Love. Death. Transformers.
Ir al canal en 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.
Mostrar más📈 Análisis del canal de Telegram Love. Death. Transformers.
El canal Love. Death. Transformers. (@lovedeathtransformers) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 24 868 suscriptores, ocupando la posición 5 250 en la categoría Tecnologías y Aplicaciones y el puesto 26 428 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 24 868 suscriptores.
Según los últimos datos del 25 agosto, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de 312, y en las últimas 24 horas de 26, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 43.16%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 26.68% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 10 731 visualizaciones. En el primer día suele acumular 6 634 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 141.
- Intereses temáticos: El contenido se centra en temas clave como сиська, llm, параметр, округление, fp32.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“❤️☠️🤗
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.”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 26 agosto, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Tecnologías y Aplicaciones.
24 868
Suscriptores
+2624 horas
+857 días
+31230 días
Archivo de publicaciones
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.
