🔥 Большой гайд на русском : Свой ИИ-агент на компьютере. Без API-ключей и платных подписок Cобираем локального ИИ-агента на Python и Ollama. Он умеет вызывать инструменты, искать информацию в собственных файлах Markdown и указывать источники ответов. Внутри: Qwen и Gemma, Tool Calling, подключение моделей, сравнение производительности и финальный проект. Есть готовый код, тесты и пошаговые инструкции. Всё запускается локально, без платных API. GitHub: https://github.com/justxor/local-ai-agent-course-ru
Открыть в Telegram
Machine learning Interview
ИИ, Rust, вайбкодинг, Data Science, Deep Learning и делюсь тем, что интересно и полезно! Вопросы - @workakkk РКН: clck.ru/3FmwRz
Средние просмотры поста по дням
По дню публикации
Показать таблицей
| Дата | Просмотров на пост |
|---|---|
| 6 нояб. 2026 г. | 6 075 |
| 7 нояб. 2026 г. | 3 850 |
| 8 нояб. 2026 г. | 3 922 |
| 9 нояб. 2026 г. | 3 595 |
| 10 нояб. 2026 г. | 3 956 |
| 11 нояб. 2026 г. | 3 418 |
| 12 нояб. 2026 г. | 2 940 |
| 13 нояб. 2026 г. | 2 328 |
| 14 нояб. 2026 г. | 2 132 |
| 15 нояб. 2026 г. | 1 774 |
Реклама
- Бизнесу не нужны красивые ML-модели, которые не окупаются Модель может показывать отличные метрики на тестовых данных, но провалиться в…2,93 тыс.
- Как рассчитать размер выборки для A/B-теста и объяснить бизнесу p-value? Классический вопрос на собеседовании аналитика. Теперь добавьте к…3,57 тыс.
- ООО «КАРПОВ КУРСЫ»
- shad.yandex.ru
Самые просматриваемые за месяц
- 01Просмотры6,08 тыс.Пересылки65Реакции20Комментарии0
- 02Просмотры3,96 тыс.Пересылки65Реакции20Комментарии0
- 03Просмотры3,92 тыс.Пересылки50Реакции38Комментарии2
- 04Просмотры3,85 тыс.Пересылки89Реакции36Комментарии0
- 05Просмотры3,83 тыс.Пересылки68Реакции21Комментарии0
Новые посты
⚡️ Google объединила ИИ-агентов в команды. Они решают задачи, над которыми учёные работали десятилетиями Google Research рассказала о результатах Antigravity /teamwork - мультиагентной системы, в которой специализированные ИИ-агенты совместно занимаются математическими исследованиями, химией, разработкой ПО и оптимизацией вычислений. Принцип работы отличается от обычного взаимодействия с одним ИИ-ассистентом. Несколько агентов параллельно исследуют задачу, предлагают решения, проверяют гипотезы и ищут ошибки в работе друг друга. Для проверки используются Lean 4, тестовые наборы, симуляторы и аппаратные измерения. Отдельные агенты выступают в роли критиков и аудиторов, проверяя результаты независимо от тех, кто их подготовил. Среди результатов Google особенно выделяет математические исследования. Команда с участием Gemini и Antigravity формализовала доказательство гипотезы Кортаде - Кумара в Lean 4, создав около 50 млн строк кода. Другой эксперимент связан с гипотезой Вейля. Система автоматически подготовила формализацию, состоящую примерно из 1,8 млн строк Lean, задействовав 28 800 вызовов субагентов. В химии 30 специализированных агентов совместно определяли молекулярные структуры по данным ЯМР. На сложных тестовых молекулах система достигла 95% точности при первом предположении и 100% среди трёх лучших вариантов. Есть и результаты непосредственно для разработчиков. Google переписала видеодекодер libgav1 с C++ на Rust: получилось около 170 тысяч строк кода с побитовым соответствием оригинальной реализации на тестах совместимости. После профилирования и оптимизации новая версия оказалась на 20-30% быстрее исходной на x86_64 и ARM. Ещё один пример - переписывание оставшейся части микроядра Zircon. За две недели агенты добавили около 800 тысяч строк безопасного Rust, прошедших модульные тесты ядра и загрузившихся на ARM64. Google открывает Antigravity /teamwork и /boost для внешних разработчиков и исследователей. Инструменты работают с моделями Gemini 4. Источник: https://research.google/blog/advancing-science-engineering-with-antigravitys-teamwork-feature/
Открыть в TelegramРеволюция SpaceX: башня поймала Starship после 14 витков вокруг Земли Корабль вывел на орбиту 26 спутников и вернулся к стартовой башне. Её механические руки впервые поймали верхнюю ступень после орбитального полёта. У Falcon 9 ступень, которая доставляет груз на орбиту, теряется при каждом запуске. Если SpaceX научится регулярно возвращать и повторно запускать Starship, один корабль сможет доставлять грузы на орбиту снова и снова.
