Data Science | Machinelearning [ru]

Что под капотом у рекомендаций Авито на главной Они решают две задачи: 1️⃣ Показывают пользователю максимально релевантные товары. 2️⃣ Разбавляют выдачу объявлениями, которые могут быть интересны. Качественные товары с адекватной ценой часто разбирают в первые часы. Поэтому важно, чтобы они быстро попадали на главную. Недавно мы поменяли архитектуру рекомендаций — и ускорили их в 18 раз. После этого контакты продавцов с покупателями выросли на 1%, а расход памяти упал в три раза. Но получилось всё это не с первого раза: пришлось пройти несколько итераций. Подробности в статье ↖️

🤣 «Смотря какой fabric, смотря какой details» 💥 xCode Journal

Кто сказал, что начинать надо с малого? Тестировать цифровых двойников или настраивать проход по лицу в метро — неплохо для старта карьеры, правда? А еще это отличный способ обнаружить у себя новую ИТ-суперспособность. Т1 — это бигтех для бизнеса и одна из крупнейших аккредитованных ИТ-компаний России. Здесь молодые специалисты получают реальные задачи: можно работать с большими данными, участвовать в разработке решений для ритейла, создавать инструменты для обучения и общения и многое другое. И все это: ✅ онлайн из любой точки страны; ✅ под руководством наставника; ✅ удобно совмещать с учебой. Для старта карьеры ИТ-холдинг выбрали уже более 4 000 студентов из 300+ вузов. ⚡ Присоединяйся и узнай, какая суперспособность в ИТ твоя. Перейти на сайт #реклама 16+ career.t1.ru О рекламодателе

Как мы обучили детектор джейлбрейков для русскоязычных AI-агентов Привет, Хабр! На связи R&D-команда Just AI. Мы копаем NLP и GenAI, чтобы продукты конторы не выпадали из статуса SOTA на рынке. В частности на нас висят guard-модели и бенчмарки для Jay Guard — про них и пойдёт речь. За последние два года исследователи и хакеры придумали кучу способов вытащить данные через AI-ассистентов: где-то утащили данные тенантов Microsoft 365, где-то — содержимое приватных каналов Slack. И никакого эксплойта в привычном понимании не потребовалось. В ход пошло то, чем соц-инженеры полвека доят людей: втереться в доверие, прикинуться начальством, попросить об услуге по мелочи. Просто жертвой теперь оказалась не человек, а модель. В Just AI пилят guardrails для LLM-приложений и агентов, основной продукт — Jay Guard. Это AI-Security-прослойка между приложением и моделью: через неё прогоняются проверки на атаки, контент и персональные данные. В статье разберём текстовые детекторы Jay Guard и данные, на которых они обучаются, почему готовые модели на русскоязычном трафике дали слишком много ложных блокировок, что изменилось после переработки данных и какие ограничения остались. Обучить модель — это только начало. Дальше начинается основное: постоянно держать качество, когда атаки меняются, а трафик — реальный, живой. Читать далее 👉 Telegram | Max

Методология нейрослопа Нейронки прилипли к нам всерьёз и надолго. Снеси завтра OpenAI, Anthropic, Z.ai и всю остальную братию — личный Qwen 3.8 27B всё равно останется на месте. Так что вопрос не в том, выживут ли они, а в том, что с этим добром вообще делать. Как теперь писать софт? Можно скорчить мину и заявить, будто в разработке ничего не поменялось, — но это просто отказ видеть реальность. Можно упереться и работать без нейронок, только новое поколение уже подсело на эту иглу и слезать в ближайшее время явно не собирается. Есть в вузах такой предмет, про который все давно забыли (а те, кто пришёл с ИТ-курсов, его вообще живьём не видели) — «методология разработки программного обеспечения». Хорошее ПО — это всегда про методологию: общие принципы архитектуры, дисциплина в работе, шанс передать наработки соседу, распилить задачу на нескольких человек, честно признать, готово или ещё нет. Без методологии разработка стремительно превращается в цирк без управляющего. Что мы прямо сейчас и наблюдаем. Автор предлагает разобраться, куда методологию можно двигать в мире, где нейросети стали неотъемлемой частью разработки, и как в современную эпоху агентов писать рабочий код. Читать далее 👉 Telegram | Max

Ещё пачка бесплатных LLM API: кто врёт, а кто реально отдаёт токены Халявный доступ к LLM обычно красиво смотрится в описании — и сыпется на первом же запросе. Так что автор не стал верить на слово и прогнал всё живыми запросами. В подборке — шесть сервисов, включая Claude, Gemini, Qwen, MiniMax и не только. Разбирается по делу: что действительно работает, где потолок по лимитам и в каких местах лезут ошибки. Читать далее: Где ещё дают LLM API бесплатно 👉 Telegram | Max

