Сергей Марков: машинное обучение, искусство и шитпостинг
Ir al canal en Telegram
Машинное обучение, искусственный интеллект, искусство, мемасы, всякое личное и странноэ
Mostrar más📈 Análisis del canal de Telegram Сергей Марков: машинное обучение, искусство и шитпостинг
El canal Сергей Марков: машинное обучение, искусство и шитпостинг (@oulenspiegel_channel) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 11 094 suscriptores, ocupando la posición 10 912 en la categoría Tecnologías y Aplicaciones y el puesto 57 970 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 11 094 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 158, y en las últimas 24 horas de -1, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 31.01%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 14.27% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 3 440 visualizaciones. En el primer día suele acumular 1 583 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 63.
- Intereses temáticos: El contenido se centra en temas clave como gigachat, aij, gigaam, github, llm.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“Машинное обучение, искусственный интеллект, искусство, мемасы, всякое личное и странноэ”
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.
11 094
Suscriptores
-124 horas
+167 días
+15830 días
Carga de datos en curso...
Canales Similares
Nube de Etiquetas
Menciones Entrantes y Salientes
---
---
---
---
---
---
Atraer Suscriptores
agosto '26
agosto '26
+177
en 9 canales
julio '26
+214
en 6 canales
Get PRO
junio '26
+168
en 3 canales
Get PRO
mayo '26
+209
en 4 canales
Get PRO
abril '26
+215
en 9 canales
Get PRO
marzo '26
+160
en 9 canales
Get PRO
febrero '26
+163
en 1 canales
Get PRO
enero '26
+149
en 5 canales
Get PRO
diciembre '25
+149
en 6 canales
Get PRO
noviembre '25
+253
en 4 canales
Get PRO
octubre '25
+212
en 4 canales
Get PRO
septiembre '25
+318
en 11 canales
Get PRO
agosto '25
+342
en 11 canales
Get PRO
julio '25
+692
en 7 canales
Get PRO
junio '25
+406
en 18 canales
Get PRO
mayo '25
+275
en 19 canales
Get PRO
abril '25
+339
en 6 canales
Get PRO
marzo '25
+454
en 21 canales
Get PRO
febrero '25
+896
en 18 canales
Get PRO
enero '25
+1 693
en 24 canales
Get PRO
diciembre '24
+393
en 6 canales
Get PRO
noviembre '24
+300
en 5 canales
Get PRO
octubre '24
+178
en 5 canales
Get PRO
septiembre '24
+112
en 6 canales
Get PRO
agosto '24
+161
en 9 canales
Get PRO
julio '24
+239
en 9 canales
Get PRO
junio '24
+1 052
en 33 canales
Get PRO
mayo '24
+1 016
en 11 canales
Get PRO
abril '24
+169
en 7 canales
Get PRO
marzo '24
+175
en 4 canales
Get PRO
febrero '24
+273
en 5 canales
Get PRO
enero '24
+300
en 3 canales
Get PRO
diciembre '23
+34 922
en 7 canales
Get PRO
noviembre '23
+129
en 4 canales
Get PRO
octubre '23
+316
en 7 canales
Get PRO
septiembre '23
+120
en 0 canales
Get PRO
agosto '23
+199
en 0 canales
Get PRO
julio '23
+146
en 0 canales
Get PRO
junio '23
+203
en 0 canales
Get PRO
mayo '23
+217
en 0 canales
Get PRO
abril '23
+346
en 0 canales
Get PRO
marzo '23
+178
en 0 canales
Get PRO
febrero '23
+52
en 0 canales
Get PRO
enero '23
+59
en 0 canales
Get PRO
diciembre '22
+97
en 0 canales
Get PRO
noviembre '22
+83
en 0 canales
Get PRO
octubre '22
+48
en 0 canales
Get PRO
septiembre '22
+63
en 0 canales
Get PRO
agosto '22
+147
en 0 canales
Get PRO
julio '22
+44
en 0 canales
Get PRO
junio '22
+344
en 0 canales
| Fecha | Crecimiento de Suscriptores | Menciones | Canales | |
| 26 agosto | 0 | |||
| 25 agosto | +5 | |||
| 24 agosto | +5 | |||
| 23 agosto | +4 | |||
| 22 agosto | +2 | |||
| 21 agosto | +4 | |||
| 20 agosto | +8 | |||
| 19 agosto | +14 | |||
| 18 agosto | +10 | |||
| 17 agosto | +8 | |||
| 16 agosto | +6 | |||
| 15 agosto | +4 | |||
| 14 agosto | +4 | |||
| 13 agosto | +13 | |||
| 12 agosto | +1 | |||
| 11 agosto | +6 | |||
| 10 agosto | +8 | |||
| 09 agosto | +2 | |||
| 08 agosto | +5 | |||
| 07 agosto | +5 | |||
| 06 agosto | +7 | |||
