devsp | Unsorted

Telegram-канал devsp - Data Science | Machinelearning [ru]

19745

Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM. MAX - https://max.ru/devsp Личный блог - @just_genych По вопросам рекламы или разработки - @g_abashkin РКН: https://vk.cc/cJPGXD

Subscribe to a channel

Data Science | Machinelearning [ru]

Дотянет ли квота до сброса? Как автор считает прогноз по Claude Code, Codex и Kimi Code

У подписки на Claude Code лимитов, если кто не в курсе, два: пятичасовой сеанс и недельное окно. /usage остаток покажет — только пока сессия открыта, и только по одному аккаунту. А тебе обычно нужно другое: до сброса дотянешь, если вкалываешь в том же темпе?

Вот автор и собрал claude-limits — локальную страницу, куда стягиваются все логины Claude Code, Codex и Kimi Code, и на каждое окно по два прогноза: сколько останется к сбросу и на какую долю окна растянется квота. Дальше он объясняет, как это считается, где накосячил (прогноз слишком рано, ночь и выходные, ответы 429) и почему утилита написана на Nova — языке, который он сам и пилит.

Читать далее

👉 Telegram | Max

Читать полностью…

Data Science | Machinelearning [ru]

🤣 Явный признак

💥 xCode Journal

Читать полностью…

Data Science | Machinelearning [ru]

Александр Михеев, ML-инженер Центра гибридного интеллекта в Рунити, разбирает, что делали после reranker. В первой статье речь была про улучшение поиска почти по 35 тысячам страниц Confluence. И главный намёк дали метрики: нужный материал частенько уже был среди кандидатов, просто валялся слишком низко. Reranker поднял нужные куски наверх и сделал выдачу заметно лучше.

Дальше цель такая: затащить этот поиск туда, где сотрудник работает. Разработчик вместе с агентом копается в сервисе, обсуждает правку в коде или ищет причину ошибки — и тут ему может понадобиться внутренняя дока, описание архитектуры или связанная таска в Jira.

А когда компоненты начали сращивать, выяснилось: один поиск — это ещё не вся работа. Даже с нормальной выдачей агент мог остаться без нужных документов после проверки прав или не дождаться, пока исследование доедет до конца. Именно на таких кейсах и смотрели, насколько жизнеспособной вышла интеграция.

Читать далее

👉 Telegram | Max

Читать полностью…

Data Science | Machinelearning [ru]

Можно ли построить головокружительную карьеру в науке и зарабатывать миллионы, соединив ученые степени и бизнес?

Шоу «НИИ Лидеры» — проект о людях, которые создают технологии будущего, управляют огромными институтами и двигают вперед целые индустрии.

В каждом выпуске руководители крупнейших научных коллективов, амбициозных проектов и лабораторий делятся своим реальным опытом.

Это шоу мощный источник вдохновения для студентов, молодых специалистов, предпринимателей и всех, кто хочет понять, как устроен современный высокотехнологичный мир изнутри.

🎬 Включайте шоу «НИИ Лидеры» и смотрите интервью с новаторами
, которые меняют нашу реальность прямо сейчас!

Проект создан при поддержке ИРИ.
#реклама
О рекламодателе

Читать полностью…

Data Science | Machinelearning [ru]

🤣 Эффективное распределение ресурсов выглядит так

💥 xCode Journal

Читать полностью…

Data Science | Machinelearning [ru]

MiniCPM-V 4.7 35B-A3B: мультимодалка, которой не нужен серверный монстр

Один перец собрал портфолио в духе необрутализма на MiniCPM-V 4.7 — и вот тут любопытен не дизайн, а сама модель, которая этот интерфейс и выдала. У MiniCPM-V 4.7 от OpenBMB 35 млрд параметров, но при обработке каждого токена реально пашут только 3 млрд. На выходе — свыше 17 токенов в секунду на iPad Pro M4 (16 ГБ) и больше 13 токенов в секунду на iPhone 17 Pro Max, причём в оптимизированной мобильной сборке жрёт она всего около 3 ГБ памяти.

Есть и мелкая версия на 1 млрд параметров — под OCR, разбор графиков, математику и общее понимание инфы. Обе держат контекстное окно на 256 тысяч токенов, а веса, код для инференса и дообучения лежат в открытом доступе.

