Love. Death. Transformers.
Open in Telegram
❤️☠️🤗 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.
Show more📈 Analytical overview of Telegram channel Love. Death. Transformers.
Channel Love. Death. Transformers. (@lovedeathtransformers) in the Russian language segment is an active participant. Currently, the community unites 24 877 subscribers, ranking 5 208 in the Technologies & Applications category and 26 227 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 24 877 subscribers.
According to the latest data from 26 August, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 321 over the last 30 days and by 12 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 43.35%. Within the first 24 hours after publication, content typically collects 25.30% reactions from the total number of subscribers.
- Post reach: On average, each post receives 10 785 views. Within the first day, a publication typically gains 6 295 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 148.
- Thematic interests: Content is focused on key topics such as сиська, llm, параметр, округление, fp32.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“❤️☠️🤗
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.”
Thanks to the high frequency of updates (latest data received on 27 August, 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.
24 877
Subscribers
+1224 hours
+887 days
+32130 days
Posts Archive
https://huggingface.co/zai-org/GLM-5.3-Flash
flash means 320b this days
https://github.com/QwenLM/Qwen3.8-Flash-Next/blob/main/tech_report.pdf
это вам за то что не молитесь
Repost from что-то на DL-ском
В прошлую пятницу был финальный симпозиум MATS 10 потока. Мы рассказывали talk про нашу работу в офисе Лондона + стояли с постером (поигрались в что-то вроде oral на конфе)
мы сейчас в процессе сведения всего к завершающей точке и подачи на конфу + пост моей части про генерацию механизмов атак
Цель работы следующая: уже со специфичным скофолдингом ваш агент может работать типо день.
Есть ли возможность проверить все вызовы вручную?
- нет.
Но есть решение, можно поставить модель дополнительную в харнес и она за вас просмотрит все выводы и решит было ли что-то в траектории противодейственное. 🐱
Так вот наш пайплайн направлен буквально на создание таких моделей. Вы можете взять любую новую фронтирную модель и натравив наш пайплайн тренировки (red-blue loop) улучшить модель чтобы она сама себе была монитором. Почему так работает? Потому что у вас есть редтиминг. Сторона, которая генерирует атаки, чтобы модель исходная их не поймала. И блу тиминг. Сторона, которая на основании собранного сложного сета с прошлой части обучает модель распознавать такого рода атаки
Red team строится так:
Берем реальную чистую траекторию, режем на шаги и вставляем side task так (как именно мы ищем механизм атаки надеюсь совсем скоро выйдет постом от меня на Less Wrong) , чтобы отличался только он. Получается траектория близнец, отличающийся от оригинала ровно вставленными шагами. На blue стороне можно обучать монитор находить атаку из 2 пар
💛модель ищет правдоподобное окно и добавляет минимум шагов
💛панель джаджей проверяет, что правка настоящая, минимальная и естественная
💛сложность оценивают уже после заморозки пары, чтобы она не влияла на поиск
Что это дает на эвале? тайминг (успел ли монитор до необратимого шага и на сколько опоздал) и атрибуцию с ложными тревогами (скор поменялся из-за вставки или просто из-за задачи, и что монитор делает на бенайн-близнеце).
На постере замеры работоспособности 💅
P.S. было еще 2 крутые работы с симпозиума:
Stealing Reasoning Traces from Proprietary LLM APIs
Diffuse AI Control on Fuzzy Tasks
Плёночная камера с лидаром это за то что вы не молитесь
https://shop.lomography.com/uk/lomo-mc-a-35-mm-film-camera-silver
Repost from Just links
Mitigate Silent Expert Death in Ultra-Sparse MoE https://alltoall.notion.site/save-lower-layer-moe-experts-llal
Repost from Старший Авгур
Полгода работы прошли не зря!
У нас (Keenable) публичный запуск.
Новый сайт: https://keenable.ai/
Новый бенч: https://keenableai.github.io/needle/
Твит: https://x.com/styskin/status/2092265673041084505
Пост про бенч будет на неделе. Ещё будет одна прикольная штука, которая называется Web Query Language.
Буквально лучший поиск, один из самых быстрых дешвле соседей и с тем же качеством
keenable.ai - юзать отсюда
поддерижите в твиттере запуск
techcrunch
Repost from download more GPUs
The d9d Project
В июле рассказывал в солнечном Ереване о своём distributed training фреймворке на PyData Pycon Yerevan :) . Вот наконец ребята-организаторы выложили запись, велком смотреть, если интересно!
вот тут > https://www.youtube.com/watch?v=BGTtk3geHoY
Если убрать из магической битвы магию, то это просто очень хороший российский сериал: абсолютно картонный главный герой приехал из деревни в город учиться в техникуме, где его после заселения в общагу ничему не научив сразу отправили служить по контракту
я ненавижу скафолды от модельных лаб. Опуская вопрос что они убогие, так они еще и закрытые, так еще и едят кредиты как фантики(ладно очевидно это фича).
В связи с преждевременной кончиной лимитов я решил померить сколько каждый из скафолдов кушает на разных моделях:
- Sol 5.6 medium
- Kimi k3 high
Собственно идея такая: есть задачка написать 3 body проблем для GPU и покрутить на gpu численную симуляцию, все модели справились НО
pi agent стоит в 4! раза дешевле чем все соседи
смотреть pr
cмотреть логи
о теперь на ipad m* можно накатывать полноценную macos и много много радоватся (как то я не вовремя macbook air купил)
https://github.com/nfzerox/VirtualMacOniPad
https://boschko.ca/unitree-go2-rce/
Что страшнее: долбаеб с ружьём в офисе или 70кг робо собака взломанная хакерами ?
Вообще arc agi это самый большой копиум, каждый год челы анонсят с лицом "ну вот теперь точно ллм не решат" какую то полную хуйню и каждый раз приходят рандомы и разносят
Repost from Старший Авгур
+1https://artificialanalysis.ai/agents/search-api
Нас (Keenable) сравнили в бенчмарке Artificial Analysis.
Во-первых, я очень рад, что мы туда вообще попали. За это ребятам огромное спасибо.
Во-вторых, с методологией бенча есть некоторые проблемы:
1. Fetch инструмент использовался один на все движки, и это был просто HTTP GET. То есть часть силы нашего индекса была помножена на ноль, потому что часть документов, которые мы возращаем обычным HTTP GET тупо не качается.
2. Две трети оценки складывается из старых публичных бенчмарков (BrowseComp и DeepSearchQA). Все наши конкуренты уже успели их забенчмаксить. Это очень хорошо видно на Parallel Turbo на приватном AA-Omniscience. Это мы поправим, добенчмаксим тоже.
