Data Secrets

Data Secrets

Verified

Главный по машинному обучению Сотрудничество: @veron_28 РКН: clck.ru/3FY3GN

Username
@data_secrets
Category
Technologies
Country
RussiaRussia
Created
, 4 years
Subscribers95,907+479 last week
Avg views per post, 7d19,375−8.5% vs prev 7d
ERR20.20%last 7 days

Subscribers, 30 days

Oct 14 – Nov 3+950 (+1%)

Show as table
DateSubscribers
Oct 14, 202694,957
Oct 15, 202694,999
Oct 16, 202695,039
Oct 17, 202695,076
Oct 18, 202695,108
Oct 19, 202695,151
Oct 20, 202695,168
Oct 21, 202695,173
Oct 22, 202695,256
Oct 23, 202695,278
Oct 24, 202695,311
Oct 25, 202695,368
Oct 26, 202695,386
Oct 27, 202695,428
Oct 28, 202695,500
Oct 29, 202695,564
Oct 30, 202695,688
Oct 31, 202695,742
Nov 1, 202695,785
Nov 2, 202695,813
Nov 3, 202695,907

Average views per post by day

By publication day

Show as table
DateAvg views per post
Oct 12, 202624,488
Oct 13, 202623,672
Oct 14, 202621,049
Oct 15, 202622,244
Oct 16, 202620,653
Oct 17, 202621,836
Oct 19, 202623,441
Oct 20, 202621,599
Oct 21, 202620,046
Oct 22, 202619,609
Oct 23, 202620,557
Oct 24, 202624,528
Oct 25, 202623,989
Oct 26, 202621,278
Oct 27, 202623,357
Oct 28, 202620,579
Oct 29, 202620,519
Oct 30, 202621,463
Oct 31, 202621,219
Nov 1, 202621,347
Nov 2, 202618,858
Nov 3, 202618,939
Nov 4, 20268,869

Advertising

Ad posts, 30 days9latest
Avg views per ad post19,237−7.9% vs other posts
  1. МГТС запускает студенческий кейс-чемпионат «Код города» 🚀 Реши реальную бизнес-задачу, разработай технологическое решение при поддержке…20.3K
  2. Будущее уже взлетело. Ты с нами? ИИ меняет привычные инструменты, Python остаётся в основе цифровых продуктов, а новые профессии…19.7K
  3. 11-12 ноября в онлайне пройдет конференция о новой реальности разработки с агентами Еще год назад мы посмеивались над тем, как модели…18.6K
  4. AI Journey 2026: заглядываем в будущее ИИ 🤖 Хочешь узнать, что происходит в мире нейросетей, послушать российских и зарубежных экспертов и…19.5K
  5. QA митап: про агентов, деньги и эволюцию QA Как оценивать ИИ-агентов, не разориться на токенах и понять, куда движется профессия…19.3K
Advertised
  • studchamp.mgts.ru
  • 21-school.ru
  • ai-dev.live
  • aij.ru
  • developers.sber.ru
  • ООО «Отус онлайн-образование»
  • ООО «Школа Высшей Математики»
  • aistudio.giga.chat
Same ads also in

Most viewed this month

  1. 01

    Андрей Карпаты объяснил, почему человечество в основном не чувствует экспоненциального роста возможностей ИИ По его словам, сейчас мир делится на 4 группы: 1. Люди, которые никогда не взаимодействовали с LLM. Таких примерно 6 миллиардов, то есть 75% популяции. 2. Те, кто когда-либо общался с LLM в чате или в каком-то продукте. В основном это бесплатное использование и промпты вроде "напиши поздравление" или обычные поисковые запросы. Таких 1-2 миллиарда (~20%). 3. <Вероятно, вы находитесь здесь>. 0.2% (примерно 20М человек) – это те, кто использует агентов в кодинге, науке или больших проектах. Эти уже замечают, как ИИ справляется с крупными задачами, и существенно ускоряет процессы, на которые раньше уходили недели. 4. Наконец, примерно 5000 человек (а это всего 0.00006%!) имеют доступ к сильнейшим внутренним системам и огромным роям агентов, которые способны совершать научные открытия, взламывать Hugging Face и вот это все. Такое деление обуславливается не только платным доступом, но и тем, что ИИ в каких-то областях уже очень хорош, а в каких-то все еще плох. Кроме того, у большинства юзеров задачи довольно простые, и прочувствовать на них возможности LLM невозможно. То есть Карпаты утверждает, что пока широкая публика еще не взаимодействовала с "тем самым" ИИ, поэтому воспринимает его как простенький инструмент для Q&A. Профессионалы, в основном, видят буст, но небольшой. И только крошечная группа людей имеет доступ к по-настоящему мощному ИИ, и видит экспоненциальный рост способностей этих систем.

