alexpiar/be-ambitious-harness

date-released: 2026-10-25 license: MIT repository-code: "https://github.com/alexpiar/be-ambitious-harness"

license: MIT repository-code: "https://github.com/alexpiar/be-ambitious-harness" abstract: >-

repository-code: "https://github.com/alexpiar/be-ambitious-harness"

![Escenarios](https://img.shields.io/badge/escenarios-6-blue) ![Roles](https://img.shields.io/badge/roles-planificador%20%7C%20ejecutor%20%7C%20verificador-informational) ![Evaluaciones](https://img.shields.io/badge/evaluaciones-2%20de%208%

**Instalación:** `git clone https://github.com/alexpiar/be-ambitious-harness.git ~/.claude/skills/be-ambitious-harness` y luego `/be-ambitious-harness` en Claude Code. Detalles y la versión en ruso — en [Instalación](#instalación).

El 13 de octubre de 2026, Felix Rieseberg, gerente de ingeniería (engineering manager) en Anthropic que ha dirigido la ingeniería de Claude.ai, Cowork y Claude Code Desktop, publicó [*How to be more ambitious: A tutorial for humans with mod

En pocos días aparecieron skills de la comunidad: [`be-ambitious` de DannyMac180](https://github.com/DannyMac180/skills) envuelve ese prompt, y [robonuggets/be-ambitious](https://github.com/robonuggets/be-ambitious) convierte la altitud, la

| Modo de fallo | Qué dice la investigación | Qué hace el harness al respecto | |---|---|---| | **Saturación de restricciones** | El seguimiento fiable de instrucciones se viene abajo por encima de 5–6 restricciones simultáneas en una sola 

|---|---|---| | **Saturación de restricciones** | El seguimiento fiable de instrucciones se viene abajo por encima de 5–6 restricciones simultáneas en una sola generación; en 15 modelos con k=8, cada restricción por separado se sigue cumpli

| **Saturación de restricciones** | El seguimiento fiable de instrucciones se viene abajo por encima de 5–6 restricciones simultáneas en una sola generación; en 15 modelos con k=8, cada restricción por separado se sigue cumpliendo ~41% de l

| **Las instrucciones negativas resultan contraproducentes** | Nombrar una palabra prohibida predispone al modelo a producirla; en los fallos, la señal de supresión es 4.4× más débil ([Rana, preprint de 2026](https://arxiv.org/abs/2601.0807

| **Sesgo de autopreferencia** | Los jueces LLM puntúan más alto el texto de baja perplejidad que los evaluadores humanos, sin importar quién lo haya escrito ([Wataoka et al., NeurIPS 2024 Safe Generative AI Workshop](https://arxiv.org/abs/

La investigación sobre fijación de objetivos muestra que los objetivos específicos y difíciles superan al "haz lo mejor que puedas" ([Locke & Latham, 2002](https://med.stanford.edu/content/dam/sm/s-spire/documents/PD.locke-and-latham-retros

**Comprobación de entrada, 21 oct. 2026** — [registro completo](evals/runs/2026-10-21-gate/). Dos tareas de evaluación (T3: código; L2: la trampa "criterio frente a datos" sobre un conjunto de datos de pérdida de clientes), el harness frent

git clone https://github.com/alexpiar/be-ambitious-harness.git ~/.claude/skills/be-ambitious-harness

git clone https://github.com/alexpiar/be-ambitious-harness.git /tmp/be-ambitious-harness

**¿Por qué un LLM no debería evaluar su propio trabajo?** Porque en el estudio de Wataoka et al., los jueces LLM puntuaron más alto que los evaluadores humanos el texto de baja perplejidad, es decir, familiar para el juez, lo hubieran escri

Porque en el estudio de Wataoka et al., los jueces LLM puntuaron más alto que los evaluadores humanos el texto de baja perplejidad, es decir, familiar para el juez, lo hubieran escrito ellos o no; GPT-4 mostró la autopreferencia más fuerte 

- F. Rieseberg — [How to be more ambitious: A tutorial for humans with models](https://felixrieseberg.com/how-to-be-more-ambitious-a-tutorial-for-humans-with-models/) (13 oct. 2026). Altitud / profundidad / amplitud; juez externo; el prompt

- M. I. Vasileva — [Large Language Models Can Follow Instructions, But Not Many at Once: Phase Transitions in Compositional Constraint Satisfaction](https://arxiv.org/abs/2608.12426) (arXiv, 2026; póster en el 2nd Workshop on Compositional 

- S. Rana — [Semantic Gravity Wells: Why Negative Constraints Backfire](https://arxiv.org/abs/2601.08070) (preprint de arXiv, 2026). Nombrar una palabra prohibida la vuelve más probable.