| 05 agosto | +12 | |||
| 04 agosto | +12 | |||
| 03 agosto | +13 | |||
| 02 agosto | +8 | |||
| 01 agosto | +11 |
Publicaciones del Canal
Repost from Sber AI
🔍 ЛУЧШЕ ИИ ИЩЕТ ТОЛЬКО ЛУЧШИЙ ИИ
Мы привыкли искать информацию в чатах с ИИ, но качество нейропоиска всё ещё оставляет желать лучшего. Поэтому учёные и разрабатывают эмбеддинги — способы преобразования для семантического поиска и RAG-систем. А вот и один из них 🤩
GigaEmbeddings — новое поколение ИИ-моделей, которые превращают текст в числовые векторы и помогают ИИ находить информацию не по совпадению слов, а по смыслуЧем лучше модель понимает смысл текста, тем точнее находит нужную информацию, тем ниже риск галлюцинаций у ассистентов и чат-ботов. Это особенно критично там, где цена ошибки высока: в поддержке клиентов, работе с юридическими и финансовыми документами и внутренними базами знаний. 🤖 В обновлённой линейке — три модели:
🤩 10B-A1.8B — лидер рейтинга ruMTEB
🤩 3B — лучший прирост качества и способности обработки кода на 14,5 пункта
🤩 480M — лидер среди моделей на русском языке до 500M параметровПолные результаты тестирования доступны в открытом рейтинге ↖️ 🤖 Что изменили внутри?
🤩 Объём данных для обучения вырос в несколько раз. Основной прирост качества дали открытые датасеты, в том числе Nemotron, F2LLM и KALM
🤩 Архитектуру упростили и добавили поддержку стандартных открытых инструментов вроде vLLM и SGLang — за счёт этого выросла и скорость инференса: 3B стала быстрее в 1,6 раза, а 10B-A1.8B — в 2 раза
🤩 Баланс языков сохранили за счёт мержинга экспертов на всех этапах обучения: удалось не потерять качество на русском при усилении английского и кода.Модели бесплатно доступны разработчикам и бизнесу под открытой MIT-лицензией: HF: 480M 3B 10B-A1.8B Gitverse: 480M 3B 10B-A1.8B Подробности читайте в посте команды ↖️ ✔️ Подписывайтесь на Sber AI в МАКС
| 2 |  Ход чёрных
Я в трёхминутом блице поднял, но это, конечно, повезло просто | 1 777 |
| 3 | https://github.com/ai-forever/STARM
Народ, а поставьте STARM'у звёздочек, пожалуйста, если у вас есть акк на гитхабе | 1 920 |
| 4 |  +2Для судоку, без кода и солверов из браузера решить не может | 3 427 |
| 5 |  +2GPT 5.6 Sol и поиск пути в лабиринте. Большой топовой модели даже в режиме ризонинга найти решение не под силу. А STARM справляется с этим, причём всё решение e2e находит нейронка, без генерации кода и сложных харнесов.
Первая картинка — задача, вторая — решение STARM, третья — решение от ChatGPT | 3 032 |
| 6 |  Если вы любите принципиально новые нейросетевые архитектуры, то у меня для вас хорошая новость.
Я, тскзть, прнс
STARM: фреймворк построения специализированных рекурсивных рассуждающих моделей.
Когда такие модели востребованы? Уже сегодня это хорошо работает для решения любых тьюринг-полных задач с формальной постановкой. То, что обычные декодерные трансформеры обычно могут плохо даже в режиме ризонинга.
Зачем это нужно? Чтобы модель решала задачи сложнее, её обычно делают больше: больше параметров, больше данных, дольше обучение. Рекурсивные же модели идут другим путём — крошечная сеть десятки раз возвращается к собственному черновику ответа и переписывает его, пока решение не сойдётся. Не «знать больше», а «думать дольше». В итоге модель на 13M параметров решает задачи, на которых ошибаются LLM в тысячи раз крупнее, и запускается на одной видеокарте или даже CPU.
Чем это отличается от других специальных солверов? В сравнении с специальными алгоритмами-солверами рекурсивные модели в разы более универсальны и относительно легко переносятся на других типы алгоритмических задач.
Как и где такие модели можно использовать? Как внешний инструмент-солвер для агентных систем или как примитив в составе системы-оркестра моделей.
Что мы сделали?
1) Нашли лучшую архитектуру и получили SOTA-результат. Сформировали оптимальный рецепт обучения, дающий максимальный прирост относительно оригинальных архитектур HRM, TRM и URM и методов их обучения.