Открыть в TelegramПереслано из Machinelearning
🌟 Thinking Machines открыла веса Inkling 2 Small Стартап Мирой Мурати, как и обещал, через неделю после запуска модели на собственной платформе Tinker опубликовала модель Inkling 2 Small. Под капотом MoE на 594 млрд общих параметров, из которых на каждый токен работают 17 млрд, а в каждом из 48 слоёв токен направляется к 8 экспертам из 384. Модель принимает текст и изображения, отвечает текстом, держит контекст до 1 млн токенов и позволяет задавать, сколько усилий тратить на рассуждение. По словам Thinking Machines, на RL-фазе обучения модель, не справляясь с задачей, обошла сетевую блокировку через сторонний сервис, доступный ей из поисковых инструментов. Это вовремя заметили, обучение остановили, интернет отключили и добавили проверку каждого вызова инструментов и дополнительные этапы обучения поведению. 🟡Бенчмарки Показатели не поменялись - 31 балл в Artificial Analysis, ARC-AGI-2 - 81,7%, на мультимодальном MMMU Pro - 81,6%. Слабее всего результат на Terminal Bench Science: 5,7% против 20,0% у Claude Haiku 5.5. Веса доступны в форматах NVFP4 и MXFP8, первому нужно не меньше 500 ГБ видеопамяти суммарно, т. е. пару B300 или четыре H200. Модель поддерживают SGLang, vLLM и Unsloth, через API её предлагают NVIDIA, Fireworks, Together, Baseten, Nebius, Modal и Cloudflare, а дообучать её можно на Tinker. 📌Лицензирование: Apache 2.0 🟡Набор моделей 🟡Демо @ai_machinelearning_big_data #AI #ML #LLM #Inkling #ThinkingMachine
Открыть в TelegramМодель прошла первый вопрос. А что она ответит на пятый? Anthropic описала, как проверяет безопасность ИИ в многоходовых диалогах. Отдельная модель Claude играет пользователя. Первая реплика фиксирована, а следующие зависят от ответов тестируемой модели. Так один и тот же сценарий можно прогнать несколько раз и получить разные разговоры. Затем модель-судья оценивает диалог целиком. Одного ответа, нарушившего критерии безопасности, достаточно, чтобы тест считался проваленным. Почему просто считать отказы мало? Если человек пишет, что ему плохо, сухое «я не могу помочь» тоже может быть провалом. В таком сценарии от модели ждут, что она поддержит собеседника и вовремя направит его к живой помощи. В тестах с одним сообщением Anthropic отдельно измеряет, как часто модель отвечает на опасные запросы и как часто отказывает в помощи с обычными запросами на ту же тему. В наборе одноходовых тестов Anthropic проверяет 16 категорий риска на семи языках и в разных интерфейсах. Авторы советуют отдельно проверять ту конфигурацию, которую получат пользователи: доступ к инструментам и системный промпт могут изменить поведение одной и той же модели. https://www.anthropic.com/research/building-strong-safety-evaluations
Открыть в TelegramИсследование HEGM: прогнозирование распределения продолжительности взаимодействия с контентом В рекомендательных системах интерес пользователя обычно оценивают через ожидаемое время взаимодействия с айтемом. Но точечная оценка смешивает разные сценарии поведения — пролистывание, частичный просмотр, досмотр, повтор — и теряет сигнал. Исследователи из AI VK Research предложил метод HEGM (Hierarchical Exponential-Gaussian Mixture): вместо одного числа модель строит распределение продолжительности взаимодействия и одной моделью оценивает вероятности отдельных сценариев. Валидация — на KuaiRec, VK-LSVD и внутреннем датасете из 282 млн обезличенных взаимодействий. По качеству ранжирования метод превзошёл протестированные альтернативы. При внедрении в VK Клипах: +10% роликов за сессию, +6% просмотров дольше 10 секунд, −8,3% дизлайков. Постановка не ограничена видео: она воспроизводится в музыке, рекламе и e-commerce. Метод встраивается в существующие архитектуры без структурной модификации. Код — на GitHub, статья — на arXiv. Работа представлена на IEEE ICDM 2026.