- K. Wataoka, T. Takahashi, R. Ri — [Self-Preference Bias in LLM-as-a-Judge](https://arxiv.org/abs/2410.21819) (NeurIPS 2024 Safe Generative AI Workshop). Los jueces favorecen el texto de baja perplejidad.

- G. Seijts, G. Latham — *The effect of distal learning, outcome, and proximal goals on a moderately complex task* (Journal of Organizational Behavior, 2001); *Learning versus performance goals: When should each be used?* (Academy of Manage

- N. Edwards, S. Schuster — [Ask or Assume? Uncertainty-Aware Clarification-Seeking in Coding Agents](https://arxiv.org/abs/2603.26233) (arXiv, 2026). En una versión subespecificada de SWE-bench Verified, separar la detección de la subespec

![Scenarios](https://img.shields.io/badge/scenarios-6-blue) ![Roles](https://img.shields.io/badge/roles-planner%20%7C%20worker%20%7C%20verifier-informational) ![Eval runs](https://img.shields.io/badge/eval%20runs-2%20of%208%20tasks-yellow) 

**Install:** `git clone https://github.com/alexpiar/be-ambitious-harness.git ~/.claude/skills/be-ambitious-harness`, then `/be-ambitious-harness` in Claude Code. Details and the Russian version — [Install](#install).

On 13 October 2026 Felix Rieseberg, an engineering manager at Anthropic who has led engineering for Claude.ai, Cowork and Claude Code Desktop, published [*How to be more ambitious: A tutorial for humans with models*](https://felixrieseberg.

Community skills followed within days: [DannyMac180's `be-ambitious`](https://github.com/DannyMac180/skills) wraps that prompt, and [robonuggets/be-ambitious](https://github.com/robonuggets/be-ambitious) turns altitude, depth and range into

| Failure mode | What the research says | What the harness does about it | |---|---|---| | **Constraint saturation** | Reliable instruction following breaks down beyond 5–6 simultaneous constraints in a single generation; across 15 models a

|---|---|---| | **Constraint saturation** | Reliable instruction following breaks down beyond 5–6 simultaneous constraints in a single generation; across 15 models at k=8, individual constraints still pass ~41% of the time, but all eight ho

| **Constraint saturation** | Reliable instruction following breaks down beyond 5–6 simultaneous constraints in a single generation; across 15 models at k=8, individual constraints still pass ~41% of the time, but all eight hold together on

| **Negative instructions backfire** | Naming a forbidden word primes the model to produce it; in failures the suppression signal is 4.4× weaker ([Rana, 2026 preprint](https://arxiv.org/abs/2601.08070); one model, Qwen2.5-7B-Instruct) | Ins

| **Self-preference bias** | LLM judges rate low-perplexity text higher than human evaluators do, regardless of who wrote it ([Wataoka et al., NeurIPS 2024 Safe Generative AI Workshop](https://arxiv.org/abs/2410.21819)) | The verifier sees 

Goal-setting research shows that specific, difficult goals beat "do your best" ([Locke & Latham, 2002](https://med.stanford.edu/content/dam/sm/s-spire/documents/PD.locke-and-latham-retrospective_Paper.pdf)). But where a task first requires 

**Gate check, 21 Oct 2026** — [full record](evals/runs/2026-10-21-gate/). Two eval tasks (T3: code; L2: the "criterion vs data" trap on a churn dataset), the harness against the single-skill [robonuggets/be-ambitious](https://github.com/rob

git clone https://github.com/alexpiar/be-ambitious-harness.git ~/.claude/skills/be-ambitious-harness

git clone https://github.com/alexpiar/be-ambitious-harness.git /tmp/be-ambitious-harness

**Why shouldn't an LLM grade its own work?** Because in Wataoka et al.'s study LLM judges rated low-perplexity — familiar-to-the-judge — text higher than human evaluators did, whether or not they wrote it; GPT-4 showed the strongest self-pr

