Artificial Intelligence
Open in Telegram
Artificial Intelligence admin - @haarrp @itchannels_telegram - 🔥 best it channels @ai_machinelearning_big_data - Machine learning channel @pythonl - Our Python channel @pythonlbooks- python книги📚 @datascienceiot - ml 📚 РКН: clck.ru/3FmwZw
Show more
Network:📈 Analytical overview of Telegram channel Artificial Intelligence
Channel Artificial Intelligence (@artificialintelligencedl) is an active participant. Currently, the community unites 16 769 subscribers, ranking 7 727 in the Technologies & Applications category and 39 720 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 16 769 subscribers.
According to the latest data from 24 July, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 82 over the last 30 days and by 4 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 7.16%. Within the first 24 hours after publication, content typically collects 3.47% reactions from the total number of subscribers.
- Post reach: On average, each post receives 1 201 views. Within the first day, a publication typically gains 582 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 3.
- Thematic interests: Content is focused on key topics such as llm, github, api, dataset, deepseek.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“Artificial Intelligence
admin - @haarrp
@itchannels_telegram - 🔥 best it channels
@ai_machinelearning_big_data - Machine learning channel
@pythonl - Our Python channel
@pythonlbooks- python книги📚
@datascienceiot - ml 📚
РКН: clck.ru/3FmwZw”
Thanks to the high frequency of updates (latest data received on 25 July, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Technologies & Applications category.
16 769
Subscribers
+424 hours
+507 days
+8230 days
Data loading in progress...
Similar Channels
Tags Cloud
Incoming and Outgoing Mentions
---
---
---
---
---
---
Attracting Subscribers
July '26
July '26
+127
in 0 channels
June '26
+37
in 0 channels
Get PRO
May '26
+93
in 0 channels
Get PRO
April '26
+199
in 0 channels
Get PRO
March '26
+158
in 0 channels
Get PRO
February '26
+223
in 0 channels
Get PRO
January '26
+152
in 0 channels
Get PRO
December '25
+122
in 0 channels
Get PRO
November '25
+244
in 0 channels
Get PRO
October '25
+89
in 2 channels
Get PRO
September '25
+135
in 1 channels
Get PRO
August '25
+139
in 1 channels
Get PRO
July '25
+342
in 1 channels
Get PRO
June '25
+284
in 1 channels
Get PRO
May '25
+227
in 2 channels
Get PRO
April '25
+250
in 1 channels
Get PRO
March '25
+213
in 1 channels
Get PRO
February '25
+188
in 3 channels
Get PRO
January '25
+427
in 3 channels
Get PRO
December '24
+288
in 5 channels
Get PRO
November '24
+359
in 1 channels
Get PRO
October '24
+162
in 4 channels
Get PRO
September '24
+320
in 5 channels
Get PRO
August '24
+233
in 4 channels
Get PRO
July '24
+504
in 3 channels
Get PRO
June '24
+498
in 2 channels
Get PRO
May '24
+697
in 37 channels
Get PRO
April '24
+719
in 45 channels
Get PRO
March '24
+914
in 21 channels
Get PRO
February '24
+929
in 2 channels
Get PRO
January '24
+1 125
in 42 channels
Get PRO
December '23
+427
in 8 channels
Get PRO
November '23
+241
in 1 channels
Get PRO
October '23
+753
in 1 channels
Get PRO
September '23
+656
in 0 channels
Get PRO
August '23
+308
in 0 channels
Get PRO
July '23
+356
in 0 channels
Get PRO
June '23
+546
in 0 channels
Get PRO
May '23
+424
in 0 channels
Get PRO
April '23
+171
in 0 channels
Get PRO
March '23
+179
in 0 channels
Get PRO
February '23
+225
in 0 channels
Get PRO
January '23
+176
in 0 channels
Get PRO
December '22
+134
in 0 channels
Get PRO
November '22
+137
in 0 channels
Get PRO
October '22
+275
in 0 channels
Get PRO
September '22
+304
in 0 channels
Get PRO
August '22
+146
in 0 channels
Get PRO
July '22
+189
in 0 channels
Get PRO
June '22
+188
in 0 channels
Get PRO
May '22
+245
in 0 channels
Get PRO
April '22
+497
in 0 channels
Get PRO
March '22
+722
in 0 channels
Get PRO
February '22
+255
in 0 channels
Get PRO
January '22
+162
in 0 channels
Get PRO
December '21
+509
in 0 channels
Get PRO
November '21
+253
in 0 channels
Get PRO
October '21
+122
in 0 channels
Get PRO
September '21
+167
in 0 channels
Get PRO
August '21
+167
in 0 channels
Get PRO
July '21
+169
in 0 channels
Get PRO
June '21
+230
in 0 channels
Get PRO
May '21
+119
in 0 channels
Get PRO
April '21
+84
in 0 channels
Get PRO
March '21
+87
in 0 channels
Get PRO
February '21
+107
in 0 channels
Get PRO
January '21
+160
in 0 channels
Get PRO
December '20
+2 569
in 0 channels
| Date | Subscriber Growth | Mentions | Channels | |
| 25 July | +3 | |||
| 24 July | +5 | |||
| 23 July | +3 | |||
| 22 July | +6 | |||
| 21 July | +10 | |||
| 20 July | +19 | |||
| 19 July | +3 | |||
| 18 July | +6 | |||
| 17 July | 0 | |||
| 16 July | +8 | |||
| 15 July | 0 | |||
| 14 July | +9 | |||
| 13 July | +5 | |||
| 12 July | +4 | |||
| 11 July | +3 | |||
| 10 July | +3 | |||
| 09 July | +4 | |||
| 08 July | +6 | |||
| 07 July | +2 | |||
| 06 July | 0 | |||
| 05 July | +5 | |||
| 04 July | +8 | |||
| 03 July | +1 | |||
| 02 July | +7 | |||
| 01 July | +7 |
Channel Posts
Google Research попыталась объяснить, откуда у diffusion-моделей берётся «креативность».
