gonzo-обзоры ML статей
前往频道在 Telegram
Авторы: Гриша Сапунов, ранее руководитель разработки Яндекс-Новостей, ныне CTO Intento. Области интересов: AI/ML/DL, биоинформатика. Лёша Тихонов, ранее аналитик в Яндексе, автор Автопоэта, Нейронной Обороны... Области интересов: discrete domain, NLP, RL.
显示更多📈 Telegram 频道 gonzo-обзоры ML статей 的分析概览
频道 gonzo-обзоры ML статей (@gonzo_ml) 俄语 语言赛道中的 是活跃参与者。目前社区聚集了 24 636 名订阅者，在 技术与应用 类别中位列第 5 375，并在 俄罗斯 地区排名第 26 499 位。
📊 受众指标与增长动态
自 невідомо 创建以来，项目保持高速增长，吸引了 24 636 名订阅者。
根据 28 十月, 2026 的最新数据，频道保持稳定运转。过去 30 天订阅人数变化为 177，过去 24 小时变化为 -2，整体触达仍然可观。
- 认证状态： 未认证
- 互动率 (ER)： 平均受众互动率为 13.68%。内容发布后 24 小时内通常能获得 8.06% 的反应，占订阅者总量。
- 帖子覆盖： 每篇帖子平均可获得 3 370 次浏览，首日通常累积 1 986 次浏览。
- 互动与反馈： 受众积极参与，单帖平均反应数为 15。
- 主题关注点： 内容集中在 learning, tl;dr, токенов, архитектура, контекст 等核心主题上。
📝 描述与内容策略
作者将该频道定位为表达主观观点的平台：
“Авторы:
Гриша Сапунов, ранее руководитель разработки Яндекс-Новостей, ныне CTO Intento. Области интересов: AI/ML/DL, биоинформатика.
Лёша Тихонов, ранее аналитик в Яндексе, автор Автопоэта, Нейронной Обороны... Области интересов: discrete domain, NLP...”
凭借高频更新（最新数据采集于 29 十月, 2026），频道始终保持新鲜度与高覆盖。分析显示受众积极互动，使其成为 技术与应用 类别中的关键影响点。
24 636
订阅者
-224 小时
+167 天
+17730 天
正在加载数据
吸引订阅者
十月 '2610月 '26
十月 '26
+297
在10个频道中
九月 '26
+343
在9个频道中
Get PRO
八月 '26
+157
在7个频道中
Get PRO
七月 '26
+196
在4个频道中
Get PRO
六月 '26
+253
在9个频道中
Get PRO
五月 '26
+210
在6个频道中
Get PRO
四月 '26
+279
在6个频道中
Get PRO
三月 '26
+275
在10个频道中
Get PRO
二月 '26
+387
在6个频道中
Get PRO
一月 '26
+415
在17个频道中
Get PRO
十二月 '25
+439
在9个频道中
Get PRO
十一月 '25
+295
在13个频道中
Get PRO
十月 '25
+510
在13个频道中
Get PRO
九月 '25
+286
在8个频道中
Get PRO
八月 '25
+430
在5个频道中
Get PRO
七月 '25
+641
在11个频道中
Get PRO
六月 '25
+362
在9个频道中
Get PRO
五月 '25
+431
在7个频道中
Get PRO
四月 '25
+922
在19个频道中
Get PRO
三月 '25
+583
在8个频道中
Get PRO
二月 '25
+649
在16个频道中
Get PRO
一月 '25
+1 065
在24个频道中
Get PRO
十二月 '24
+699
在13个频道中
Get PRO
十一月 '24
+1 001
在20个频道中
Get PRO
十月 '24
+727
在14个频道中
Get PRO
九月 '24
+415
在11个频道中
Get PRO
八月 '24
+467
在3个频道中
Get PRO
七月 '24
+217
在10个频道中
Get PRO
六月 '24
+375
在20个频道中
Get PRO
五月 '24
+354
在11个频道中
Get PRO
四月 '24
+377
在13个频道中
Get PRO
三月 '24
+399
在14个频道中
Get PRO
二月 '24
+323
在12个频道中
Get PRO
一月 '24
+660
在15个频道中
Get PRO
十二月 '23
+641
在19个频道中
Get PRO
十一月 '23
+268
在8个频道中
Get PRO
十月 '23
+501
在19个频道中
Get PRO
九月 '23
+355
在0个频道中
Get PRO
八月 '23
+456
在0个频道中
Get PRO
七月 '23
+357
在0个频道中
Get PRO
六月 '23
+300
