_digital_leaders_bot

Роман Куцев, автор LLM Арены, поделился на Хабре подробным разбором Retrieval-Augmented Generation (RAG).

О чём статья:

⚫️ Что такое RAG — гибрид поиска и генерации, который делает ответы ИИ более точными.

⚫️Как работает — модель ищет релевантные документы и использует их для генерации ответа.

⚫️Чем RAG отличается от файнтюнинга, что и зачем выбирать, плюсы и минусы подходоа.

⚫️Практические советы — как настраивать RAG для лучших результатов.

Статья будет полезна всем, кто работает с LLM или интересуется NLP. Рекомендую.

AI Real Estate Assistant — это опенсорсный диалоговый ИИ-агент для помощи брокерам и менеджерам отделов продаж застройщика в подборе недвижимости клиентам

Для ответов пользователям приложение использует RAG, LLM и наборы данных в формате CSV с весьма подробной информацией об объекте — от города и количества комнат до расстояния до ближайшего продуктового и велопарковки. Нужно только подготовить свои данные и векторизовать их. Код открыт, поэтому можно добавлять свои строки с нужными параметрами.

Технический стек
🔵Фронтенд: Streamlit
🔵Бекэнд: Python (3.11+)
🔵AI/ML: LangChain, OpenAI GPT models, Llama models
🔵Обработка данных: Pandas, FastEmbed
🔵Векторное хранилище: DocArrayInMemorySearch, ChromaDB
🔵Менеджер пакетов: Poetry

Репозиторий на Гитхабе.
#агенты