Почему генератор изображений не просто копирует обучающие примеры, а создаёт новые сцены, которых не было в датасете?
Ответ оказался математическим.
Во время обучения нейросеть не запоминает идеальную функцию удаления шума. Из-за регуляризации и особенностей градиентного обучения она усваивает её более сглаженную версию. Google называет этот эффект score smoothing.
Если бы функция была идеальной, каждый случайный шум в конце превращался бы в точную копию одного из обучающих примеров.
Но сглаживание создаёт между примерами «зоны интерполяции». Модель может остановиться не на известной точке, а между несколькими знакомыми образами и получить новый, но правдоподобный результат.
В многомерном пространстве это помогает модели восстановить скрытый data manifold - область, где находятся осмысленные изображения. Движение к этой области сохраняется быстрым, а схлопывание к конкретным обучающим картинкам ослабевает. Так появляется баланс между качеством и новизной.
То есть «творчество» diffusion-модели может быть не загадочным свойством и не случайностью.
Это побочный эффект того, что нейросеть учится не идеально и строит мосты между известными примерами.
Работа представлена на ICLR 2026, код экспериментов опубликован открыто.
https://research.google/blog/towards-demystifying-the-creativity-of-diffusion-models/
| 2 | Один из мифов вокруг ИИ-кодинга: если подобрать нужный промпт — модель сама напишет качественный код
На деле это проверяется за минуту. Два разработчика с одной и той же просьбой «собери сервис для регистрации пользователей» получат разные результаты. У одного выйдет чистый Litestar с типизацией и тестами. У второго — заготовка, которая ляжет при первой же доработке.
Дело не в тексте запроса.
Модель не видит ваш проект. Она не знает, какие соглашения приняты, какие библиотеки уже подключены, какой уровень покрытия тестами считается нормальным. Пока этой информации у нее нет — она отвечает по своему усредненному представлению, а не по вашему.
Поэтому вокруг модели нужно достроить то же самое, что и у обычного разработчика: набор правил, шаблоны, инструменты проверки, критерии приемки.
Именно это и делает Алексей Жиряков на воркшопе karpovꓸcourses «AI-first разработка на Python». За 4 часа собирает готовую агентную среду поверх живого проекта на Litestar и PostgreSQL — от настройки правил до автоматического ревью и подсчета вклада ИИ в цифрах.
Алексей покажет, как настроить правила проекта под задачу агента, как через OpenRouter поднять связку моделей «дешевая пишет — дорогая проверяет», которая помогает снижать стоимость генерации, как научить агента проверять код по чек-листу вашей архитектуры и как измерить вклад ИИ по коммитам.
С воркшопа забираете шаблон AI-first проекта, готовый к продакшену, набор правил и чек-листов, настроенную схему выбора модели под задачу и запись эфира в LMS. Тем, кто пишет на FastAPI, тоже подходит — это отдельно прописано в разделе с вопросами.
Соберите агентную среду, которая пишет код по правилам вашего проекта: https://clc.to/erid_2W5zFHgXtWd
С промокодом aikarpov20 — скидка 20%
Реклама. ООО «КАРПОВ КУРСЫ». ИНН 7811764627. erid: 2W5zFHgXtWd | 1 061 |
| 3 | Один из мифов вокруг ИИ-кодинга: если подобрать нужный промпт — модель сама напишет качественный код
На деле это проверяется за минуту. Два разработчика с одной и той же просьбой «собери сервис для регистрации пользователей» получат разные результаты. У одного выйдет чистый Litestar с типизацией и тестами. У второго — заготовка, которая ляжет при первой же доработке.