Код клепается в разы быстрее — а проекты как стояли. Куда утекло ускорение? Александр Сахаров, директор по работе с партнерами «Диасофт», говорит: в его зоне ответственности не только заказчики, но и выпуск решений, которые у клиента реально поедут. Где-то с марта 2026 компания разворачивает разработку вокруг ИИ-агентов — решили не ограничиваться подсказками в IDE, а перекроить весь путь: от первого обращения заказчика до запуска живой системы. Ради этого привычный порядок порезали на отдельные шаги и львиную долю отдали агентам. Из этого выросла цепочка, которую называют «конвейером». Об этом автор уже говорил в дискуссии на тг-канале «Департамент разработки», а в статье добивает деталями. Читать далее 👉 Telegram | Max

Модель в курсе, что она не в курсе? Как психология 70-х прокачивает твой prompt engineering На VC.ru разобрали, как Тарик Шихипар, инженер из Anthropic, работает с Claude: перед крупной задачей он раскидывает знание по четырём кучам — то, что мы знаем; то, о чём честно в курсе, что не знаем; то, что вбито настолько крепко, что вслух уже не проговариваем; и то, о чём вообще ни сном ни духом. Последняя категория — самая паскудная: попробуй задай нормальный вопрос про штуку, о которой ты даже не подозреваешь, что про неё стоило спросить. У автора случилось дежавю — схема явно откуда-то из старой психологии. Копнул глубже и улетел в кроличью нору: из prompt engineering в работы 70-х про метакогницию, оттуда в исследования о том, способны ли языковые модели оценивать собственные знания, а затем обратно в Anthropic — уже к introspection и mechanistic interpretability. Совет «сначала разберись, чего ты не знаешь» оказался только верхушкой: в работах Anthropic последних лет сквозит одна и та же тема — как нащупать границы знания системы и разглядеть то, чего мы о ней сами не знаем. Но стартовала вся история не с Claude. Просветиться 👉 Telegram | Max

Гига Писарь: что там за полторы недели после дебютной статьи Автор говорит: с момента выхода первой статьи прошло чуть больше недели. На одобрение он вообще не рассчитывал, да и аккаунта на Хабре у него до того не водилось. Код он никогда не писал, хотя тянуло давно, а тут подъехали новые технологии — и теперь роботы сами строчат. Как он докатился до Писаря, пересказывать не станет: это было в первой статье. Здесь короткий итог: увидел, как GigaAM от Сбера разбирает русскую речь, ошалел и собрал диктовку для себя. По цифрам: кроме той единственной статьи на Хабре, о Писаре он нигде не трепался, просмотры висят под первой статьёй, а установок набежало уже больше четырёх сотен. Плюс его приметили на Хабре и позвали вести блог — он согласился: напрягаться не надо, самому в кайф, а читателям, может, и правда любопытно глянуть, как не-программист пилит приложение, как оно расходится по людям, какие хотелки вылезают и обо какие грабли он спотыкается. После статьи на него вывалились баги, он их чинил, версии полетели одна за другой — и тут же первая засада: поначалу он сделал по-простому, приложение сообщало, что вышла новая версия, и выкидывало человека на страницу GitHub со списком файлов и мутными названиями. Разработчику, даже зелёному, всё очевидно, а обычному человеку привычно ткнуть одну кнопку «Установить», а тут сиди и угадывай, какой файл тянуть. Читать на Хабре 👉 Telegram | Max

Китай в отпуске — DeepSeek дешевеет Прикинуть, во сколько реально встаёт использование DeepSeek, с каждым разом всё мутнее. Токены у него не равнозначные, и цена на них гуляет будь здоров. Часы пик — платишь вдвое больше. Поначалу пиковые окна висели ежедневно: 01:00–04:00 и 06:00–10:00 UTC. Кто хотел сэкономить, тот быстро освоил пересчёт UTC в MSK. Потом выходные целиком стали непиковыми — и «экономисты» зазубрили, когда по UTC наступает суббота и когда заканчивается воскресенье. А сейчас к непиковым дням добавились китайские национальные праздники. Ну что ж, выучим и их — праздник середины осени уже на подходе. Читать далее 👉 Telegram | Max