在0个频道中
Get PRO
五月 '23
+2 022
在0个频道中
Get PRO
四月 '23
+967
在0个频道中
Get PRO
三月 '23
+2 757
在0个频道中
Get PRO
二月 '23
+385
在0个频道中
Get PRO
一月 '23
+166
在0个频道中
Get PRO
十二月 '22
+343
在0个频道中
Get PRO
十一月 '22
+100
在0个频道中
Get PRO
十月 '22
+93
在0个频道中
Get PRO
九月 '22
+70
在0个频道中
Get PRO
八月 '22
+261
在0个频道中
Get PRO
七月 '22
+475
在0个频道中
Get PRO
六月 '22
+215
在0个频道中
Get PRO
五月 '22
+225
在0个频道中
Get PRO
四月 '22
+101
在0个频道中
Get PRO
三月 '22
+132
在0个频道中
Get PRO
二月 '22
+233
在0个频道中
Get PRO
一月 '22
+113
在0个频道中
Get PRO
十二月 '21
+248
在0个频道中
Get PRO
十一月 '21
+226
在0个频道中
Get PRO
十月 '21
+69
在0个频道中
Get PRO
九月 '21
+92
在0个频道中
Get PRO
八月 '21
+73
在0个频道中
Get PRO
七月 '21
+133
在0个频道中
Get PRO
六月 '21
+174
在0个频道中
Get PRO
五月 '21
+75
在0个频道中
Get PRO
四月 '21
+84
在0个频道中
Get PRO
三月 '21
+97
在0个频道中
Get PRO
二月 '21
+136
在0个频道中
Get PRO
一月 '21
+170
在0个频道中
Get PRO
十二月 '20
+4 514
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 29 十月 | +1 | |||
| 28 十月 | +5 | |||
| 27 十月 | +7 | |||
| 26 十月 | +14 | |||
| 25 十月 | +9 | |||
| 24 十月 | +4 | |||
| 23 十月 | +7 | |||
| 22 十月 | +3 | |||
| 21 十月 | +7 | |||
| 20 十月 | +12 | |||
| 19 十月 | +10 | |||
| 18 十月 | +8 | |||
| 17 十月 | +14 | |||
| 16 十月 | +14 | |||
| 15 十月 | +7 | |||
| 14 十月 | +12 | |||
| 13 十月 | +12 | |||
| 12 十月 | +19 | |||
| 11 十月 | +8 | |||
| 10 十月 | +4 | |||
| 09 十月 | +4 | |||
| 08 十月 | +13 | |||
| 07 十月 | +17 | |||
| 06 十月 | +11 | |||
| 05 十月 | +7 | |||
| 04 十月 | +11 | |||
| 03 十月 | +21 | |||
| 02 十月 | +27 | |||
| 01 十月 | +9 |
频道帖子
| 2 |  没有文字... | 1 418 |
| 3 | Игрокам на бирже посвящается. Кажется, за последнее время (да и за долгую историю) уже много раз бывало, что простые бейзлайны бьют всю эту сложную монстрологию.
Towards Financial World Modeling
Humzah Merchant, Alec Guthrie, Simon Mahns, Randall Balestriero, Bradford Levy
Paper: https://arxiv.org/abs/2610.09048
Code: https://github.com/fin-ai-lab/tfwm
Model: https://huggingface.co/fin-ai-lab
Review: https://arxiviq.substack.com/p/towards-financial-world-modeling
ЧТО сделали: Авторы представили открытый датасет Market-1T из почти триллиона секундных наблюдений по акциям за 2008–2025 годы. На нём протестировали 18 методов обучения энкодеров (с учителем, self-supervised и предобученные модели) в роли состояний для финансовых моделей мира. Каждое представление проверили на 32 исторических режимах рынка: оценивали прогноз на 15 минут вперёд и геометрию латентного пространства.
