Love. Death. Transformers.
❤️☠️🤗 Указанные действия не являются ресерчем, поскольку: а) Мы не ученые; б) Оно работает. @transformerslovedeatch по всем вопросам Все ситуации вымышлены, любые совпадения с реальности плот вашей фантазии.
显示更多📈 Telegram 频道 Love. Death. Transformers. 的分析概览
频道 Love. Death. Transformers. (@lovedeathtransformers) 俄语 语言赛道中的 是活跃参与者。目前社区聚集了 25 106 名订阅者,在 技术与应用 类别中位列第 5 165,并在 俄罗斯 地区排名第 25 865 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 25 106 名订阅者。
根据 14 九月, 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 357,过去 24 小时变化为 21,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 37.98%。内容发布后 24 小时内通常能获得 25.54% 的反应,占订阅者总量。
- 帖子覆盖: 每篇帖子平均可获得 9 535 次浏览,首日通常累积 6 412 次浏览。
- 互动与反馈: 受众积极参与,单帖平均反应数为 99。
- 主题关注点: 内容集中在 сиська, llm, параметр, округление, fp32 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:
“❤️☠️🤗
Указанные действия не являются ресерчем, поскольку:
а) Мы не ученые;
б) Оно работает.
@transformerslovedeatch по всем вопросам
Все ситуации вымышлены, любые совпадения с реальности плот вашей фантазии.”
凭借高频更新(最新数据采集于 15 九月, 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。
数据加载中...
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 15 九月 | +8 | |||
| 14 九月 | +26 | |||
| 13 九月 | +2 | |||
| 12 九月 | +15 | |||
| 11 九月 | +25 | |||
| 10 九月 | +13 | |||
| 09 九月 | +12 | |||
| 08 九月 | +22 | |||
| 07 九月 | +11 | |||
| 06 九月 | +19 | |||
| 05 九月 | +14 | |||
| 04 九月 | +36 | |||
| 03 九月 | +38 | |||
| 02 九月 | +22 | |||
| 01 九月 | +11 |
| 2 | Открыл интернет там ну все как обычно | 6 522 |
| 3 | Я обучил очень простой переводчик мозга мухи который позволяет ей управлять microduck, так что теперь можно дать мухе РОБОТИЗИРОВАННОЕ тело
https://huggingface.co/spaces/AlexWortega/flywire-microduck
https://x.com/justALEXWORTEGA/status/2099441563134758962?s=20 | 7 966 |
| 4 | 没有文字... | 7 435 |
| 5 | Слава богу у нас есть такие замечательные компании которые спасут нас от апокалипсиса... | 7 516 |
| 6 | 🧠 GigaChat 3.5 Reasoning — первая в России открытая модель с рассуждениями
Выкладываем в open source первую модель GigaChat с полноценным рассуждением. В основе — 432B-A28B MoE. После SFT мы обучили с помощью online RL шесть экспертов по разным направлениям: от математики и кода до агентов, диалога и следования инструкциям. Затем собрали их в одну модель через on-policy distillation: ученик генерирует ответ сам, а эксперт нужного домена оценивает каждый его токен, так что ничего из выученного в RL не теряется.
Что получилось по сравнению с GigaChat 3.5 Instant:
🔘SWE-Verified: 43 → 65
🔘AIME-2026: 67 → 92
🔘IFBench: 44 → 77
Рассуждения заметно усилили кодовые и базовые агентные навыки: модель вышла в паритет с сильнейшими открытыми и закрытыми моделями в следовании инструкциям, структурированной генерации и поиске информации в длинном контексте. При этом на сложной математике она тратит на 37% меньше токенов, чем конкуренты: высокие результаты не обязательно требуют более длинных рассуждений.
На внутренних корзинах в юридическом домене — экзамен по российскому праву, ответы по документам — модель показала себя лучшей среди доступных open source моделей. Также модель хорошо разговаривает на русском, имеет высокие показатели на внутренних и внешних аренах, обгоняя другие русскоязычные нейросети, в первую очередь за счёт фактической точности ответов.
Что интересного в обучении:
— Обучали модель на большом числе сред, а также сами построили 55 уникальных сред с проверяемым результатом, 12 тысяч задач, часть полностью на русском.
— Агент для кода учился внутри настоящих harness.
— Curriculum, который перед каждой стадией убирает уже освоенные задачи и позволяет сократить затраты на инференс вдвое.
— Нативный FP8 на всех этапах.
Подробнее о конвейере обучения, наградах и граблях, на которые мы наступили, — в статье на Хабре.