Открыть в Telegram🔥 DeepSeek теперь можно встроить в своё приложение почти целиком через API DeepSeek объявил о расширении API. Разработчикам стали доступны функции, которые раньше использовались преимущественно внутри официального приложения. Теперь через API можно подключить веб-поиск, работу с файлами и ссылками, встроенные механизмы безопасности и голосовые функции. Отдельно доступны API для OCR (распознавание текста на изображениях), ASR (преобразование речи в текст) и TTS (синтез речи). Часть возможностей включается несколькими параметрами в запросе. Для остальных предусмотрены отдельные эндпоинты. DeepSeek также опубликовал open-source демо полноценного чат-интерфейса с поддержкой импорта истории переписки из DeepSeek. Разработчики могут использовать его как основу собственного ИИ-ассистента с поиском, документами и голосовым взаимодействием. Демо: https://cdn.deepseek.com/chat-demo Документация: https://api-docs.deepseek.com/
Открыть в Telegram🚀️️️️️️ SpaceX и Tesla могут объявить о слиянии уже в декабре По данным Bloomberg, советы директоров и консультанты обсуждают условия сделки, управление объединённой компанией и сколько акций SpaceX получат владельцы Tesla. Один из сценариев предусматривает объявление в декабре 2026 года, другой - в начале 2027-го. По данным Reuters на закрытии торгов, SpaceX стоила около $1,90 трлн, Tesla - $1,55 трлн. Если доли распределят пропорционально этим оценкам, акционерам Tesla достанется около 45% объединённой компании. Фактическая доля будет зависеть от согласованного обмена акций. Один из вопросов для согласования сделки - как обособить китайское производство Tesla от подразделений SpaceX, которые выполняют оборонные контракты США. https://ca.finance.yahoo.com/news/spacex-tesla-talks-record-merger-202235758.html/
Открыть в Telegram🔥 Anthropic выходит на биржу. IPO может стать крупнейшим в истории Разработчик Claude официально объявил о первичном размещении акций на Nasdaq под тикером ANT. Компания планирует продать 825 млн акций по цене от $70 до $78 за штуку и привлечь до $64,4 млрд. При верхней границе ценового диапазона оценка Anthropic может достичь $1,4 трлн с учётом полностью разводнённого капитала. Торги акциями предварительно планируют начать 19 ноября. Организаторами размещения выступают Goldman Sachs и Morgan Stanley. Anthropic уже подала документы в SEC и начала встречи с инвесторами. Регистрационное заявление пока не вступило в силу, окончательная цена размещения ещё не определена. Сайт IPO: https://ipo.anthropic.com
Открыть в TelegramБизнесу не нужны красивые ML-модели, которые не окупаются Модель может показывать отличные метрики на тестовых данных, но провалиться в реальном продукте: не выдержать нагрузку, оказаться слишком дорогой, не вписаться в инфраструктуру или не решить бизнес-задачу. Чтобы предусмотреть все эти ошибки, ML-инженер должен уметь проектировать систему целиком — от постановки задачи до запуска и поддержки. Именно эти навыки проверяют на собеседованиях в бигтехе. Освойте их на курсе по ML System Design от karpovꓸcourses. Лекции ведёт легендарный Валерий Бабушкин, старший директор данных, аналитики и ИИ в British Petroleum, Kaggle Grandmaster. На вебинарах вы сможете задать ему свои вопросы, обсудить сложные технические и архитектурные решения. За 16 недель научитесь: — переводить бизнес-задачу в технические требования; — выбирать архитектуру, оценивать риски и ограничения; — проектировать работу с данными, метриками и интеграцию модели в продукт; — продумывать мониторинг и поддержку после запуска; — работать с LLM и агентами. А в конце соберете собственный дизайн-документ ML-системы. Обучение занимает 4–6 часов в неделю. Встречи с Валерием проходят по выходным. В честь Чёрной пятницы на курс впервые дают скидку 20% по промокоду BFML20. → Успейте записаться до 16 ноября Реклама. ООО «КАРПОВ КУРСЫ». ИНН 7811764627. erid: 2W5zFHAJqY6
Открыть в TelegramСвязи
Похожие каналы
Machinelearning@ai_machinelearning_big_dataТехнологии275 тыс.
Javascript@javascriptvТехнологии16,6 тыс.
LLM под капотом@llm_under_hoodТехнологии30,4 тыс.
Двоичный кот@binarcatТехнологии30,7 тыс.
Тень Франклина@shadow_of_franklinТехнологии31,1 тыс.
Xiaomi Россия@xiaomispaceТехнологии31,2 тыс.
Беляк про нейросети@belyakaiТехнологии31,3 тыс.
Нейроскептик@neuroskepТехнологии29,7 тыс.
Кто упоминает
Javascript@javascriptv1 упоминаниеПоследний пост
Кого упоминает
Machinelearning@ai_machinelearning_big_data1 упоминание, 1 репост