AbstractDL
Коротко про классные штуки в CV, NLP и AI 🤷♂️ By Anton Razzhigaev chat: https://t.me/abstractdl_chat
Show more📈 Analytical overview of Telegram channel AbstractDL
Channel AbstractDL (@abstractdl) in the Russian language segment is an active participant. Currently, the community unites 18 453 subscribers, ranking 6 915 in the Technologies & Applications category and 35 484 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 18 453 subscribers.
According to the latest data from 17 September, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 200 over the last 30 days and by 11 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 73.11%. Within the first 24 hours after publication, content typically collects 33.72% reactions from the total number of subscribers.
- Post reach: On average, each post receives 13 487 views. Within the first day, a publication typically gains 6 221 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 194.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“Коротко про классные штуки в CV, NLP и AI 🤷♂️
By Anton Razzhigaev
chat: https://t.me/abstractdl_chat”
Thanks to the high frequency of updates (latest data received on 18 September, 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.
Код будет гнить, если его гниению активно не противодействовать.Это всегда было актуально и для человеческой разработки, особенно в больших проектах. Проблема с агентами в том, что с ними проект растёт и развивается гораздо быстрее, чем раньше, а значит, и гнить он начинает быстрее. Но я считаю, что это решаемая проблема даже на текущем уровне развития агентов и LLM. Нам с Уроборосом пришлось долго учиться противодействовать заслопливанию кода, и из этого в том числе появились принципы IMMUNE. Правильно выстроенная система адверсариального ревью тоже довольно неплохо помогает. Но ревью должно опираться на явную иерархию требований, начинающуюся с конституционных формулировок. В Уроборосе вершина этой иерархии лежит в
BIBLE.md: требования важнее архитектуры, архитектура важнее реализации.
На мой взгляд, ключевая проблема тут в том, что LLM нехватает длинного контекста, а основные харнессы плохо помогают им сохранять целостную ментальную модель проекта.
Поэтому:
1. Я очень жду LLM с 10B контекстом.
2. Продолжаю развивать Уробороса и делать ставку на мета-системы, которые автономно улучшают и сам процесс разработки: "Improve the generator, not the generation".
Мы точно не упёрлись в предел качества автономных агентов, а просто научились очень быстро генерировать код, при этом ещё плохо умеем с той же скоростью противодействовать его гниению.