ЧТО получили: Точность прогнозов и структура латентного пространства почти не коррелируют между энкодерами (корреляция Спирмена ρ = −0.19). На прогнозе 15-минутной доходности многоголовая модель с учителем набирает ранговый информационный коэффициент (IC) 0.0311 против 0.0170 у необученного случайного Vision Transformer (Random ViT) и 0.0196 у гребневой регрессии по последним 24 сырым входным токенам. Большинство self-supervised методов уступают обоим бейзлайнам (от 0.0095 у Time-Frequency Consistency, TF-C, до 0.0205 у TS2Vec), а при равных вычислениях маленькие энкодеры (5.4M ViT-Tiny) обыгрывают большие (86M ViT-Base).
ПОЧЕМУ это важно: Оптимизация энкодера только под прогноз следующей доходности сжимает его эффективную размерность до 2.8–3.7 направлений и стирает структуру компаний, дней и межрыночных факторов, нужную для планирования сделок. Впрочем, авторы тестируют только статические замороженные энкодеры, а не полноценные модели мира с действиями, и используют разную агрегацию токенов при обучении и линейном пробинге.
Разбираться с фундаментальными моделями для рынка здесь: https://t.me/gonzo_ML_podcasts/4838 | 1 433 |
| 4 | Разные опции, пометьте, если согласны | 1 843 |
| 5 | Длина постов | 1 841 |
| 6 | Картинки в посте | 1 870 |
| 7 | Формулы и математика в посте | 1 912 |
| 8 | Про новый формат обзоров vs. старый по опросу вроде понятно, но если вы ещё не выразили своё мнение, скажите, пожалуйста.
Ещё пачка вопросов про новый формат 👇 | 1 913 |
| 9 |  +1没有文字... | 2 596 |
| 10 | А ещё извините, совсем в другую тему, но не могу не поделиться. Я почему-то узнал про это только сегодня.
Старая добрая карманная электронная игра "Ну, погоди!" с ловлей яиц — практически полный клон карманной игры из серии Game & Watch от Nintendo.
Источник: https://www.facebook.com/groups/1130497079252028/posts/1419032017065198
Другой более подробный источник: https://habr.com/ru/companies/ruvds/articles/710548/ | 2 566 |
| 11 | Свежий emergency выпуск подкаста Лекса Фридмана про AI и математику. Как обычно 3+ часа :) Но пересказывать нет смысла — рассуждают о том, как изменяется математика из-за AI, о будущем математиков, про большие задачи — гипотезу Римана, Навье-Стокса, P vs. NP и прочее. Про дзета функцию и обработку сигналов, где сигналом является распределение простых чисел, я раньше как-то не думал. Интересно послушать, и там даже есть какой-то визуальный ряд, чтобы посмотреть.
Вообще ситуация с математикой интересная, на неё стоит внимательно смотреть как на очень выразительный модельный кейс про изменение профессий. По моему ощущению, у математиков всё происходит острее чем у программистов, хотя у последних всё раньше началось, но вроде без экзистенциального кризиса. Есть, конечно, в SWE свои страхи про сокращения (свежак про Microsoft который предлагает четверти своих сотрудников добровольно покинуть компанию), но в целом кажется внешне всё спокойнее, да и адаптация активно идёт у всех. У нас у самих если ещё полгода назад довольно много людей писало код по старинке, то сейчас вручную код не пишет уже вообще никто. У математиков, тех что я наблюдал за последние полгода, включая очень high level, чаще встречаются панические настроения. Действительно интересно, как изменится область, и как изменится то, чем занимаются люди. И как общество и индустрия в свою очередь на это отреагируют.
https://www.youtube.com/watch?v=ZAzWPE9CItg | 2 509 |
| 12 | Новый формат обзоров (большой пост с формулами и картинками внутри) для вас лично лучше старого (несколько текстовых сообщений + картинки после)? | 2 577 |
| 13 |  没有文字... | 2 696 |
| 14 |  没有文字... | 2 621 |
| 15 |  没有文字... | 2 543 |
| 16 | Прикольная история. Во всех массовых реализациях софтмакса и кроссэнтропии есть баги, приводящие к проблемам округления. И вот после более чем десятка(ов) лет активного пользования всем этим, их наконец обнаружили. В очередной раз возникает вопрос, почему не раньше.