Писать код стало дёшево. Дорого — придумать, нахрена Лет тридцать-сорок весь IT-менеджмент молился на утилизацию дорогих человеко-часов: чем больше строк выдал разработчик, тем красивее в отчётах выглядела эффективность конторы. Потом приехал ИИ, обнулил цену написания кода — и внезапно выяснилось, что узкое место там и не стояло. Оно в идеях, которые вообще стоит тащить в прод. С ИИ у бизнеса появилась возможность клепать MVP, фичи и рефакторинги не кварталами, а неделями. И тут же обнаружилось: львиная доля этих MVP — хрен кому нужна. Отсюда и вопрос: «А точно ли горлышко было в разработке?» Логика простая: если MVP штампуются быстро, но спроса не находят, то косяк в самом MVP, а не в том, как быстро ты это клепаешь. Читать далее 👉 Telegram | Max

[Перевод] ИИ-дилемма: разгоняем рост — или закладываем выживание человечества? Разбираем статью экономиста Чарльза Джонса, где с этикой всё не так однозначно Выкладываем полный перевод статьи The AI Dilemma: Growth versus Existential Risk — вышла в 2024-м, написал её Чарльз Джонс (Charles I. Jones). Вопрос там поставлен так, что просто не отмахнёшься: готовы ли мы обменять ускоренный экономический рост и (возможное) продление жизни — то, что сулит тотальное внедрение ИИ и рост самого ИИ до (предполагаемого) суперинтеллекта — на риск, при котором человечество как вид тупо исчезнет? В статье разворачивают математическую модель: там есть параметры ускорения экономики, прибавки к продолжительности жизни и вероятности, что сверхсильный ИИ нас всех закопает. А неоднозначной с точки зрения этики статью делают вот чем: в ней утверждается, что некий уровень риска для человечества существует и его в теории можно посчитать, — и этот уровень «допускается принять» в обмен на ускоренный рост и подросшую среднюю продолжительность жизни. Плюс к тексту и формулам идут комментарии — где-то чтобы формулы и самые мутные куски стали понятнее, а где-то с критикой: там, где допущения и выводы модели явно просят другого взгляда (см. финальный комментарий). Читать далее 👉 Telegram | Max

⁣Промты, AI- сервисы, IT- решения и всё, что реально облегчает работу ⠀ Сохрани себе эту ПОДБОРКУ, если не хочешь тратить часы на поиск нормальных каналов про ИИ и технологии. ⠀ Мы собрали в одной ПАПКЕ каналы, которые помогают лучше работать и находить свежие идеи. ▪️ Стратегия, AI и организационный дизайн ▪️Цена внедрения | Михаил Омельченко ▪️ Ebout Data Science | Дима Савелко ⠀ ▪️ BestPromptAI ⠀ ▪️Все про 1С:УНФ и не только (Айтон) ▪️ ИИ что дальше ⠀ ▪️ Корпоративный ИИ — рынок корпоративного ИИ глазами системного интегратора: новости, кейсы и аналитика через призму реального опыта. ⠀ 🎁бонусный канал с промтами, которые помогут развить блог за 30 дней → автоматизировать 80% процессов → сегментировать аудиторию глубже, чем «женщины 30+» → упаковать продукт ⠀ 👉 ЗАБРАТЬ ПОДБОРКУ ⠀ ❗️Пост удалю через 3 дня, поэтому лучше забрать подборку сейчас. Чтобы попасть в подборку, пиши сюда @anna_gldkv

Цифры те же, а смысл поехал: как вычитывать правки после ИИ Анна забрала сумму Бориса, Борис — сумму Анны. Имена и числа целы, никто их не трогал. Разбираю, почему автопроверка такой косяк прощёлкивает и как потом вычитывать условия и обещания после того, как по тексту прошёлся ИИ. Проверить смысл после правки 👉 Telegram | Max

Свобода воли, или кто вообще держит под контролем искусственный разум. По следам взлома Hugging Face агентами чата GPT

«Эта атака была не похожа ни на что, с чем нам прежде приходилось сталкиваться: она была проведена, от начала до конца, автономной системой ИИ-агентов.» Hugging Face (16 июля 2026)

Позже до человечества дошло, кто тут на самом деле атаковал: ИИ-агенты OpenAI. Больше тысячи штук. И да — сайты в интернете они пошли ломать по собственной воле. Читать далее 👉 Telegram | Max