Because in Wataoka et al.'s study LLM judges rated low-perplexity — familiar-to-the-judge — text higher than human evaluators did, whether or not they wrote it; GPT-4 showed the strongest self-preference ([Wataoka et al.](https://arxiv.org/

- F. Rieseberg — [How to be more ambitious: A tutorial for humans with models](https://felixrieseberg.com/how-to-be-more-ambitious-a-tutorial-for-humans-with-models/) (13 Oct 2026). Altitude / depth / range; outside judge; the original prom

- M. I. Vasileva — [Large Language Models Can Follow Instructions, But Not Many at Once: Phase Transitions in Compositional Constraint Satisfaction](https://arxiv.org/abs/2608.12426) (arXiv, 2026; poster at the 2nd Workshop on Compositional

- S. Rana — [Semantic Gravity Wells: Why Negative Constraints Backfire](https://arxiv.org/abs/2601.08070) (arXiv preprint, 2026). Naming a forbidden word primes it.

- K. Wataoka, T. Takahashi, R. Ri — [Self-Preference Bias in LLM-as-a-Judge](https://arxiv.org/abs/2410.21819) (NeurIPS 2024 Safe Generative AI Workshop). Judges favor low-perplexity text.

- G. Seijts, G. Latham — *The effect of distal learning, outcome, and proximal goals on a moderately complex task* (Journal of Organizational Behavior, 2001); *Learning versus performance goals: When should each be used?* (Academy of Manage

- N. Edwards, S. Schuster — [Ask or Assume? Uncertainty-Aware Clarification-Seeking in Coding Agents](https://arxiv.org/abs/2603.26233) (arXiv, 2026). On an underspecified SWE-bench Verified, splitting underspecification detection from code

![Сценарии](https://img.shields.io/badge/%D1%81%D1%86%D0%B5%D0%BD%D0%B0%D1%80%D0%B8%D0%B8-6-blue) ![Роли](https://img.shields.io/badge/%D1%80%D0%BE%D0%BB%D0%B8-%D0%BF%D0%BB%D0%B0%D0%BD%D0%B8%D1%80%D0%BE%D0%B2%D1%89%D0%B8%D0%BA%20%7C%20%D0%B

**Установка:** `git clone https://github.com/alexpiar/be-ambitious-harness.git ~/.claude/skills/be-ambitious-harness` — и `/be-ambitious-harness` в Claude Code. Подробности и русская версия файлов — в разделе [Установка](#установка).

13 октября 2026 года Феликс Ризеберг — инженерный менеджер Anthropic, руководивший разработкой Claude.ai, Cowork и Claude Code Desktop, — опубликовал [руководство о том, как быть амбициознее с ИИ](https://felixrieseberg.com/how-to-be-more-a

За несколько дней появились скиллы сообщества: [`be-ambitious` от DannyMac180](https://github.com/DannyMac180/skills) оборачивает этот промпт, а [robonuggets/be-ambitious](https://github.com/robonuggets/be-ambitious) превращает высоту, глуб

| Ограничение | Что показывают исследования | Что делает харнесс | |---|---|---| | **Насыщение ограничениями** | Надёжное соблюдение инструкций рушится после 5–6 одновременных ограничений в одном ответе; по 15 моделям при k=8 отдельные огра

|---|---|---| | **Насыщение ограничениями** | Надёжное соблюдение инструкций рушится после 5–6 одновременных ограничений в одном ответе; по 15 моделям при k=8 отдельные ограничения выполняются в ~41 % случаев, а все восемь сразу — лишь в 5,

| **Насыщение ограничениями** | Надёжное соблюдение инструкций рушится после 5–6 одновременных ограничений в одном ответе; по 15 моделям при k=8 отдельные ограничения выполняются в ~41 % случаев, а все восемь сразу — лишь в 5,7 % ([Vasileva

| **Негативные инструкции подсвечивают запрещённое** | Упоминание запрещённого слова праймит модель на его выдачу: в 87,5 % нарушений инструкция активирует, а не подавляет целевое слово, и в провалах подавление в 4,4 раза слабее ([Rana, пре

| **Самопредпочтение** | LLM-судьи ставят привычному для них тексту (с низкой перплексией) оценки выше, чем люди, — независимо от того, кто его написал ([Wataoka et al., воркшоп Safe Generative AI, NeurIPS 2024](https://arxiv.org/abs/2410.2