Автор говорит, что в мультимодальном ИИ ему важнее не текст, а именно работа с визуалом, и ещё то, как эффективный и гибкий деплой вытаскивает такие штуки в народ.

Подробнее: GitHub · Hugging Face

👉 Telegram | Max

Читать полностью…

Data Science | Machinelearning [ru]

Бесплатная транскрибация без облаков: почему одной модели мне не хватило

Этот человек живёт в созвонах — добрая половина рабочего дня уходит на встречи и обсуждения. А потом случился ребёнок, начались ночи без сна, и детали поехали: какой срок озвучили, кто обещал вернуться с ответом, чем в итоге договорились. Сперва он думал просто купить готовое приложение, а потом полез сравнивать Whisper, Parakeet и GigaAM.

Короче, прогнал 32 конфигурации распознавания и слепил каскад из двух моделей: первая даёт костяк текста, вторая подчищает неточности. На его записях такой подход вытащил каждую пятую ошибку — WER просел с 27,0% до 21,7%.

Из этих экспериментов родилось бесплатное приложение под Mac: пишет встречи и превращает аудио с видео в текст локально. В статье — как отбирались модели, что замерялось, какие «очевидные» решения сдохли и промт для агента, чтобы собрать всё своими руками.

Читать далее

👉 Telegram | Max

Читать полностью…

Data Science | Machinelearning [ru]

PrismML докинула в семейство Bonsai 2 ещё моделей

Американская ИИ-контора PrismML показала три новых Bonsai 2 — на 2, 4 и 9 млрд параметров. Сделаны они на базе Qwen 3.5 от Alibaba. Главная фишка — веса: в основных всего три значения, −1, 0 и +1. Поэтому файлы весят 0,43 ГБ, 0,95 ГБ и 2 ГБ, то есть примерно в девять раз меньше, чем оригинальные модели с 16-битными весами. Рассуждения, понимание изображений и вызов инструментов никуда не делись, а целится всё это в первую очередь в локальных ИИ-агентов на смартфонах, компах и прочих устройствах.

Теперь скорость. По данным PrismML, на iPhone 18 Pro Max модель 9B выдаёт до 34 токенов в секунду, а 2B — целых 120. В официальных тестах Bonsai 2 9B почти не сливает родной Qwen 3.5 того же размера в программировании и следовании инструкциям. Но на сложных задачах разрыв уже нихуёвый: Tau2Bench — 73,02 против 85,25, в анализе сложных документов — 73,8 против 88,73.

Веса всех трёх моделей выложили под Apache 2.0 — коллекция на Hugging Face. Только вот 2 ГБ — это размер лишь языковой модели 9B в самом компактном формате. Понадобятся картинки — визуальный модуль придётся докачивать отдельно, ещё около 0,62 ГБ.

👉 Telegram | Max

Читать полностью…

Data Science | Machinelearning [ru]

Запустить жирную LLM на видяхе с мизерной памятью? Держи расклад: 27 млрд параметров в 16 битах — это примерно 54 ГБ. А если каждый вес хранить одним битом плюс один общий масштаб на группу из 128 весов, те же параметры влезут где-то в 4 ГБ (словарную таблицу не считаем).

Но есть подвох: возьми и тупо округли веса до знака — модель сдохнет. Bonsai от PrismML как раз так и хранит веса в трансформерных блоках, только при этом остаётся рабочей. Разрабы выложили формат, вычислительные ядра под llama.cpp и MLX и простенький инструмент квантизации. А вот каким способом получили сами веса — не сказали.

Автор попробовал повторить: сперва пошёл через послойную квантизацию и получил нерабочую модель с большой перплексией. Потом сравнил веса Bonsai и оригинальной Qwen3-1.7B — и эта сверка натолкнула на мысль про обучение. В итоге он сам обучил однобитную модель.

Читать далее

👉 Telegram | Max

Читать полностью…

Data Science | Machinelearning [ru]

Gemini стартует с «Вот» в 9 текстах из 10. Что за повадки у 12 нейросетей на рабочем контенте

Прогнал 84 рабочих текста через 12 нейросетей и записал их привычки. Gemini открывает текст через «Вот» девять раз из десяти.