    Photo
    Views32.4K
    Forwards971
    Reactions443
    Comments62
  2. 02
    Views28.7K
    Forwards1.46K
    Reactions443
    Comments119
  3. 03

    Интернет накрыла какая-то аномальная волна взломов Люди уже называют происходящее «черным октябрем». За несколько дней произошли десятки AI-атак, взломов платформ и обнаружений критических уязвимостей в базовом софте. — С помощью GPT-5.6 Sol были обнаружены критические уязвимости в PHP, они позволяли выполнить код на сервере без авторизации (t.me/data_secrets/10190). Глава Cloudflare сообщил, что за 10 часов до раскрытия было тысячи попыток эксплуатации, а к утру следующего дня – миллионы. — CrowdStrike обнаружили, что с мая по август четыре ранее неизвестные группы злоумышленником проводили кампании по взломам с помощью AI-агентов. Один из операторов взломал минимум 15 медицинских организаций в Аргентине. Его система была собрана из двух агентов на Claude Code. Все четыре группы обошли защиту моделей, убедив их, что работают в рамках авторизованного пентеста. — Zeabur (AI DevOps агент) пережил второй взлом за два месяца, хакеры прочитали около 3,2 млн записей с переменными окружения. Платформа заявила, что закроется до конца года. — В новую версию популярной библиотеки LiteLLM попал троян удаленного доступа и вредоносный код для кражи учетных данных. У библиотеки около 23 млн скачиваний в неделю, а в публичном доступе версия пробыла примерно два часа. — Railway сообщили, что обнаружили аномальную активность в системах, где хранятся переменные окружения клиентов. В таких переменных обычно лежат API-ключи, пароли от баз данных и доступы к приватным реестрам. Компания остановила все сборки и деплои и уведомила AI-провайдеров, чтобы те отозвали ключи. — OpenCode тоже подвергся взлому. Злоумышленник проник в устаревшую систему Console и мог получить ключи OpenAI, Anthropic и Google, сохраненные пользователями. Затронуто 1,4% пользователей. Часть людей сообщила о несанкционированных списаниях, у некоторых больше 1700 долларов за ночь. — Критические уязвимости были обнаружены в GitLab и Node.js. В GitLab найденная уязвимость получила максимальные 10 баллов по CVSS. Уязвимый код тянется с версии 7.0, вышедшей в 2014 году. Девятью днями ранее компания закрывала другую уязвимость на 10 баллов. И это только часть. Также пострадали Microsoft, Tensorlake, SubQuery, GhostAction, OVHcloud CLI, TeamUpdraft, Rank Math PRO, eMudhra и ConnectWise. Буквально половина Интернета прямо сейчас восстанавливается или противостоит взломам. В соцсетях многие уверены, что за всеми взломами стоят рои агентов, действующие автономно или под управлением киберпреступников 🗿

    Photoedited
    Views28.5K
    Forwards1.51K
    Reactions361
    Comments50
  4. 04

    Anthropic утверждают, что в скором маленькие модели смогут самореплицироваться на IoT-устройствах, без достпупа к дата-центрам и GPU То есть ИИ может научиться как бы заражать бытовую технику (типа дешевых смарт-ТВ-приставок, камер, умных приборов и тд), поселяться на ней и оттуда заражать следующие устройства, и это все без участия человека и без видеокарт. Отключить такую сеть почти невозможно. Физически даже простейшая техника может вывезти небольшую модель. В качестве демо авторы купили 15 Android TV-боксов по ~$55, соединили их и без труда запустили на них Gemma4-26B-A4B. Но основной вопрос в другом: сможет ли агент, оказавшись на незнакомом железе, разобраться и запустить инференс? Это проверяли на 9 типах реального железа и на цепочке из 8 виртуальных устройств. Итог: GLM-5.2 смогла заразить все 8 узлов в 4 прогонах из 5. Пока что она запускала не саму себя (потому что слишком крупная), а Llama 8B. Но выходит, что когда появится достаточно маленькая модель с такими же способностями как у GLM-5.2, которая помещается на приставку, она уже сможет самореплицироваться. Пока таких моделей нет (надолго ли?) и полная настройка инференса занимает кучу времени (до 150 часов), поэтому риск небольшой. Однако Anthropic сравнивают такой вирус со слизевиком или дрозофилами: он может размножаться днями, и при этом очень незаметно, но выбить его очень, очень трудно, потому что центра – нет. https://www.anthropic.com/research/self-replicating-ai

    Photo
    Views27.3K
    Forwards1.2K
    Reactions418
    Comments62
  5. 05

    Там на китайских форумах считают, что разобрались, как работает блокировка аккаунтов Claude Пользователи утверждают, что у Anthropic действует балльная система. При регистрации аккаунт якобы получает стартовые баллы, а дальше за разные действия баллы начисляются или снимаются. Если счет падает ниже порога, следует бан. Например, важна чистота IP. Если вы прыгаете между устройствами или прокси, баллы снимают. Если вы оформили подписку (особенно Max) сразу после регистрации – опять минус баллы. Лимиты тоже лучше не выжигать до конца за один присест, иначе, ну вы поняли. Еще, из интересного, баллы снимают, если вы пользователь Linux, слишком активно используете Fable или пользуетесь только веб-версией. Старые аккаунты и аккаунты, зарегистрированные через мобильное приложение, считаются более надежными. Если аккаунт потерял много баллов, его возьмут на карандашик, и будет период наблюдения. На форумах говорят, что типичный признак этого – сброс логина. Если в периоде наблюдения баллы продолжат сниматься, пользователь получает бан.