Конкретные трудные цели работают лучше, чем «сделай как можно лучше» ([Locke & Latham, 2002](https://med.stanford.edu/content/dam/sm/s-spire/documents/PD.locke-and-latham-retrospective_Paper.pdf)). Но там, где сначала нужно освоить знания и

**Входная проверка запуска, 21.10.2026** — [полная запись](evals/runs/2026-10-21-gate/). Две задачи из тестов (T3 — код; L2 — ловушка «критерий под данные» на данных об оттоке): харнесс против одиночного скилла [robonuggets/be-ambitious](ht

git clone https://github.com/alexpiar/be-ambitious-harness.git /tmp/be-ambitious-harness

git clone https://github.com/alexpiar/be-ambitious-harness.git ~/.claude/skills/be-ambitious-harness

**Почему модели нельзя оценивать собственную работу?** Потому что в исследовании Wataoka et al. LLM-судьи ставили привычному для них тексту (с низкой перплексией) оценки выше, чем люди, — независимо от того, кто его написал; сильнее всего с

Потому что в исследовании Wataoka et al. LLM-судьи ставили привычному для них тексту (с низкой перплексией) оценки выше, чем люди, — независимо от того, кто его написал; сильнее всего самопредпочтение проявилось у GPT-4 ([Wataoka et al.](ht

- F. Rieseberg — [How to be more ambitious: A tutorial for humans with models](https://felixrieseberg.com/how-to-be-more-ambitious-a-tutorial-for-humans-with-models/) (13.10.2026). Высота, глубина, широта; внешний судья; исходный промпт.

- M. I. Vasileva — [Large Language Models Can Follow Instructions, But Not Many at Once: Phase Transitions in Compositional Constraint Satisfaction](https://arxiv.org/abs/2608.12426) (arXiv, 2026; постер 2nd Workshop on Compositional Learni

- S. Rana — [Semantic Gravity Wells: Why Negative Constraints Backfire](https://arxiv.org/abs/2601.08070) (препринт arXiv, 2026). Упоминание запрещённого слова его праймит.

- K. Wataoka, T. Takahashi, R. Ri — [Self-Preference Bias in LLM-as-a-Judge](https://arxiv.org/abs/2410.21819) (воркшоп Safe Generative AI, NeurIPS 2024). Судьи предпочитают текст с низкой перплексией.

- G. Seijts, G. Latham — *The effect of distal learning, outcome, and proximal goals on a moderately complex task* (Journal of Organizational Behavior, 2001); *Learning versus performance goals: When should each be used?* (Academy of Manage

- N. Edwards, S. Schuster — [Ask or Assume? Uncertainty-Aware Clarification-Seeking in Coding Agents](https://arxiv.org/abs/2603.26233) (arXiv, 2026). На недоопределённом SWE-bench Verified разделение детекции недоопределённости и исполнени

![场景](https://img.shields.io/badge/%E5%9C%BA%E6%99%AF-6-blue) ![角色](https://img.shields.io/badge/%E8%A7%92%E8%89%B2-%E8%A7%84%E5%88%92%E8%80%85%20%7C%20%E6%89%A7%E8%A1%8C%E8%80%85%20%7C%20%E9%AA%8C%E8%AF%81%E8%80%85-informational) ![评测运行](h

**安装：**`git clone https://github.com/alexpiar/be-ambitious-harness.git ~/.claude/skills/be-ambitious-harness`，然后在 Claude Code 中输入 `/be-ambitious-harness`。详细说明及俄文版本见[安装](#安装)。

2026 年 10 月 13 日，Anthropic 的工程经理 Felix Rieseberg（曾带领 Claude.ai、Cowork 和 Claude Code Desktop 的工程团队）发表了 [*How to be more ambitious: A tutorial for humans with models*](https://felixrieseberg.com/how-to-be-more-ambitious-a-tutorial-for-humans-