Дело не в тексте запроса.
Модель не видит ваш проект. Она не знает, какие соглашения приняты, какие библиотеки уже подключены, какой уровень покрытия тестами считается нормальным. Пока этой информации у нее нет — она отвечает по своему усредненному представлению, а не по вашему.
Поэтому вокруг модели нужно достроить то же самое, что и у обычного разработчика: набор правил, шаблоны, инструменты проверки, критерии приемки.
Именно это и делает Алексей Жиряков на воркшопе karpovꓸcourses «AI-first разработка на Python». За 4 часа собирает готовую агентную среду поверх живого проекта на Litestar и PostgreSQL — от настройки правил до автоматического ревью и подсчета вклада ИИ в цифрах.
Алексей покажет, как настроить правила проекта под задачу агента, как через OpenRouter поднять связку моделей «дешевая пишет — дорогая проверяет», которая помогает снижать стоимость генерации, как научить агента проверять код по чек-листу вашей архитектуры и как измерить вклад ИИ по коммитам.
С воркшопа забираете шаблон AI-first проекта, готовый к продакшену, набор правил и чек-листов, настроенную схему выбора модели под задачу и запись эфира в LMS. Тем, кто пишет на FastAPI, тоже подходит — это отдельно прописано в разделе с вопросами.
Соберите агентную среду, которая пишет код по правилам вашего проекта: https://clc.to/erid_2W5zFHgXtWd
С промокодом aikarpov20 — скидка 20%
Реклама. ООО «КАРПОВ КУРСЫ». ИНН 7811764627. erid: 2W5zFHgXtWd | 1 142 |
| 4 |  Most upvoted papers on huggingface this week (July 6-12):
- The Mirage of Optimizing Training Policies: Monotonic Inference Policies as the Real Objective for LLM Reinforcement Learning
- Vidu S1: A Real-Time Interactive Video Generation Model
- RynnWorld-4D: 4D Embodied World Models for Robotic Manipulation
- AlayaWorld: Long-Horizon and Playable Video World Generation
- Accurate, Interdisciplinary and Transparent Structure-property Understanding with Deep Native Structural Reasoning
- RynnWorld-Teleop: An Action-Conditioned World Model for Digital Teleoperation
- OmniOpt: Taxonomy, Geometry, and Benchmarking of Modern Optimizers
- UI-MOPD: Multi-Platform On-Policy Distillation for Continual GUI Agent Learning
- Hierarchical Sparse Attention Done Right: Toward Infinite Context Modeling
- PixWorld: Unifying 3D Scene Generation and Reconstruction in Pixel Space
https://huggingface.co/papers/week/2026-W28 | 1 377 |
| 5 |  ✔️ Dockerless
Environment-free verifier для coding-агентов.
Он проверяет патчи без запуска кода и без Docker, при этом обгоняет сильнейший open-source verifier на 14.3 AUC points.
А RL post-training полностью без окружения достигает 62.0% на SWE-bench Verified.
https://paperswithcode.co/paper/2606.28436 | 2 471 |
| 6 |  🙂 In the Weights: проверка тщеславия
В сети вирусится веб-приложение In the Weights, которое проверяет наличие информации о человеке или компании в GPT, Claude, Gemini и Llama и т.д.
Платформа работает через прямые запросы к моделям с принудительно отключенным доступом к сети, чтобы ИИ опирался исключительно на знания, полученные на трейне.
Анализируя выдачу, система высчитывает скоринг. Метрика оценивает вероятность того, что информация об объекте содержалась в обучающих датасетах и содержится в конкретной модели.
Помимо развлекательных целей, проект является наглядным аудитом того, как корпорации агрессивно скрейпят данные.
По мере того как чат-боты вытесняют поисковики, присутствие в памяти моделей становится новой метрикой публичной значимости.
Сервис напоминает о новых реалиях современной приватности: если информация о вас уже есть в весах LLM, стереть ее цифровой след практически невозможно.
@ai_machinelearning_big_data
#news #ai #ml | 2 758 |
| 7 |  МФТИ при поддержке Т-Банка открывает набор в очную магистратуру по направлениям AI и Computer Science.
Программа рассчитана на тех, кто хочет совмещать обучение с исследовательской работой и практикой в индустриальных задачах.
Студенты будут работать в научной лаборатории, участвовать в исследованиях и развивать проекты, которые могут лечь в основу публикаций, докладов на конференциях или дальнейшей карьеры в R&D.
