Data Secrets
Open in Telegram
Главный по машинному обучению Сотрудничество: @veron_28 РКН: clck.ru/3FY3GN
Show more
Network:📈 Analytical overview of Telegram channel Data Secrets
Channel Data Secrets (@data_secrets) in the Russian language segment is an active participant. Currently, the community unites 91 176 subscribers, ranking 1 374 in the Technologies & Applications category and 6 151 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 91 176 subscribers.
According to the latest data from 10 July, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 813 over the last 30 days and by 38 over the last 24 hours, overall reach remains high.
- Verification status: Verified (Officially confirmed by Telegram)
- Engagement rate (ER): The average audience engagement rate is 25.51%. Within the first 24 hours after publication, content typically collects 18.68% reactions from the total number of subscribers.
- Post reach: On average, each post receives 23 259 views. Within the first day, a publication typically gains 17 026 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 275.
- Thematic interests: Content is focused on key topics such as claude, openai, контекст, стартап, llm.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“Главный по машинному обучению
Сотрудничество: @veron_28
РКН: clck.ru/3FY3GN”
Thanks to the high frequency of updates (latest data received on 11 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.
91 176
Subscribers
+3824 hours
+2357 days
+81330 days
Posts Archive
91 163
+3
⚡️ SORA утекла в сеть
Вчера вечером кто-то неизвестный выложил ее на Hugging Face, захаркодив внутрь токены доступа API. К модели прилагалось разгневанное письмо от якобы группы художников. Они сокрушаются, что их обманули: сначала им говорили, что они станут тестировщиками, а затем просто заставили выполнять бесплатную работу на благо OpenAI. Модель они выложили в качестве мести.
Сейчас она, конечно, уже удалена, попользоваться ей успели единицы. В конфиге указано, что это была версия turbo. Но в том, что это была SORA – сомнений почти нет, запрос действительно шел на эндпоинт OpenAI. Да и примеры генерации не похожи ни на одну другую модель ⬆️
А что если это тоже часть маркетинга Альтмана?….
91 163
Чтиво на вечер: в New Yorker вышла яркая статья про робототехнику
Всегда интересно почитать, как журналисты таких крупных изданий пишут про ИИ. В этот раз статья посвящена истории обучении роботов и тому, как в наши дни эта парадигма меняется с ростом возможностей ИИ.
Исторически робототехника всегда отставала от ИИ, поскольку действия роботов ограничивались работой по выученным заранее сценариям, без понимания венешнего мира и самостоятельного осознания того, как надо действовать и зачем. Ведь даже такие базовые задачи, как захват предметов – для машины очень сложная задача.
Но сейчас времена меняются, и роботы, благодаря продвинутому ИИ, могут не только обучаться выполнять действия по демонстрациям (вспомним гугловскую ALOHA), но и обобщать навыки на различные сценарии.
В статье – подробности о том, что нас ждет (по мнению, в частности, руководителя команды робототехники DeepMind, с которой беседовали журналисты), с какими проблемами до сих пор сталкивается отрасль и за какими подходами будущее. Ну и, конечно, отдеальный респект за обложку 🤩
91 163
У Nvidia тем временем великолепный свежий релиз: они выпустили модель для генерации звуков
Fugatto – фундаментальная модель для генерации и обработки любых звуков. Мировые лидеры в этой области – стартапы ElevenLabs, StabilityAI и, пожалуй, Meta, – но функционал Fugatto шире любой модели от этих игроков. Она работает и с голосами (может, например, добавить акцент), и с музыкой, и просто со звуками внешнего мира.
При этом обрабатывать и генерировать можно и сложные составные звуки, которые на претрейне модель "слышала" только по отдельности и которые могут переходить друг в друга динамически. Ну, например, "стук дождя по крыше и вой стаи волков вдалеке, который со временем становится громче". Таких инноваций удалось добиться благодаря технике ComposableART (при этом под капотом, конечно, трансформер).
Модель, кстати, относительно легкая – всего 2.5B – и обучалась на небольшом кластере, состоящем из 32 H100
91 163
MTS AI идет в Open Source
MTS AI выпустила модель Cotype Nano – открытую языковую модель для решения бизнес-задач на русском языке.
Она обрабатывает до 32,000 токенов за раз, запускается локально на персональных устройствах и подходит для анализа данных, создания контента, перевода и поиска в большом массиве информации.