    Text
    Views27K
    Forwards1.67K
    Reactions297
    Comments116

Latest posts

#10270Video
Views14,288−31%vs avg
Forwards707
Reactions218
Comments25
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
2 h10,132
7 h14,288
  1. After 1 hour10,132
  2. After 6 hours14,288
  3. Total to date14,288
#10269Videoalbum
Views21,235+2%vs avg
Forwards1,258
Reactions—
Comments—
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
7 h16,343
12 h18,463
25 h21,235
  1. After 6 hours16,343
  2. After 24 hours21,235
  3. Total to date21,235
#10268Videoalbum
Views20,8610%vs avg
Forwards1,257
Reactions—
Comments—
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
7 h16,211
12 h18,264
25 h20,861
  1. After 6 hours16,211
  2. After 24 hours20,861
  3. Total to date20,861
#10267Photoalbumedited

GPT-6 без дообучения улучшила веса Qwen3.5-0.8B Просто поразительное исследование выпустили сегодня рисерчеры из MIT CSAIL. Они показали, что топовые LLM могут напрямую читать и осознанно менять веса нейросетей, причем без градиентного спуска и обучения. Это назвали Weight-Space Programming. В главном эксперименте авторы дали Astra веса крошечной Qwen3.5-0.8B и попросили улучшить ее способности в математике. В итоге Astra обнаружила в весах нейроны, из-за которых модель зацикливалась в рассуждениях, и исправила их. Всего она переписала около 0.016% весов, и после этого на MATH-500 скор Qwen3.5-0.8B вырос с 7,9% до 48,1%, а на GSM8K – с 13,8% до 67,1%. Это не все. Оказалось, что Astra может неплохо интерпретировать модели по весам. Например, ученые дообучили 4 одинаковые модели играть в разные игры: Breakout, Pong, Pac-Man и Freeway. Astra получила только веса (около 17 тысяч чисел) и описание входов, без названий игр, и смогла угадать, чему учили эти модели, во всех четырех случаях. В другом эксперименте три диффузионные модели рисовали круг, квадрат и треугольник. Astra по весам определила каждую фигуру, прочитав выходной слой. Важно, что при этом она не запускает эти сети, а просто читает веса. А еще Astra умеет писать нейросети с нуля. Она без обучения, с нуля, взяла и выдала веса сетей для трех игр MinAtar. Во всех трех случаях она обошла модели, которые были обучены с помощью обучения с подкреплением (PPO) на 100 млн шагов. Также авторы просили ее написать сеть для игры в Go. Она написала веса одним скриптом на 336 строк и выиграла больше половины партий у двух маленьких обученных на PPO сетей. Если же ей давали возможность несколько раз прогнать свою сеть в песочнице, то она обыгрывала равную по размеру PPO-сеть, обученную на 20 млн партий. Результаты пока ранние, но само направление невероятно многообещающее. С помощью Weight-Space Programming можно было бы делать элаймент, аудит моделей, дешевую инициализацию весов, ну и рекурсивное самоулучшение на десерт. Сейчас авторы делают бенчмарк и харнесс для оценки способностей моделей к такому программированию весов. Полные логи всех экспериментов выложены на GitHub. https://rikiyat.github.io/blog/weight-space-programming/

Open in Telegram
Views19,373−7%vs avg
Forwards1,282
Reactions543
Comments34
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
7 h14,988
12 h16,914
12 h16,914
25 h19,373
  1. After 6 hours14,988
  2. After 24 hours19,373
  3. Total to date19,373
#10266Photoalbum
Views18,418−11%vs avg
Forwards155
Reactions—
Comments—
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
1 h6,754
8 h12,580
25 h17,870
30 h18,418
  1. After 1 hour6,754
  2. After 6 hours12,580
  3. After 24 hours17,870
  4. Total to date18,418
#10265Photoalbum
Views18,111−13%vs avg
Forwards159
Reactions—
Comments—
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
1 h6,559
8 h12,268
25 h17,574
30 h18,111
  1. After 1 hour6,559
  2. After 6 hours12,268
  3. After 24 hours17,574
  4. Total to date18,111
#10264Photoalbum
Views18,345−12%vs avg
Forwards151
Reactions—
Comments—
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
1 h6,717
8 h12,504
25 h17,797
30 h18,345
  1. After 1 hour6,717
  2. After 6 hours12,504
  3. After 24 hours17,797
  4. Total to date18,345

All posts

Connections