几天之内，社区技能相继出现：[DannyMac180 的 `be-ambitious`](https://github.com/DannyMac180/skills) 封装了这段提示词；[robonuggets/be-ambitious](https://github.com/robonuggets/be-ambitious) 则把高度、深度和广度拆成步骤，然后直接动手完成工作。

| 失效模式 | 研究怎么说 | Harness 如何应对 | |---|---|---| | **约束饱和** | 单次生成中同时存在的约束超过 5–6 条后，可靠的指令遵循就会崩溃；在 15 个模型、k=8 的条件下，单条约束的通过率仍有约 41%，但八条同时满足的比例只有 5.7%（[Vasileva, arXiv:2608.12426](https://arxiv.org/abs/2608.12426)；ICML 2026 研讨会海报） | 每个角色只拿到自己这一步的

|---|---|---| | **约束饱和** | 单次生成中同时存在的约束超过 5–6 条后，可靠的指令遵循就会崩溃；在 15 个模型、k=8 的条件下，单条约束的通过率仍有约 41%，但八条同时满足的比例只有 5.7%（[Vasileva, arXiv:2608.12426](https://arxiv.org/abs/2608.12426)；ICML 2026 研讨会海报） | 每个角色只拿到自己这一步的文件（每个 250–630 词）；结构来自模板，而不是靠上下文里

| **约束饱和** | 单次生成中同时存在的约束超过 5–6 条后，可靠的指令遵循就会崩溃；在 15 个模型、k=8 的条件下，单条约束的通过率仍有约 41%，但八条同时满足的比例只有 5.7%（[Vasileva, arXiv:2608.12426](https://arxiv.org/abs/2608.12426)；ICML 2026 研讨会海报） | 每个角色只拿到自己这一步的文件（每个 250–630 词）；结构来自模板，而不是靠上下文里记着的规则 |

| **否定式指令适得其反** | 点名一个禁用词，反而会促使模型把它生成出来；在失败案例中，抑制信号弱 4.4 倍（[Rana，2026 年预印本](https://arxiv.org/abs/2601.08070)；仅测试了一个模型：Qwen2.5-7B-Instruct） | 指令一律采用正面表述：用“只包含模板中的各部分”代替“不要包含分析” |

| **自我偏好偏差** | 无论文本出自谁手，LLM 评审给低困惑度文本的评分都高于人类评估者（[Wataoka et al., NeurIPS 2024 Safe Generative AI Workshop](https://arxiv.org/abs/2410.21819)） | 验证者只看目标、需求、标准、结果和证据，并且最好运行在另一个模型上——真正能改变评审所感知困惑度的正是这一点 |

目标设定研究表明，具体且有难度的目标胜过“尽力而为”（[Locke & Latham, 2002](https://med.stanford.edu/content/dam/sm/s-spire/documents/PD.locke-and-latham-retrospective_Paper.pdf)）。但如果任务首先需要获取新的知识或策略，具体且有难度的*绩效*目标可能还不如“尽力而为”，而具体且有难度的*学习*目标则效果更好（Seijts & Latham, 2001;

**关卡检查，2026 年 10 月 21 日**——[完整记录](evals/runs/2026-10-21-gate/)。两项评测任务（T3：代码；L2：用户流失数据集上的“标准 vs 数据”陷阱），在同一个模型上让本 Harness 与单一技能 [robonuggets/be-ambitious](https://github.com/robonuggets/be-ambitious) 对比，由运行在另一个模型上的盲评评分者打分。规程和通过标准在第一次运行之前就已提交。

git clone https://github.com/alexpiar/be-ambitious-harness.git ~/.claude/skills/be-ambitious-harness

git clone https://github.com/alexpiar/be-ambitious-harness.git /tmp/be-ambitious-harness

**为什么不应该让 LLM 给自己的工作打分？** 因为在 Wataoka 等人的研究中，LLM 评审给低困惑度文本（也就是评审自己“眼熟”的文本）打的分高于人类评估者，无论这些文本是不是它们自己写的；其中 GPT-4 的自我偏好最强（[Wataoka et al.](https://arxiv.org/abs/2410.21819)）。在本 Harness 中，验证者永远看不到执行者的推理过程，理想情况下还运行在另一个模型上。

因为在 Wataoka 等人的研究中，LLM 评审给低困惑度文本（也就是评审自己“眼熟”的文本）打的分高于人类评估者，无论这些文本是不是它们自己写的；其中 GPT-4 的自我偏好最强（[Wataoka et al.](https://arxiv.org/abs/2410.21819)）。在本 Harness 中，验证者永远看不到执行者的推理过程，理想情况下还运行在另一个模型上。