Что входит в программу:
* обучение в МФТИ
* работа в научной лаборатории
* официальное трудоустройство и зарплата
* задачи на стыке AI, Computer Science и индустриальной практики
* возможность продолжить путь в аспирантуре, R&D или AI-центре Т-Банка
Магистратура длится 2 года.
Нагрузка: 52 часа в неделю.
* 30 часов: работа в лаборатории
* 22 часа: лекции и занятия в университете
Заявки принимаются до 6 июля. | 1 617 |
| 8 |  +1Эксклюзив: DeepSeek был только началом
Microsoft сейчас оценивает множество open models для Copilot Cowork.
> Это создаёт внутреннее давление на команды MAI, потому что модели GLM, MiniMax и Kimi развиваются быстрее.
> Microsoft хочет сделать модели «взаимозаменяемыми» и отделить саму обвязку Copilot от конкретных моделей под капотом.
> По мере развития малых моделей часть задач в будущем может выполняться локально.
Смысл простой: Microsoft всё меньше хочет быть жёстко привязана к одной модели или одному поставщику. Copilot постепенно превращается в систему, где важнее не конкретная LLM, а harness, маршрутизация задач, инструменты и возможность быстро менять модели под разные сценарии.
https://www.testingcatalog.com/exclusive-microsoft-evaluates-different-open-models-for-cowork/ | 2 327 |
| 9 | МФТИ при поддержке Т-Банка открывает набор в очную магистратуру по направлениям AI и Computer Science.
Программа рассчитана на тех, кто хочет совмещать обучение с исследовательской работой и практикой в индустриальных задачах.
Студенты будут работать в научной лаборатории, участвовать в исследованиях и развивать проекты, которые могут лечь в основу публикаций, докладов на конференциях или дальнейшей карьеры в R&D.
Что входит в программу:
* обучение в МФТИ
* работа в научной лаборатории
* официальное трудоустройство и зарплата
* задачи на стыке AI, Computer Science и индустриальной практики
* возможность продолжить путь в аспирантуре, R&D или AI-центре Т-Банка
Магистратура длится 2 года.
Нагрузка: 52 часа в неделю.
* 30 часов: работа в лаборатории
* 22 часа: лекции и занятия в университете
Заявки принимаются до 6 июля. | 1 |
| 10 | D | 1 |
| 11 |  Код на скорости: митап про производительность, ИИ-агенты и бизнес-процессы в Омске! ⚡️
Встречаемся уже 28 мая, чтобы разобраться:
✔️ Как выкрутить на максимум производительность продукта без больших затрат. Спойлер: помогут виртуальные потоки и корутины (можно сделать скрытым текстом).
✔️ Как создать ИИ-агента, который анализирует сбои и борется с мошенничеством.
✔️ Как моделировать процессы в BPMN так, чтобы минимизировать ошибки.
В финале митапа — крутой «мафиозно-квизный» нетворкинг.
Дата: 28 мая в 18:00
Место: Школа 21 (ул. Ленина, д. 26Б)
Регистрация: здесь! | 2 827 |
| 12 |  Coinbase сокращает около 700 человек - это примерно 14% штата.
CEO Coinbase Брайан Армстронг объясняет это просто: компания хочет стать меньше, быстрее и эффективнее, потому что ИИ уже позволяет небольшим командам делать то, для чего раньше требовалось больше людей.
Coinbase не единственная. Технокомпании всё чаще упаковывают сокращения не только в историю про рынок, но и в историю про AI-native операционку.
Похоже, главный эффект ИИ для бизнеса оказался не в красивых демках, а в очень скучной строке P&L: меньше людей, меньше затрат, быстрее выполнение задач.
bloomberg.com/news/articles/2026-05-05/coinbase-to-cut-14-of-workforce-citing-volatile-markets-ai | 3 199 |
| 13 |  Efficient Training on Multiple Consumer GPUs with RoundPipe
Github: https://github.com/ITcarrot/RoundPipe
Paper: https://arxiv.org/abs/2604.27085 | 2 949 |
| 14 |  👣 На Stepik обновили курс «Rust: полный курс разработчика. С нуля до профи»
Представьте: через три месяца вы открываете чужой Rust-код и читаете его как книгу.
Arc<Mutex<T>> не вызывает панику. impl Future не пугает. Вы точно знаете, почему компилятор ругается и как это починить за 10 секунд.
Это не фантазия. Это результат 50 уроков, в которых каждая концепция объясняется через код и закрепляется практикой.
Ownership, traits, generics, async, unsafe - всё, что казалось магией, станет рабочим инструментом.
А бонусом - портфолио проектов: от CLI-утилит до REST API и WebAssembly.
Вы и так знаете, что Rust - ваш следующий язык. Этот курс просто сделает это реальностью.
Сегодня - 55% процентов от цены, торопись: https://stepik.org/a/269250/ | 2 824 |