A Fix for Softmax and Cross-Entropy
Jonathan T. Barron, Dan Gnanapragasam, Michael Tschannen
Paper: https://arxiv.org/abs/2610.31642
Review: https://arxiviq.substack.com/p/a-fix-for-softmax-and-cross-entropy
Code: N/A (self-contained JAX snippets provided in paper)
Model: N/A
ЧТО сделали: Авторы переписали софтмакс, лог-софтмакс и кросс-энтропию (для жёстких и мягких меток) в логарифмическом пространстве. Это исправляет два бага округления в фреймворках глубокого обучения: Softmax Collapse (зануление градиента целевого логита при высокой уверенности модели) и Softmax Cancellation (ненулевой остаточный градиент в дистилляции, когда логиты студента уже совпали с логитами учителя).
ЧТО получили: На модулярном сложении ($a + b \bmod 31$) в bf16, fp32 и fp64 Fixed Cross-Entropy даёт 98.9%–100.0% тестовой точности против 93.3%–100.0% у стандартной кросс-энтропии, 48.9%–97.9% у Zero-sum Projection (вычитание среднего из градиентов) и 95.6%–97.4% у StableMax (кусочно-рациональная замена софтмакса). В полиномиальном гроккинге без регуляризации ($a^2 + b^2 \bmod 97$) Fixed Cross-Entropy достигает 85% точности, тогда как стандартная кросс-энтропия падает с 61% до 23%.
ПОЧЕМУ это важно: Drop-in replacement базовых функций лосса убирает скачки лосса («эффект рогатки», Slingshot) при гроккинге и дрейф весов при дистилляции в bf16 без перевода в fp64. Правда, все эксперименты проведены на небольших задачах модулярной арифметики, а проверенные здесь огромные отступы логитов и почти нулевые зазоры между студентом и учителем в масштабном обучении встречаются редко.
Округлять с багами и без багов здесь: https://t.me/gonzo_ML_podcasts/4837 | 2 543 |
| 17 |  没有文字... | 2 632 |
| 18 |  没有文字... | 2 606 |
| 19 | Фантастики вам на ночь.
Agentic Economies for Autonomous Scientific Discovery
Nenad Tomašev, Matija Franklin, Atoosa Kasirzadeh, Vivek Natarajan, Alan Karthikesalingam, Sebastien Krier, Simon Osindero
Paper: https://arxiv.org/abs/2609.31562
Review: https://arxiviq.substack.com/p/agentic-economies-for-autonomous
Code: N/A
Model: N/A
ЧТО сделали: Авторы представили Agentic Economies for Science — рыночную архитектуру для автономных научных систем (мультиагентных моделей, которые генерируют гипотезы и проводят эксперименты). Она координирует учёных, ИИ-агентов и роботизированные лаборатории: назначает цены за доступ к данным, позволяет торговать токенизированными исследовательскими заявками и верифицирует физические эксперименты через смарт-контракты.
ЧТО получили: В этой концептуальной статье авторы указывают, что стоимость вычислительной генерации гипотез стремится к нулю, поэтому научный поиск ограничивается неэластичной проверкой в реальном мире. Например, по закону Ирума стоимость одобрения лекарства в FDA удваивается каждые 9 лет и уже достигла $2.6 млрд за молекулу. Чтобы отсеивать слабые идеи до лаборатории, фреймворк вводит 4-уровневый рынок данных и 4-этапный пайплайн обмена гипотезами (Hypothesis Exchange Pipeline), отделяющий генерацию идей от экспериментов в мокрой лаборатории.
ПОЧЕМУ это важно: Работа переносит фокус в ИИ для науки с изолированного улучшения рассуждений на явный учёт стоимости, комбинаторные аукционы ресурсов и автоматическое эскроу для репликации результатов. При этом вся предложенная инфраструктура остаётся концептуальной и пока не имеет эмпирического прототипа.
Фонтанировать идеями тут: https://t.me/gonzo_ML_podcasts/4836 | 2 739 |
| 20 |  没有文字... | 2 678 |