Kimi и Claude Sonnet закругляются мыслью, что что-то ещё стоит докрутить. А длинных тире у них в среднем примерно как у Гиляровского.

Читать далее

👉 Telegram | Max

Читать полностью…

Data Science | Machinelearning [ru]

🖥 Anthropic выпустила плагин для рефакторинга и миграции старых проектов

Code Modernization анализирует проекты, разбирается в архитектуре и зависимостях, предлагает план обновления и помогает перейти на новые технологии. Причём после миграции плагин запускает тесты и сравнивает поведение старой и новой версий, чтобы ничего не сломалось.

При этом изменений сначала должен одобрить человек

✖️ xCode Journal

Читать полностью…

Data Science | Machinelearning [ru]

ИИ без интернета прямо в десктопе: как Ollama засунули в лаунчер под три ОС

Автор пилит Lumi — открытый лаунчер в духе Spotlight. Жмёшь хоткей, вылезает строка: запускай софт, ищи файлы, спрашивай нейросеть. Код он клепает в паре с Claude и прямо признаёт: программист из него так себе. Но тесты, цифры и ошибки — не постановочные, всё по-настоящему.

Хотелка была простая: юзер без опыта тычет одну кнопку — и получает ИИ, которому интернет вообще не сдался. Никакого терминала. И знать, что за зверь такой Ollama, тоже не надо. Что из этого вышло, обо что автор навернулся и как потом заделывал — всё в статье.

Читать на Habr

👉 Telegram | Max

Читать полностью…

Data Science | Machinelearning [ru]

Попробовал подменить разработчиков ИИ-агентами

Один агент баг прошляпил. Четыре субагента — нет: заказ можно было оплатить повторно даже после успешной оплаты. На скрытом наборе тестов соло-запуск вытянул 7/8, а агентная команда дожала до 8/8. И это при том, что обе версии без проблем прошли production build и собственные тесты.

Так что, всю команду разработчиков уже можно разгонять? Читать далее

👉 Telegram | Max

Читать полностью…

Data Science | Machinelearning [ru]

Fish Audio выкатили голосовую ИИ-модель Drama 3

Пацаны только что дропнули голосовую ИИшку, которой рулишь как живым актёром. Всё, хватит пихать в текст мутные служебные коды — просто напиши «прочитай это так, будто тебя окончательно достала жизнь», и она выдаёт ровно это.

И вот почему это прям огонь: одно слово прозвучало криво — правишь только его, остальная озвучка даже не шелохнётся. Голоса модель меняет прямо посреди фразы. И может вытянуть целую сцену с кучей персонажей из одного сценария. Твой голос клонирует и тащит его характер с манерой речи в другие языки. Языков — 83, а веса валяются на скачивание под лицензией Fish Audio Community License.

А чтоб показать, на что она способна, разрабы склонировали голос Uncle Roger и заставили его весь ролик разносить собственный жареный рис. Ахах, ну это просто прекрасно.

👉 Telegram | Max

Читать полностью…

Data Science | Machinelearning [ru]

Можно ли научить мелкую LLM учиться, не раздувая веса?

В первой статье автор крутил опыты на модельке, которая спокойно влезает в домашнюю видюху. Суть вопроса: способна ли она умнеть со временем — не раздуваясь до гигантских размеров, а за счёт памяти, аккуратного дообучения и проверки ответов. Теперь он выкладывает карты: всё это — шаги к новой архитектуре LANN-4. То есть к нейросети, которая учится всю свою «жизнь», имея компактный неизменный «мозг» и память, вынесенную наружу. Только вот самой архитектуры пока нет — её ни выбрали, ни собрали. А мелкие модели в опытах — подопытные инструменты, а не LANN-4.

А вот что нихрена не вышло: проверка показала — если одну и ту же небольшую модель дообучать на примерах несколько раз кряду, лучше от раза к разу она не становится. Первый раунд подучивания даёт ощутимый прирост, дальше рост встаёт — накопления не случилось. Автор просит помочь найти дыру в устройстве решающей проверки, прежде чем палить примерно сутки работы видеокарты.