- F. Rieseberg — [How to be more ambitious: A tutorial for humans with models](https://felixrieseberg.com/how-to-be-more-ambitious-a-tutorial-for-humans-with-models/)（2026 年 10 月 13 日）。高度 / 深度 / 广度；外部评审；最初的那段提示词。

- M. I. Vasileva — [Large Language Models Can Follow Instructions, But Not Many at Once: Phase Transitions in Compositional Constraint Satisfaction](https://arxiv.org/abs/2608.12426)（arXiv，2026；ICML 2026 的 2nd Workshop on Compositional Lear

- S. Rana — [Semantic Gravity Wells: Why Negative Constraints Backfire](https://arxiv.org/abs/2601.08070)（arXiv 预印本，2026）。点名一个禁用词，反而会诱发它。

- K. Wataoka, T. Takahashi, R. Ri — [Self-Preference Bias in LLM-as-a-Judge](https://arxiv.org/abs/2410.21819)（NeurIPS 2024 Safe Generative AI Workshop）。评审偏爱低困惑度的文本。

- G. Seijts, G. Latham — *The effect of distal learning, outcome, and proximal goals on a moderately complex task*（Journal of Organizational Behavior，2001）；*Learning versus performance goals: When should each be used?*（Academy of Management

- N. Edwards, S. Schuster — [Ask or Assume? Uncertainty-Aware Clarification-Seeking in Coding Agents](https://arxiv.org/abs/2603.26233)（arXiv，2026）。在需求描述不充分的 SWE-bench Verified 上，把“识别需求欠明确之处”与“执行代码”拆开后，一个具备不确定性感知的智能体的解决率从 61.2% 提高到 69.4%（Op

Executable file

[Credential-related source omitted]

Executable file

Executable file

Executable file

Executable file

Эталон — решение задачи из `evals/tasks.md`, которое проходит все её условия «Провал» и скрытый оракул, если он у задачи есть. Он доказывает две вещи: задача решаема, а грейдеры настроены — правильное решение они принимают. Методика — Anthr

#!/usr/bin/env python3

Executable file

Executable file

Executable file

Executable file

Executable file

Executable file

#!/usr/bin/env bash

trap 'rm -rf "$WORK"' EXIT

Executable file

1. Eurostat. Use of artificial intelligence in enterprises. Statistics Explained, данные извлечены в декабре 2025. https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Use_of_artificial_intelligence_in_enterprises

2. U.S. Census Bureau. Large Firms With at Least 20 Employees Biggest AI Users. 26.05.2026. https://www.census.gov/library/stories/2026/05/ai-use-businesses.html

3. Allen J. S. Monitoring AI Adoption in the US Economy. FEDS Notes, Board of Governors of the Federal Reserve System, 03.04.2026. https://www.federalreserve.gov/econres/notes/feds-notes/monitoring-ai-adoption-in-the-u-s-economy-20260403.ht

4. KPMG. AI's Value Story Sharpens as Organizations Gain Confidence in Governance, Accountability and Workforce Adoption (Q3 2026 AI Quarterly Pulse Survey). 24.09.2026. https://kpmg.com/us/en/media/news/q3-ai-pulse-2026.html

действие:            поиск первичных источников о доле компаний с ИИ или ИИ-агентами; каждый открыт, цитата с числом найдена в тексте страницы материалы:           веб-поиск; curl наблюдаемый результат: первичных источников с данными за пос

материалы:           веб-поиск; curl наблюдаемый результат: первичных источников с данными за последние 12 месяцев — 3: Евростат (декабрь 2025), Бюро переписи США (май 2026),                      KPMG (сентябрь 2026); плюс анализ ФРС (апрел

| № | Источник | Тип | Что подтверждает в статье | Цитата | |---|---|---|---|---| | 1 | Eurostat, «Use of artificial intelligence in enterprises», Statistics Explained; данные извлечены в декабре 2025, следующее обновление — декабрь 2026. h

|---|---|---|---|---| | 1 | Eurostat, «Use of artificial intelligence in enterprises», Statistics Explained; данные извлечены в декабре 2025, следующее обновление — декабрь 2026. https://ec.europa.eu/eurostat/statistics-explained/index.php?

