Data, Stories and Languages

Data, Stories and Languages

Канал о ML/AI, изучении иностранных языков, книгах и жизни. Контакт с автором https://t.me/Erlemar Персональный сайт: https://andlukyane.com/ Рекламу не публикую Забустить канал можно тут: https://t.me/boost/datastorieslanguages

Username
@datastorieslanguages
Category
Technologies
Country
RussiaRussia
Created
, 4 years
Subscribers3,855+1 last week
Avg views per post, 7d725−11.4% vs prev 7d
ERR18.81%last 7 days

Subscribers, 30 days

Oct 19 – Nov 4+13 (+0.3%)

Show as table
DateSubscribers
Oct 19, 20263,842
Oct 20, 20263,841
Oct 21, 20263,840
Oct 22, 20263,844
Oct 23, 20263,847
Oct 24, 20263,847
Oct 25, 20263,851
Oct 26, 20263,856
Oct 27, 20263,856
Oct 28, 20263,854
Oct 29, 20263,853
Oct 30, 20263,852
Oct 31, 20263,853
Nov 1, 20263,853
Nov 2, 20263,854
Nov 3, 20263,854
Nov 4, 20263,855

Average views per post by day

By publication day

Show as table
DateAvg views per post
Oct 7, 20261,564
Oct 8, 20261,750
Oct 12, 20261,219
Oct 13, 2026782
Oct 15, 2026893
Oct 21, 2026923
Oct 24, 2026985
Oct 26, 2026776
Oct 27, 2026724
Oct 28, 2026684
Oct 29, 2026743
Oct 30, 2026687
Oct 31, 2026736

Most viewed this month

  1. 01
    Views1.75K
    Forwards29
    Reactions25
    Comments1
  2. 02
    Views1.56K
    Forwards10
    Reactions7
    Comments0
  3. 03
    Views1.22K
    Forwards28
    Reactions14
    Comments5
  4. 04
    Views985
    Forwards11
    Reactions36
    Comments24
  5. 05
    Views980
    Forwards2
    Reactions13
    Comments3

Latest posts

#783Link preview
Views638−32%vs avg
Forwards6
Reactions13
Comments4
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
6 h365
30 h577
67 h638
  1. After 6 hours365
  2. After 24 hours577
  3. Total to date638
#782Link preview
Views833−11%vs avg
Forwards17
Reactions14
Comments1
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
7 h548
31 h770
68 h833
  1. After 6 hours548
  2. After 24 hours770
  3. Total to date833
#781Link preview
Views687−27%vs avg
Forwards5
Reactions6
Comments0
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
5 h318
17 h379
29 h402
78 h687
  1. After 6 hours318
  2. After 24 hours402
  3. Total to date687
#780Link preview

​​Jeva: Rethinking System One Models from First Principles Недавно TypeSafe опубликовали пост о Jev, но так и не поделились деталями архитектуры. Но уже появились статьи развивающие идею и я попробовал почитать Jeva. Jev возвращает typed decisions напрямую, без рассуждений. Авторы Jeva считают, что такой дизайн пока не очень хорошо работает и формулируют четыре требования, которым подобные модели должны следовать: - отличать "ничего не подходит" от "непонятно, что подходит" - не зависеть от порядка вариантов - масштабироваться на большие наборы вариантов - переиспользовать вычисления для повторяющихся вариантов вроде реестра tools Jeva закладывает их прямо в архитектуру: - Независимое кодирование: общий бэкбон Qwen3.5-4B отдельно кодирует запрос и каждый вариант, как bi-encoder, поэтому векторы вариантов можно закэшировать. - Decision block: состояние запроса делает cross-attention к векторам вариантов, и обновляется только оно, а скор варианта считается как dot product с обновлённым состоянием. - Coverage gate: отдельная оценка того, подходит ли хоть один вариант, тогда как softmax отвечает только на вопрос, какой именно. В результате показывают хорошие метрики: sota по 7/8 бенчмарков, null detection 98.66% AUROC против 93.61% у Kev-4B. И при перестановках вариантов предсказание стабильное, в то время как даже самый стабильный бейзлайн, Jev-1.13.0, меняет ответ в 17% случаев. Paper Code Project Мои обзоры: Блог Medium #paperreview

Open in Telegram
Views743−21%vs avg
Forwards25
Reactions7
Comments1
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
6 h400
17 h470
30 h576
66 h743
  1. After 6 hours400
  2. After 24 hours576
  3. Total to date743
#779Link preview