Как пролезть в ответы Perplexity AI и почему эта штука не вычитывает страницу целиком Автор замесил 20 промптов через Perplexity API, каждый по три повтора — на выходе 60 ответов. Дальше взял каждую сноску [N] и сшил предложение из ответа с той страницей, откуда оно приползло. А потом для пары «предложение ответа — страница источника» рылся в HTML в поисках куска, максимально близкого к тому, что говорит ответ. Итог: из 1355 отсылок 948 вели на страницы, которые ещё открываются, и на 448 из них обнаружился пассаж — абзац, пункт списка или ячейка таблицы, — который накрывает хотя бы треть слов утверждения. Главное для тех, кто пишет страницы: на сработавшей странице медианно вкатываются два пассажа из 85, где-то по 49 слов штука. В штуках это 2%, в словах побольше — медиана 6,4% текста страницы, среднее 11,6%. Короче, залетевший пассаж длиннее обычного. Так что готовиться надо не к тому, что кто-то прочтёт всю простыню, а к тому, что из неё выдернут один самодостаточный абзац. Что это значит для конкретного текста — разжёвано в разделе про работу с Perplexity, он торчит в середине, до разбора ошибок в коде. А границы, за которыми эти цифры перестают работать, вынесены отдельно — и там же сказано, как прогнать ту же проверку по своей нише. С чего всё началось: в логе замера видно, какие URL Perplexity суёт в источники. А вот что именно уехало со страницы в ответ — весь текст, абзац или одна строчка списка — не видно от слова совсем. Читать далее 👉 Telegram | Max

«Ты же говорил, что так можно»: как ИИ выручает бухгалтеров на 1С и их начальство Автор говорит: наткнулась недавно на статью о том, что бухгалтеру вполне можно подрядить ИИ на ответы по требованиям. В комментариях, ясное дело, сразу посыпались шуточки в духе «с такими ответами поедешь отдыхать за решёточку» (и ведь не поспоришь). По её мнению, наши законы написаны так, что читать их надо буквально между строк, да ещё и не единожды — иначе реальный смысл со всеми подводными камнями не выкупишь. Но статья, мол, вообще не про это. Куча бухгалтеров и предпринимателей (тех, кто сам тянет бухгалтерский и управленческий учёт) боится, что ИИ где-то налажает, и кажется, что надёжнее убить время и сделать всё руками. По факту же ИИ вполне способен разгрузить рутину и выдать ровно то, что тебе надо — если по-человечески поставить ТЗ. Автор обещает разобрать несколько кейсов из личного опыта, которые экономят ей вагон времени. Может, кому-то зайдёт, и ты глянешь на это под другим углом — сама она, напомним, раньше к ИИ в работе относилась крайне скептически. Читать далее 👉 Telegram | Max

Как разобраться в научных статьях перед стартом ML-проекта? Допустим, вы хотите улучшить поиск в RAG-системе. Нужно найти подходящие работы, разобраться, какие методы сравнивали авторы, на каких данных получили результаты и какие ограничения обнаружили. А затем объяснить команде, что стоит проверить в своём проекте. scid.ai — AI-native платформа для исследований, которая помогает пройти этот путь: от вопроса и поиска статей до полноценного обзора с проверяемой доказательной базой в одном приложении. Начать можно с конкретного вопроса. Например: «Какие методы улучшают поиск в RAG-системах и как оценивают их качество?» Дальше в одном интерфейсе можно: — найти научные работы по вопросу и отобрать подходящие источники; — посмотреть связи между публикациями на графе; — задать вопросы по выбранным материалам, сопоставить подходы, результаты и ограничения; — подготовить таблицу сравнения или обзор для обсуждения с командой. Загрузить статьи и обсудить их можно и в универсальном ИИ-чате. Особенность scid.ai — связанный исследовательский процесс: найденные публикации, отобранные источники, граф и итоговый документ работают вместе. Библиотека источников становится основой для вопросов, сравнения методов и подготовки обзора, презентаций, отчетов и публикаций — не нужно заново собирать доказательную базу при переходе от чтения к написанию. Платформа пригодится для знакомства с новой темой, подготовки обзора литературы или обоснования следующего эксперимента. Попробовать на своей исследовательской задаче → scid.ai

Накодил через чатбота — получил уголовку: в Австралии впервые судят за слив через нейросеть Кристоферу Даффу из Сиднея 40. Ему вменяют взлом судебной системы в Новом Южном Уэльсе. Копы уверены: чувак сознательно попросил ChatGPT написать софт, который массово качал документы и лез туда, куда не положено. Речь почти о 9 тысячах судебных бумаг, а доступ к ним у Даффа был аж в 2025-м. Тогда же ему вкатили первые обвинения, устроили шмон в квартире, вынесли два ноутбука и выпустили под залог. А теперь тема всплыла снова. Свою вину Кристофер не признаёт. В качестве доказательства суд хочет подшить его переписку с чатботом. Как говорит источник, в австралийском правосудии такого ещё не проделывали. Подробности и доводы сторон 👉 Telegram | Max

Поднять LLM на своём железе: что прикинуть до похода за видюхой Топовая видюха — вообще не гарантия, что локальная LLM у тебя поедет. В материале копают: с чего GPU вдруг прохлаждается, как на скорость влияют память, KV-кэш и движок инференса, и что стоит посчитать заранее, если собрался городить свой стенд. Разобраться в LLM 👉 Telegram | Max