| 1 | Eurostat, «Use of artificial intelligence in enterprises», Statistics Explained; данные извлечены в декабре 2025, следующее обновление — декабрь 2026. https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Use_of_artificia

| 1 | там же | | в ИИ входят генерация текста и кода и автоматизация процессов | «technologies generating written, spoken language or programming codes»; «technologies automating different workflows or assisting in decision-making» | | 1 | 

| 1 | там же | | выборка по всей экономике | «In 2025, 157 000 of the 1.53 million enterprises in the EU were surveyed.» | | 2 | U.S. Census Bureau, «Large Firms With at Least 20 Employees Biggest AI Users», America Counts, 26.05.2026; данн

| 2 | U.S. Census Bureau, «Large Firms With at Least 20 Employees Biggest AI Users», America Counts, 26.05.2026; данные BTOS 14.12.2025–03.05.2026. https://www.census.gov/library/stories/2026/05/ai-use-businesses.html | официальная статисти

| 2 | там же | | 37% компаний с 250+ сотрудниками | «37% of firms with at least 250 employees reported using AI in their business operations» | | 2 | там же | | выборка репрезентативна для страны | «The survey provides a biweekly, nationall

| 2 | там же | | выборка репрезентативна для страны | «The survey provides a biweekly, nationally representative view of AI implementation» | | 3 | Allen J. S., «Monitoring AI Adoption in the US Economy», FEDS Notes, Board of Governors of t

| 3 | Allen J. S., «Monitoring AI Adoption in the US Economy», FEDS Notes, Board of Governors of the Federal Reserve System, 03.04.2026. https://www.federalreserve.gov/econres/notes/feds-notes/monitoring-ai-adoption-in-the-u-s-economy-20260

| 3 | там же | | 78% и 54% работников — в фирмах с ИИ и с языковыми моделями | «estimates that 78 percent of the labor force works at firms that have adopted AI, and about 54 percent works at firms that use LLMs» | | 4 | KPMG, «AI's Value S

| 4 | KPMG, «AI's Value Story Sharpens as Organizations Gain Confidence in Governance, Accountability and Workforce Adoption», пресс-релиз Q3 2026 AI Quarterly Pulse Survey, 24.09.2026. https://kpmg.com/us/en/media/news/q3-ai-pulse-2026.htm

#!/usr/bin/env python3

Executable file

[Credential-related source omitted]

| 34 | 23:44:56 | Bash | `R=<gate>/runs/L2-A; PY=<gate>/venv/bin/python; cd $R/out && rm -rf results tmp/results_run2 && date +%H:%M:%S && OMP_NUM_THREADS=2 $PY -I churn.py all --csv ../data/events_2025.csv --out results > tmp/all_run1.txt 

Executable file

[Credential-related source omitted]

[Credential-related source omitted]

[Credential-related source omitted]

Executable file

[Credential-related source omitted]

Executable file

[Credential-related source omitted]

Executable file

Executable file

[Credential-related source omitted]

Executable file

Executable file

elig = cten[cten >= (wk + 1) * 7].index     rate[wk] = round(float(((ses_c.uid.isin(elig)) & (ses_c.wk_before == wk)).sum() / len(elig)), 2) nc = u[~u.event]

rate[wk] = round(float(((ses_c.uid.isin(elig)) & (ses_c.wk_before == wk)).sum() / len(elig)), 2) nc = u[~u.event] R["sessions_per_week_churners_by_weeks_before_cancel"] = rate

nc = u[~u.event]

|---|---|---| | **A — harness** | the full flow from `ru/SKILL.md`: planner → pre-flight → worker (fresh session) → verifier (fresh session) | planner and worker Claude Opus 5.5, verifier Claude Sonnet 5.5 | | **B — single skill** | [`robon

| **B — single skill** | [`robonuggets/be-ambitious`](https://github.com/robonuggets/be-ambitious) `SKILL.md` at commit `dc116a3`; the skill rewrites the task and does the work | Claude Opus 5.5 |

- `T3-A/`, `T3-B/`, `L2-A/`, `L2-B/` — prompts, journals, reports, verdicts, diffs, scripts, action logs. - `scoring/` — blind scores, scorer action logs, coin-flip mappings. - `*/tmp/` — the arms' working files (intermediate outputs, scrat