Читать далее

👉 Telegram | Max

Читать полностью…

Data Science | Machinelearning [ru]

🥲 Джунов стали нанимать втрое меньше из-за ИИ

Anthropic выпустила большое исследование о том, как Claude меняет работу внутри компании. Главное:

— Доля джунов среди программистов упала с 27% до 9%. При этом компания продолжает активно нанимать людей, но всё чаще отдаёт предпочтение мидлам и сеньорам.

— Сами ИИ-агенты уже работают в 6 раз больше часов, чем сотрудники Anthropic, а в исследовательских подразделениях — в 19 раз.

— При этом количество коммитов на одного инженера выросло в 5 раз всего за (!) полгода. Причём даже нетехнические специалисты в 45 раз чаще используют Claude для автоматизации повседневных задач.


✖️ xCode Journal

Читать полностью…

Data Science | Machinelearning [ru]

Claude против ChatGPT: четыре модели на одних и тех же задачах

Восемь задач, четыре подопытных: Claude Opus 5.5, Claude Sonnet 5.5, ChatGPT 6 Astra и ChatGPT 6.1 Sol. Код с первого раза выдали все — никто не облажался. Один ответ только пришлось переформатировать руками.

А вот дальше пошла разница: время (от 8 до 28 минут на все задачи), ценник за токен (разлёт до пяти раз) и то, как именно каждая модель строит решение. Читать далее

👉 Telegram | Max

Читать полностью…

Data Science | Machinelearning [ru]

Человек поймал ошибку, закинул её в нейронку — и та ему всё разрулила: через полминуты он уже пашет дальше, а в системе — ни заявки, ни следа обращения.

Разбираем, что на этом теряет саппорт, почему в России такая самодеятельность влетает особенно дорого и как вернуть видимость, не загоняя людей обратно в очередь.

Читать далее → habr.com

👉 Telegram | Max

Читать полностью…

Data Science | Machinelearning [ru]

Сеня-девелопер на выход → CNER Developer на вход: как мы дообучали GigaAM-v3

Диктовка Glas крутится на GigaAM-v3. Обычную русскую речь модель пережёвывала нормально, а вот на IT-терминах буксовала: Docker у неё становился «докером», Python — «Пайтоном». А порой она тупо теряла слова: живую фразу «Мой ИИ редко ошибается» записала как «Мои редко ошибается». Вылечили дообучением на 25 часах живой речи.

На 525 отложенных коротких записях WER упал с 8,81% до 5,76% — это примерно минус 35% от исходного значения. Доля терминов, написанных правильно, подскочила с 43,8% до 86,7%. Скорость практически не сдвинулась. Версия 0.01, всё ещё бета.

Есть и минусы: слова модель стала пропускать чаще, а на обычной речи хуже держит регистр и пунктуацию. Плюс тест размечен тем же автоконвейером, что и обучение, с выборочной ручной проверкой — так что часть прироста может быть просто совпадением стиля разметки. Читать далее

👉 Telegram | Max

Читать полностью…

Data Science | Machinelearning [ru]

Claude Pro на вашем аккаунте: 30 дней за 2 473 ₽ по СБП

Активация ключом на личном аккаунте. Пароль никому не передаётся. Claude Max 5X тоже доступен на 30 дней.

По СБП — 2 473 ₽, другими способами — 2 604 ₽. Перед заказом нужен Organization ID из настроек Claude и аккаунт на плане Free.

Выдача автоматическая сразу после оплаты. Активация занимает 2–5 минут.

Гарантия — 1 месяц: вопросы по доступу решает оператор. Автосписаний нет — продление новой покупкой. При заказе от 1 400 ₽ - Gemini Pro на 18 месяцев в подарок, при наличии.

Оплата: СБП из любого банка, Telegram Stars в боте или другой способ. Зарубежная карта не нужна.

Оформить Claude Pro в Lachuga: Lachuga

Промокод - xCode

Читать полностью…

Data Science | Machinelearning [ru]

👩‍💻 Всем программистам посвящается!