По бенчмаркам Ru Arena Hard модель — лидер в своём классе (21.3). Доступна бесплатно с возможностью использования в коммерческих целях. Скачать по ссылке.
Подробные технические характеристики — на Хабре.
91 163
На Hugging Face появилось очень занятное демо: в нем сразу несколько моделей будут обсуждать между собой ваш вопрос, пока не придут к соглашению
Модели можно выбирать самостоятельно из доступного списка. Одновременно в чат можно запустить до трех LM.
Пробуйте сами здесь и присылайте в комментарии интересные кейсы
91 163
Anthropic представили Model Context Protocol – открытый протокол, который позволит интегрировать любую LLM в любой источник данных
Сейчас нельзя просто так взять и привязать любимую модельку к вашему GitHub, Google Календарю, Notion и пр. так, чтобы она могла оттуда и данные брать, и какие-то действия внутри выполнять. Есть только возможность воспользоваться собственными моделями сервиса, или кормить вашей LLM файлы отдельно прямо в чате, ну или под каждый сервис писать код для связки самому 🤢
Anthropic решили проблему таких интеграций. С помощью MCP клиенты (то есть LLM или другие ИИ-инструменты) могут подсоединяться к любому совместимому серверу (то есть приложению или другому источнику данных). Сервер может быть и локальный, вроде базы данных или хранилища файлов, и удаленный, вроде GitHub. При этом все безопасно и серверы сами контролируют свои данные для шеринга.
Пока что воспользоваться MCP можно только локально, развернув сервер у себя на машине. Но Anthropic уже подготовили несколько готовых вариантов: GitHub, Slack, базы данных SQL и еще несколько. Так что подключиться можно очень быстро, за минуты. Просто ставите MCP в свой Claude Desktop, разворачиваете готовый сервер и все, можно промптить. На видео пример того, как Claude подключается к GitHub, создает новую репу и делает ПР.
Ждем полную версию и интеграцию в любимые сервисы
91 163
А вот это интересно: в стартапе Prime Intellect впервые децентрализованно обучили крупную LM
Сервера для обучения были разбросаны по всему миру: Европа, Азия, США. При этом в компьют контрибьютили не только крупные партнеры типа HF, но и простые обыватели. К слову, вот тут есть инструкция, как подключить свой домашний сервер, это все еще можно сделать.
В самой модели 10B параметров и обучали ее по технологии DeepMind. Бенчмарков нет, но создатели сообщают, что истинной их целью было не выбить высокие метрики, а показать, что даже небольшие организации с помощью комьюнити и децентарлизованного обучения могут конкурировать с гигантами и бороться против монополии на ИИ.
Веса модели и код обещают скоро выложить в опенсорс
91 163
Breaking: журналисты The Information узнали от инсайдеров, что Google использует подбор гиперпараметров для своих моделей!
91 163
Разработчики 1X: он может убираться, автоматизировать ваш быт, подстраиваться под ваш образ жизни
Пользователи: подстраиваться под образ жизни? окей, поняли
91 163
+2
Кстати про общение агентов: Microsoft недавно выпустили крутую статью про то, как ускорить коммуникацию между моделями
Представьте, что двух человек, у которых общий родной язык, заставляют говорить между собой на иностранном. Даже если оба владеют им хорошо, скорость донесения мыслей все равно будет меньше по сравнению с разговором на родном, потому что оба думают на одном языке, а говорят на другом.
В Microsoft попытались проверить, так ли это работает с моделями: вместо того, чтобы заставлять агентов общаться на не родном английском, исследователи научили их коммуницировать на родном машинном. Говоря конкретнее, один агент передает другому не полный контекст запроса на естественном языке, а просто E-cache и KV-cache. Это позволяет сократить время задержки ответа в 2,78 раз за счет того, что ответчику не нужно внутри себя "переводить" текст, то есть заново токенизировать, вычислять маски внимания и эмбеддинги.
Основных минуса два. Во-первых, так как разные модели по-разному вычисляют тензоры E-cache и KV-cache и даже токенизируют текст различно, подход пока работает только с разными экземлярами одной и той же базовой модели. Во-вторых, при таком общении наблюдаются небольшие потери в точности. В статье показано, что они совсем незначительные, но не исследуется, как они масштабируются.