Рекомендую канал Хочу порекомендовать вам "Мысли Рвачева" (@rvnikita_blog) - канал Никиты Рвачева про AI на практике: как он сам работает с Claude Code и агентами, что нового у Anthropic и других лабораторий и как устроена экономика AI. Никита много экспериментирует с агентами сам: от автоматизации некоммерческой детской студии в Нью-Йорке, где он сооснователь, до бытовых задач вроде отправки бумажного письма в банк. Поэтому посты получаются конкретными, с рабочими приёмами и честными историями о том, где агент ошибся. Ещё Никита ведёт Lecture Club: участники неделю смотрят лекции открытого университетского курса, а потом час обсуждают их на созвоне. Весной разбирали стэнфордский Economics of the AI Supercycle (датацентры, энергия, кто зарабатывает на AI), сейчас идёт Princeton Introduction to Robotics: motion planning, SLAM, imitation learning, VLA-модели. Записи созвонов и саммари обсуждений выходят в канале. Посты, которые мне зашли: - Лучшие строчки в CLAUDE.md - правило, по которому каждый ответ агента заканчивается action-блоком: что агенту обязательно нужно от тебя, а что можно сделать по желанию. - Ассистент сам добился, чтобы Никиту пустили на хакатон: Telegram-бот поверх Claude Code нашёл организаторов, обошёл два платных ограничения, и через час пришло подтверждение регистрации. - Context engineering: почему не стоит закидывать в контекст всё подряд и зачем саб-агентам возвращать оркестратору только выжимку. - Разбор S-1 Anthropic: выручка, убытки, расходы на compute и необычная для публичной компании структура управления - AI и выгорание: производительность выросла, но вместе с ней и нагрузка. Когда ведёшь 8-12 задач параллельно, к концу дня мозг кипит. Если вам интересно, как агенты справляются с реальными задачами, загляните: @rvnikita_blog

Open in Telegram
Views684−27%vs avg
Forwards8
Reactions17
Comments1
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
7 h431
11 h452
30 h591
78 h684
  1. After 6 hours431
  2. After 24 hours591
  3. Total to date684
#778Link preview
Views724−23%vs avg
Forwards6
Reactions8
Comments3
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
10 h387
25 h614
68 h724
  1. After 24 hours614
  2. Total to date724
#777Link preview

​​Beyond LLMs: The Next Frontier of AI — Sahir Maharaj Я получил от Packt очередную книгу на ревью. Она про то, что строится вокруг языковой модели в production-системе: явное состояние, память, агенты с ограниченными правами, детерминированные правила, evaluation и контроль стоимости. Основной тезис: большинство сбоев в production - архитектурные. Есть end-to-end пример: SupportOps AI (ассистент службы поддержки), который вырастает от одного вызова модели в первой главе до multi-agent системы со слоем правил в конце. Из интересного: книга постоянно возвращается к вопросу, относится ли задача к языку или к логике и состоянию. Понять, что имеет в виду клиент - это про язык, а проверить, есть ли у него просрочка, или посчитать сумму возврата - про логику: "The model does the understanding. The code does the deciding." На этом построен паттерн propose-then-constrain: модель предлагает ответ или действие, а детерминированные правила решают, выполнить его, отправить на доработку, заблокировать или передать человеку. В медицинском чатботе в MTS AI, где я вёл NLP-часть, у нас было такое разделение задолго до LLM: модели извлекали симптомы и их атрибуты, а бот задавал шаблонные вопросы, пока все слоты не были заполнены. Классификация у нас была на TF-IDF с логрегом, и книга тоже пишет, что для узкой классификации с большим потоком запросов хорошо настроенный логрег часто выигрывает у LLM по стоимости и latency. Главы про агентов — о том, как ограничить действия модели, и в книге есть хорошая фраза на эту тему: "Prompts can be interpreted around; a state that mechanically hides the tool cannot." Книга годная. Amazon Code Author Мои обзоры: Блог Medium #bookreview

Open in Telegram
Views776−17%vs avg
Forwards20
Reactions14
Comments1
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
5 h409
16 h468
28 h533
56 h733
74 h776
  1. After 6 hours409
  2. After 24 hours533
  3. Total to date776
#776Text
Views985+5%vs avg
Forwards11
Reactions36
Comments24
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
2 h548
13 h717
17 h770
36 h845
71 h985
  1. After 24 hours770
  2. Total to date985
#775Link preview

​​Bioware закрылась Пост не про AI, а про игры. Bioware закрывается. Увы, в последние годы компания скатилась - в это виню EA. Я пропустил эпоху Baldur's Gate, но запоем играл в NWN - это была моя самая первая компьютерная игра. В то время у меня только появился первый компьютер, и он был таким слабым, что NWN регулярно лагала и вылетала. Но я всё равно прошёл её много (наверное 3-5 раз первую часть и основные expansions). А потом появился Dragon Age Origin. Я уже не помню сколько раз я её проходил, но точно попробовал все origins и все основные выборы. В ней прям ощущался дух mythical, whimsical. И наверное она была самой grimdark в серии, с возможностью делать реально злые/трешовые поступки. Драконы были действительно эпичными врагами (а не просто мини-боссами как в следующих играх). Dragon Age Inquisition страдал от механик multiplayer, но всё равно был годной игрой. Ушла эпоха.

Open in Telegram
Views923−2%vs avg
Forwards8
Reactions27
Comments5
Views growthHide views growth

Views growth

Hours after publication

Show as table
Hours after publicationViews
0 h0
12 h646
35 h764
71 h923
  1. Total to date923

All posts

Connections