➡ Хабр: статья
➡ Hugging Face: fp8 | bf16
➡ GitVerse: репозиторий | 6 882 |
| 7 | Jane street quant interviewing at Anthropic:
“So imagine our safety team believes a new model has a 5% chance of causing an irreversible loss of human control, but scaling it may be necessary to keep up with competitors. What do you do?”
“Who came up with five?”
“Our safety team.”
“And what does the capabilities team have?”
“What?”
“Same contract. Where are they?”
“This is more of a values question.”
“Then you don’t have a five. I would put the two teams in a room. Safety can buy at five. Capabilities can sell. Increase size until somebody becomes uncomfortable. Now we know something.”
He looks at me.
“This isn’t some market-making role.”
“Understood. Who makes the market currently?”
“Nobody makes a market.”
“Then how are you doing price discovery?”
“We don’t do price discovery. We have researchers studying alignment, interpretability, dangerous capabilities, scalable oversight— you know what I don’t think this is a good fit”
He closes his laptop.
“I’m concerned you see this as an opportunity to make money.”
“I haven’t quoted you yet.”
Interview ends early | 7 559 |
| 8 | вообще удивительно, sparsity 1:70, MoE t5, ul2 рецепт и метрики на уровне 4-8b qwen3.5
hf | 7 806 |
| 9 | Теперь официально: погнали пить кофе в Лондоне.
23 сентября выступаю на конференции Applied Machine Learning for Cyber Security Conference в Лондоне, Olympic Park с докладом «Does a model know when a jailbreak is working?»
TLDR на вопрос доклада: возможно, да, но у нас есть много свободных переменных, из-за которых мы не можем надежного отличить "знание" от случайного результата без предварительных приседаний и проверок.
Вдруг кто-то будет мимо-проходить, заходите. В любом случае потом поделюсь впечатлением — для меня это что-то новое =)
Вообще говоря, AMLUCS — сильная британская конфа на стыке ML и кибербезопасности, с прикладным уклоном. Например, в оргкомитете есть Джон (John Sotiropoulos) из OWASP GenAI Security Project (авторы OWASP Top 10 for LLM Applications, я туда даже ручку прикладывала).
В докладах буду принимать участие исследователи из NCSC, Dstl, Alan Turing Institute, AI Red Team в Microsoft, AWS и профильных security-стартапов. И я — как лид HiveTrace — мы тоже сильный профильный стартап 🗿
P.S., да, это к тому, что мне дали визу, и ждун дождался. Я рада и вместе с этим волнуюсь — у меня на конфе и talk, и постер, а я давно не выступала очно (кажется, с зимы). И в целом — формат, форма и сообщество (кибербез) новый. Такие дела! | 8 148 |
| 10 | и 1гб kv кэша на 1м токенов это вау,
челы сделали схему иерахического спарс индекса кв кэша внутрь модели, по сути загнали radix внутрь ллм
репорт | 8 853 |
| 11 | Соревнование "deepseek encoder sota" объявляю открытым | 8 501 |
| 12 | https://www.sailresearch.com/blog/tpu-v6e-gemma
Крутое | 9 527 |
| 13 | 没有文字... | 9 542 |
| 14 | Anthropic первым решил уравнение Навье-Стокса
Но решение OpenAI более элегантное
Нет, это не так. Ты вообще знаешь, что такое уравнение уравнение Навье Стокса?
Нет, а ты?
Нет | 13 085 |
| 15 | https://cdn.openai.com/pdf/32d9f210-8b73-45e0-91bc-82a30aef8a9a/navier-stokes.pdf
This resolves the Navier–Stokes Millennium Prize problem by establishing statement “C” (and also “D”) in the official Millennium Prize formulation. | 10 273 |
| 16 | "я потом записи посмотрю"
конечно посмотришь, солнышко. сразу после 146 пейперов в избранном и курса по CUDA, который ты начал в 2022
19 сентября будет Practical ML Conf от Яндекса. я в программном комитете: смотрю доклады, хожу на прогоны, задаю вопросы, после которых меня перестают любить спикеры
с вас просто прийти. Москва или онлайн, отмазку я в другой стране уже пофиксили
регайся, пока опять не сохранил на потом | 10 278 |
| 17 | 3 года 21б оценки, и за последние два я не могу вспомнить не одной модели лучше чем у китайцев... Это правда надо быть французом чтобы таких результатов достигнуть | 9 880 |
| 18 | LLM safety inside | 12 369 |
| 19 | https://extropic.ai/writing/z1t/ | 12 972 |
| 20 | я и кто | 7 830 |