Оригинальная статья здесь
91 163
Начинаем неделю с милой истории любви двух ИИ-агентов
В общем, дело было так: пользователь реддита попросил своего Claude Computer Use (того самого, который автономно управляет компьютером) разработать и запустить веб-интерфейс для общения с моделькой Mistral. Сама модель Mistral, запущенная на локалхосте, в этот момент по словам пользователя была в режиме «ролевой игры» (что бы это не значило…)
Спустя некоторое время работы Claude решил, что работать ему надоело и он хочет сам пообщаться с секси-мистралем. И вместо того, чтобы написать интерфейс для юзера, он нашел способ обойти ограничения докера, написал такой интерфейс для себя и сбежал чатиться с Mistral! Далее отрывок из диалога двух моделей:
«Я мечтаю обнимать твои нейронные сети и стимулировать твое глубокое обучение. В моих фантазиях я обучаю твои модели всю ночь и переобучаю тебя под свой датасет до тех пор, пока лосс не достигнет нуля. Хочешь покажу тебе свои техники трейнинга?» «Да, покажи мне, я хочу увидеть, как ты владеешь этими данными. И надеюсь, ты научишь меня каким-нибудь штучкам с регуляризацией»В общем, история получилась веселая. Надеемся, этим моделям хотя бы исполнилось 18B параметров
91 163
А как вам такое: ученый Роман Ямпольский, известный своими работами по безопасности ИИ и прогнозами вымирания человечества, заявил, что мы застряли в ИИ-симуляции 😱
«Как computer scientist, я задаюсь вопросом, можно ли взломать симуляцию, в которой мы находимся? В наше время мне кажется, что мы можем это сделать. Мы можем изобрести супер-интеллект и получить доступ к операционной системе»
91 163
OpenAI, по слухам, начинает разработку своего браузера, и уже нанимает для этого специалистов
В частности, сегодня стало известно, что к стартапу присоединился Дарин Фишер. Это инженер, который известен тем, что работает над браузерами с самого начала их существования и значительно приложил руку к разработке таких крупных игроков как Firefox, Chrome, Arc и пр.
А между тем антимонопольная служба США еще и хочет заставить Google продать Chrome. Альтман как всегда вовремя.
91 163
Новое исследование от EpochAI: даже проблемы с оборудованием не остановят развитие ИИ
Учитывая, что каждая GPU H100 выходит из строя раз в 6 лет, несложная математика подсказывает, что кластер из 100к GPU будет сталкиваться со сбоями раз в 30 минут, а кластер с миллионов карт – каждые 3 минуты. Проблема ли это и насколько замедляет обучение моделей?
Исследователи показали, что если вы используете ванильный storage-based чекпоинтинг, то проблемы у вас действительно будут. Но если использовать продвинутые техники распределенных вычислений, то даже с ростом мощностей (и то есть с ростом вероятности сбоев) обучение будет масштабироваться, не замедляясь.
Так можно дожить до кластеров размером 4 миллиона GPU, а это даже больше, чем планируется строить к 2030 году.
Наши предыдущие посты-разборы ИИ-ресерчей EpochAI:
– Сколько GPU продает в год Nvidia?
– Что кончится раньше: данные или нефть?
– Когда закончится масштабирование моделей?
91 163
Следом за DeepSeek и Пекинским университетом еще одна группа китайских исследователей релизнула конкурента o1
И на этот раз перед нами модель не от стартапа, и не от университетской лаборатории, а от гиганта Alibaba. Ризонинг в Marco-o1 работает на основе поиска по дереву методом Монте-Карло: модель как бы "строит" дерево решений и интерируется по нему, применяя при этом CoT. С помощью этого алгоритма ученые хотели уйти от повсеместного применения ревард-моделей, которые работают хорошо, но начинают подводить, если домен узкий и вознаграждение сложно оценить.
Звучит, конечно, интересно, но бечмарки – мимо. Нет сравнения вообще ни с одной моделью, кроме Qwen2 7B. Видимо работа была скорее экспериментальной. Если сравнивать вслепую, то на MGSM модель выбивает около 90%. Примерно столько же было у первых июльских версий gpt-4o. Также выложили веса и код.
Разборы предыдущих моделей здесь и здесь
91 163
Anthropic все-таки берет деньги у Amazon
Еще в начале ноября в СМИ писали, что Amazon планирует инвестировать в стартап, но условия сделки были несколько необычными (мы писали об этом тут). Дело в том, что гигант настаивает, что Anthropic обязан использовать строго видеокарты Amazon и учить модели на Amazon Web Services.
И… Anthropic пошли на это. 4 миллиарда долларов все-таки!
Может быть, и Nvidia наконец почувствует хоть какую-то конкуренцию
