2 218
Subscribers
-124 hours
-67 days
-2830 days
Data loading in progress...
Similar Channels
Tags Cloud
Incoming and Outgoing Mentions
---
---
---
---
---
---
Attracting Subscribers
July '26
July '26
+3
in 0 channels
June '26
+18
in 0 channels
Get PRO
May '26
+25
in 0 channels
Get PRO
April '26
+22
in 0 channels
Get PRO
March '26
+29
in 0 channels
Get PRO
February '26
+22
in 0 channels
Get PRO
January '26
+27
in 0 channels
Get PRO
December '25
+34
in 0 channels
Get PRO
November '25
+25
in 0 channels
Get PRO
October '25
+96
in 0 channels
Get PRO
September '25
+126
in 1 channels
Get PRO
August '25
+79
in 0 channels
Get PRO
July '25
+79
in 1 channels
Get PRO
June '25
+22
in 0 channels
Get PRO
May '25
+128
in 0 channels
Get PRO
April '25
+318
in 0 channels
Get PRO
March '25
+505
in 0 channels
Get PRO
February '25
+111
in 4 channels
Get PRO
January '25
+70
in 0 channels
Get PRO
December '24
+40
in 0 channels
Get PRO
November '24
+155
in 0 channels
Get PRO
October '24
+27
in 0 channels
Get PRO
September '24
+46
in 0 channels
Get PRO
August '24
+32
in 0 channels
Get PRO
July '24
+31
in 0 channels
Get PRO
June '24
+39
in 2 channels
Get PRO
May '24
+65
in 0 channels
Get PRO
April '24
+50
in 0 channels
Get PRO
March '24
+74
in 0 channels
Get PRO
February '24
+85
in 1 channels
Get PRO
January '24
+92
in 0 channels
Get PRO
December '23
+90
in 0 channels
Get PRO
November '23
+91
in 1 channels
Get PRO
October '23
+97
in 0 channels
Get PRO
September '23
+90
in 0 channels
Get PRO
August '23
+100
in 0 channels
Get PRO
July '23
+86
in 0 channels
Get PRO
June '23
+114
in 0 channels
Get PRO
May '23
+40
in 0 channels
Get PRO
April '23
+45
in 0 channels
Get PRO
March '23
+203
in 0 channels
Get PRO
February '23
+219
in 0 channels
Get PRO
January '23
+1 377
in 0 channels
| Date | Subscriber Growth | Mentions | Channels | |
| 09 July | 0 | |||
| 08 July | 0 | |||
| 07 July | 0 | |||
| 06 July | +2 | |||
| 05 July | 0 | |||
| 04 July | 0 | |||
| 03 July | +1 | |||
| 02 July | 0 | |||
| 01 July | 0 |
Channel Posts
Repost from Анализ данных (Data analysis)
ИИ решил задачу Эрдёша за 80 минут. Люди тратили на неё годы
GPT-5.4 Pro закрыл проблему №1196 из списка Эрдёша. Это задачи про primitive sets - наборы чисел, где ни одно число не делит другое.
Пример простой:
• {2, 3, 5} работает
• {2, 4} ломается, потому что 2 делит 4
На этом простота заканчивается. Дальше начинается сложная теория чисел, связанная с простыми числами и факторизацией.
Конкретно эта задача про то, как такие наборы ведут себя в целом. Не один пример, а общая структура и ограничения.
Контекст важный. Один из главных экспертов по теме, Jared Lichtman, разбирал эту задачу около 7 лет вместе с топовыми математиками. Это не забытая проблема, её активно пытались решить.
ИИ справился примерно за 80 минут.
Все десятилетиями шли через один и тот же подход. Аналитика плюс вероятностные методы. Это стало негласным стандартом.
Модель просто отказалась от этого пути и осталась в чистом анализе, используя веса фон Мангольдта.
Фактически она пошла дорогой, которую люди игнорировали из-за математической интуиции и привычек.