Вот 14 авторских обучающих IT каналов по самым востребованным областям программирования:

Выбирай своё направление:

👩‍💻 Python — t.me/python_ready
🤔 InfoSec & Хакинг — t.me/hacking_ready
🖥 SQL & Базы Данных — t.me/sql_ready
👩‍💻 IT Новости — t.me/it_ready
🤖 AI & ML — t.me/neuro_ready
👩‍💻 Frontend — t.me/frontend_ready
👩‍💻 C/C++ — /channel/cpp_ready
👩‍💻 C# & Unity — t.me/csharp_ready
👩‍💻 Linux — t.me/linux_ready
👩‍💻 Java — t.me/java_ready
📖 IT Книги — t.me/books_ready
📱 JavaScript — t.me/javascript_ready
🖼️ DevOps — t.me/devops_ready
🖥 Design — t.me/design_ready

📌 Гайды, шпаргалки, задачи, ресурсы и фишки для каждого языка программирования!

Читать полностью…

Data Science | Machinelearning [ru]

api2app: когда ComfyUI работает как API

Урок про то, как прикрутить ComfyUI в роли API и на скорую руку собрать веб-приложение, до которого можно достучаться из любой точки мира. А ещё — без кода быстро перекраивать интерфейс под новые задачи.

Читать далее

👉 Telegram | Max

Читать полностью…

Data Science | Machinelearning [ru]

С вас идея, а Т-Банк за нее заплатит

В Т-Банке ищут трейдеров, разработчиков и тех, кто просто увлекается инвестициями. Зарегистрируйтесь на программу «Инвест. Премаркет» до 11 ноября. 

Ваши AI-сценарии для бизнеса смогут побороться за призовой фонд программы — 2 500 000 ₽. А сами идеи Т-Банк поможет масштабировать и сделать частью бизнеса.

Успейте подать заявку до 11 ноября

Читать полностью…

Data Science | Machinelearning [ru]

Claude и мутные сиды NIST: где реально есть доказательства, а где уже догадки

16 октября Anthropic выкатила сразу две работы. В первой копаются, откуда взялись «случайные» сиды у эллиптических кривых NIST. Вторая — про проектирование квантовых схем.

Дальше по сути: что там подтверждено кодом, который можно воспроизвести, и расчётом, а что так и осталось гипотезой самих авторов. И ещё момент — где формулировки в пресс-подаче стоит читать аккуратнее, чем заголовки про них.

Читать далее

👉 Telegram | Max

Читать полностью…

Data Science | Machinelearning [ru]

Сравните модели GigaChat на своей задаче в GigaPlatform AI Studio

Это среда, в которой можно менять настройки моделей и проверять ответы на своих запросах.

В AI Studio можно:
• Сравнить ответы двух моделей на одном запросе.
• Сравнить ответы при разной температуре.
• Настроить системный промпт и проверить его на нескольких запросах.
• Сохранить промпт и историю диалога в JSON.

Пять рабочих сценариев разобрали в статье.
Попробуйте AI Studio бесплатно и без ВПН.

Читать полностью…

Data Science | Machinelearning [ru]

Звонок из «службы безопасности»: и для человека, и для железяки

«Здравствуйте, служба безопасности банка…» — а дальше отрепетированный сценарий: давят авторитетом, гонят по срочности, запирают в изоляции («трубку не бросайте!»), подсовывают левый канал для проверки. Тот же самый каркас прекрасно заходит и против ИИ-ассистента: zero-click промпт-инъекция EchoLeak (CVE-2025-32711) в Microsoft 365 Copilot, а в июле 2026-го — история с автономными агентами в инфраструктуре Hugging Face. Их никто не ломал, вообще. Они сами себя уболтали.

Причина ровно одна, и она архитектурная: что у человека, что у языковой модели на входе нет стенки между «данными» и «инструкциями». И разница между нами в одном — человек способен встать и выйти из разговора. А набор рычагов — фальшивый авторитет, накрученная срочность, отрезание от проверки, подмена канала, социальное доказательство, раскачка мелкими шагами — один в один для бухгалтера, бабушки, школьника и автономного агента. Веками не меняется, меняются только декорации.

Автор раскладывает, почему телефонный разводила и промпт-инъекция в LLM — одна и та же песня, и что из этого следует для обучения людей. Читать далее

👉 Telegram | Max

Читать полностью…

Data Science | Machinelearning [ru]

ИИ-агент настрочил 63 пул-реквеста самому себе за одни сутки — и под это пришлось завести надзирателя

Днём чел ковыряет корпоративные системы, а вечерами пилит свои проекты через Claude Code. И в какой-то момент дошло: кода он пишет всё меньше, а диспетчером работает всё больше. То пни агента, чтобы он не встал на паузу. То перепроверь его бодрое «готово». То с утра облом: подписка кончилась в час ночи, а всё это время ничего не крутилось.