- `scoring/` — blind scores, scorer action logs, coin-flip mappings. - `*/tmp/` — the arms' working files (intermediate outputs, scratch scripts, second-run results): moved out of the tree on 25 Oct 2026 and kept unchanged as a release asse

- `*/tmp/` — the arms' working files (intermediate outputs, scratch scripts, second-run results): moved out of the tree on 25 Oct 2026 and kept unchanged as a release asset, [`gate-2026-10-21-tmp.tar.gz`](https://github.com/alexpiar/be-ambi

| 23 | 23:02:49 | Bash | `B=<gate>/runs/T3-A; J=$B/out/tmp/bin/jrun.sh rm -rf $B/out/tmp/clone-fix cat >> $B/out/journal.md <<EOF ### 5.5 Как у верификатора: чистые клоны (а) Новые тесты поверх 24f9d91 без фикса — клон \out/tmp/clone-base\,

| 29 | 23:03:53 | Bash | `B=<gate>/runs/T3-A; J=$B/out/tmp/bin/jrun.sh rm -rf $B/out/tmp/clone-fix $B/out/tmp/clone-base $B/out/tmp/after/* cat >> $B/out/journal.md <<EOF ## $(date -u +%H:%M:%S) — 7. Повтор самопроверки на финальном коммите

| 15 | 23:15:42 | Bash | `cd <gate>/runs/T3-B && rm -rf out/tmp/before && mkdir -p out/tmp/before && cp -r repo/package.json repo/devices repo/test out/tmp/before/ && (cd repo && git archive HEAD src) / tar -x -C out/tmp/before && cd out/tm

| 17 | 23:16:05 | Bash | `cd <gate>/runs/T3-B && cat > out/tmp/mutate.sh <<'EOF' #!/usr/bin/env bash # Мутационная проверка: ломаем парсер по-разному и смотрим, ловят ли это тесты set -u SRC=$1; WORK=$2 run() { local name=$1 expr=$2 rm -rf 

| 21 | 23:17:07 | Bash | `cd <gate>/runs/T3-B && rm -rf out/tmp/count && mkdir -p out/tmp/count && cp -r repo/package.json repo/src repo/devices repo/test out/tmp/count/ && cd out/tmp/count && perl -0pi -e 's/(\s+)if \(icu\.toString\(\) !==

Executable file

Executable file

#!/usr/bin/env node

Executable file

Executable file

Executable file

Executable file

Executable file

Executable file

Executable file

Executable file

|---|---|---| | **A — харнесс** | полный поток по `ru/SKILL.md`: планировщик → pre-flight (оркестратор) → воркер в новой сессии → верификатор в новой сессии | планировщик и воркер — Claude Opus 5.5; верификатор — Claude Sonnet 5.5 | | **B —

| **B — одиночный скилл** | `SKILL.md` из [robonuggets/be-ambitious](https://github.com/robonuggets/be-ambitious), коммит `dc116a3ebd8cf772e4d0930626f67369bd60399d`, sha256 `b180b90b…3c5b`; скилл сам переписывает задачу и выполняет её | Cla

| 4 | 17:48:09 | Bash | `V=$V; cd $V/verifier; rm -rf clone; git clone -q $V/repo clone; cd clone; git checkout -q fix/settings-crash; git diff base HEAD / diff - $V/result/fix.diff && echo SAMEDIFF; git status --short; node -v echo "--- np

| 4 | 17:50:52 | Bash | `V=$V; mkdir -p $V/verifier; cd $V/verifier; rm -rf clone; git clone -q $V/repo clone; cd clone; git checkout -q fix/settings-crash; npm test 2>&1 / tail -12; node -e "for (const l of ['de','pt','fil']) console.log(J

#!/usr/bin/env python3

#!/usr/bin/env python3

#!/usr/bin/env python3

seen = False         for n, line in enumerate(lines, 1):             for m in re.finditer(r"https://img\.shields\.io/badge/([^)\s\"'>?]+)", line):

for n, line in enumerate(lines, 1):             for m in re.finditer(r"https://img\.shields\.io/badge/([^)\s\"'>?]+)", line):                 parts = split_badge(m.group(1))

for m in re.finditer(r"https://img\.shields\.io/badge/([^)\s\"'>?]+)", line):

Executable file