В результате получилось не просто решение, а аккуратное доказательство, которое потенциально упрощает более широкий класс задач.
Если это подтвердится, это повлияет не на одну задачу, а на целый кусок теории чисел.
Похоже, что модели начали находить не только ответы, но и неожиданные идеи, которые люди системно пропускали.
https://x.com/jdlichtman/status/2044298382852927894
| 2 | 🚀 Head of SEO AI-content (Content/ AI / SEO)
Anubis Team
Удалённо · $1500–3000
Пишите: @anubishr
Ищем увлечённого AI инструментами специалиста по контенту, разбирающийся в SEO текстах и тексовой оптимизации, понимающий как воспринимает контент google
🎨🎨🎨🎨🎨
🎨🎨🎨🎨🎨
🎨🎨🎨🎨🎨
Задачи
• Создание SEO контента через AI
• Построение идеальной структуры страницы
• Масштабирование
• Анализ SERP и конкурентов
• Постоянное тестирование новых инструментов
• Качество и хьюманитизация
• Контроль качества
Что мы даём:
⛏ Все нужные инструменты
🐂 Финансовый и корпоративный рост
❤️ Тимбилдинги с командой
Если вы понимаете BERT / Helpful Content (на уровне практики), entity-based SEO, как Google читает текст — будем рады пообщаться.
Пишите: @anubishr | 411 |
| 3 | Невероятное открытие: Математики тихо провернули безумную вещь: нашли «универсальную операцию» для всей математики
Польский физик показал, что любую функцию вообще можно собрать из одного примитива. Да, буквально всё: exp, π, i, sin, cos, сложение, умножение и дальше по списку. Раньше нужно было много разных операций, а теперь теоретически всё можно выразить через одну формулу.
Если знаком с NAND, ты уже понял вайб. В булевой логике это одна операция, через которую выражается вообще всё. Из-за этого реальные процессоры по сути собираются из NAND-гейтов.
Так вот здесь сделали то же самое, только для непрерывной математики.
Вместо кучи операций вводится одна:
eml(x, y) = e^x - ln(y)
И дальше начинается магия. Любую функцию можно развернуть в композицию таких выражений. Иногда это выглядит как монстр из вложенных вызовов, но формально всё сводится к одному строительному блоку.
Например, даже логарифм можно собрать через такие вложенности. Для более сложных вещей выражения становятся длинными, но они существуют и это доказано.
И вот тут начинается самое интересное.
Обычно symbolic regression это ад. Нужно перебирать формулы из кучи операций: плюс, умножение, синусы, логарифмы. Огромное дискретное пространство, почти не оптимизируется.
С EML всё упрощается. У тебя один тип узла. Всё пространство формул становится однородным деревом.
А значит можно делать то, что раньше было болью: оптимизировать формулы градиентами, как нейросети.
То есть модель не просто фитит данные. Она может реально схлопнуться в точную формулу.
Если это масштабируется, это прям мост между ML и классической наукой. Не просто предсказания, а извлечение законов из данных.
www.alphaxiv.org/abs/2603.21852v2 | 337 |
| 4 | ⚡️ Вышло большое обновление популярного курса- Ai AI агенты, которые реально работают в проде!
Вы всё ещё пишете обёртки над ChatGPT и называете это «AI-продуктом»?
Пока вы промптите - рынок переходит на агентные системы. Те, что принимают решения, ходят в API, работают с Postgres и Redis, управляют браузером через Playwright.
И 90% таких систем ломаются между ноутбуком и продом.
AI Agents Engineering - курс, который закрывает этот разрыв. LangGraph, AutoGen, Computer Use, LLMOps. 8 модулей, 120+ шагов - от архитектуры до деплоя в Docker.
На выходе: реальный опыт на большой практической базе, а production-агент и навыки, за которые уже платят.
👉 48 часов действует скидка на курс 55 процентов: https://stepik.org/a/276971/ | 242 |