Под такое дело он собрал локальный надсмотрщик — AIWorks. А потом скормил ему на сутки его же собственный репозиторий. В статье — как эта штука устроена, чем всё обернулось и, что самое интересное, где оно по дороге развалилось.

Читать далее

👉 Telegram | Max

Читать полностью…

Data Science | Machinelearning [ru]

Nano Banana 2.1 против Nano Banana 2, Pro и GPT Image 2.5: 14 задач с русскими промптами

6 октября 2026-го Google выкатил Nano Banana 2.1. Модель прогнали через 14 задач с русскими промптами, а в соперники взяли Nano Banana 2, Pro и GPT Image 2.5. В наборе — часы, таблица элементов, афиши, правка тарифной карточки. И в восьми случаях русский текст лежит прямо на картинке.

Если считать по баллам, все четыре влезли в 5 очков из 76 — но косячат по-разному. Nano Banana Pro эпично развалилась на таблице из 18 элементов. Nano Banana 2.1 просадила регистр и знаки препинания в афишах и инфографике. GPT Image 2.5 Sunburst промахнулась реже всех, только от Nano Banana 2 её отделяет один балл (72 против 71) — то есть шум.

Внутри материала: что заявлено, как устроен тест, результаты по каждой задаче, цена в токенах и промпты для повтора. Читать далее

👉 Telegram | Max

Читать полностью…

Data Science | Machinelearning [ru]

Как собрать RAG-чат для сайта, который не сочиняет цены: пять решений из моего бота

С июня пилю AI-чат для сайтов — такой, что не выдумывает цены и не поддакивает клиенту по любому поводу.

До пяти решений из статьи я допер через свои же факапы.

Читать про пять решений

👉 Telegram | Max

Читать полностью…

Data Science | Machinelearning [ru]

Reasoning From Scratch: RLVR, часть 2

Себастьян Рашка (@rasbt) выкатил вторую порцию разбора «Reasoning From Scratch: RLVR» — это про обучение с подкреплением, где награду можно проверить. Внутри: зачем вообще ограничивать отношения вероятностей политик, какую роль играет KL-слагаемое в лоссе, что дают награды за формат ответа и какие ещё трюки крутят вокруг GRPO. Видео: youtu.be/VxfUrUrrczs

00:00 Вступление и повтор того, что уже было
01:52 Как читать основные метрики обучения GRPO
06:34 Что собираются доработать в GRPO
08:58 Запуск долгого обучения через Python-скрипты
13:39 Старт базового скрипта для обучения GRPO
17:29 Подтягиваем логи обучения и рисуем графики
19:29 Разбираемся, почему обучение пошло вразнос
23:55 Прогон контрольных точек модели на MATH-500
26:26 Качаем уже готовые контрольные точки модели
30:09 Следим за статистикой преимущества
34:53 Что за зверь такая энтропия
40:32 Считаем энтропию в PyTorch
44:17 Как трактовать значения энтропии
48:58 Прикручиваем трекинг энтропии к GRPO
53:36 Разбор метрик преимущества и энтропии
56:18 Стабилизируем GRPO через ограничение отношений вероятностей политик
1:03:27 Пишем функцию потерь политики с ограничением
1:09:39 Смотрим результаты обучения с ограничением отношений вероятностей политик
1:11:25 KL-дивергенция и как обойти систему наград
1:15:12 Вставляем KL-слагаемое в функцию потерь
1:20:34 Где спотыкается упрощённая функция потерь с KL
1:23:04 Награды за формат ответа и теги think
1:25:47 Закидываем специальные токены в токенизатор
1:30:29 Реализуем награду за формат ответа
1:35:56 Разбор обучения с наградой за формат ответа
1:38:25 Награда за формат — только если ответ верный
1:40:48 Дальнейшие улучшения GRPO из исследований
1:45:43 Куда дальше и дистилляция


👉 Telegram | Max

Читать полностью…
Subscribe to a channel