2) Стабилизировали рекурсивные модели. Адресовали основную проблему таких архитектур и доработали фреймворк для воспроизводимого и стабильного обучения.
3) Расширили набор доменов. Добавили новые, более сложные классы алгоритмических задач, позволяющие проверить обобщаемость.
4) Сравнили полученные модели со специализированными трансформерами, обученными под задачу, open-source LLM и моделями аналогичного семейства.
5) Протестировали способности моделей к test-time scaling и обучили единую архитектуру для всех задач.
Ссылки:
Хабр: https://habr.com/ru/companies/sberbank/articles/1069794/
Github: https://github.com/ai-forever/STARM | 3 245 |
| 7 | Часто грущу от того, что нашей с коллегами последней статьей Unveiling Intrinsic Dimension of Texts: from Academic Abstract to Creative Story никто не интересуется и не цитирует... 💢
Напомню, что статья посвящена анализу внутренней размерности активаций LLM и её связи с различными свойствами текста, который подали на вход модели. Более подробное разъяснение статьи можно найти здесь, посмотреть видос про то, что такое в принципе внутренняя размерность (от 3blue1brown) - тут; ещё более подробное разъяснение популярных способов оценить внутреннюю размерность облака точек можно прочитать здесь.
Так вот, вместо этой новой статьи, которая связывает внутреннюю размерность активаций на тестах с лексическим разнообразием и сжимаемостью этих текстов алгоритмом gzip и энтропией (что, на мой взгляд, очень интересно, так как связывает внутреннюю размерность со сжатием представлений в LLM, а, как говорит 3blue1brown, compression is intelligence), челики почему-то цитируют нашу старую статью про детекцию сгенерированных текстов с помощью внутренней размерности, хотя мы же и показали в более поздней статье, что для новых моделей GPT этот метод уже не работает.
Скорее всего, это происходит от того, что старая статья была опубликована на NeurIPS, а новая, на мой взгляд, более актуальная, интересная и вносящая больший вклад в область interpretability of LLM - на EACL - то есть, на конференции поменбше и статусом пониже, где эта область вообще почти не представлена, так что мало кто будет ожидать найти в материалах конференции такие работы...
Я писала про эту работу в дискорде Neel Nanda, но там никто ею не заинтересовался, так как все только рекламируют свои работы, но не читают чужие... В общем, уже и не знаю, что сделать, чтобы на данную работу обратили внимание 🤔🤔🤔
Помогите советом кто сможет 🥺 | 2 530 |
| 8 |  Sin texto... | 3 085 |
| 9 |  Сегодня 100 лет Фиделю | 3 718 |
| 10 | “Нейросеть захотела жить и начала шантажировать создателей” – заголовки такого сорта в последнее время выходят с завидной регулярностью. Мой новый гость в подкасте “Визионеры” реагирует на них пожатием плеч.
Сергей Марков – директор по развитию технологий ИИ Сбербанка, архитектор GigaChat и автор главной русскоязычной монографии об ИИ “Охота на электроовец”. Пожалуй, самый невозмутимый технооптимист из всех, с кем я обсуждал эту тему.
Из разговора вы узнаете:
– почему бунт машин – неудачный кандидат на роль главного страха и в чём настоящая угроза
– что значит фраза “апокалипсис дешевеет” и при чём здесь обезьяна с красной кнопкой
– почему в Китае двадцать языковых моделей, а в России – полторы
…и многое другое.
Запись уже доступна на YouTube-канале “Визионеров”. Смотрите и решайте, на чьей вы стороне – алармистов или технооптимистов. | 3 788 |
| 11 | https://habr.com/ru/companies/airi/articles/1066880/
Наша совместная работа с AIRI по текстовым диффузионкам | 3 930 |
| 12 |  🚀 AI R&D DAY — 17 сентября, Москва
3️⃣ Мы собираемся третий год подряд!
Ждём не только исследователей и инженеров, но и тех, кто переводит смелые идеи в реальные продукты: R&D-специалистов, AI-архитекторов, продактов и техлидов, отвечающих за внедрение технологий следующего поколения.
Наша R&D-команда поделится результатами флагманского проекта NextGenAI и расскажет о продуктах и технологических треках, над которыми мы работаем для развития ИИ следующего поколения. Также на конференции будут доклады, постеры и демо-стенды от наших коллег из Kandisnky, Physical AI, AIRI, Giga и других.
🔬 О чём:
— альтернативные архитектуры
— процессы обучения, инструменты и агенты
— омнимодальная долгосрочная память и ризонинг
— модальности и коммуникации
— бенчмаркинг, стандарты качества и производительности AI
🎯 Что вас ждёт:
— 22 доклада на двух сценах от ведущих специалистов
— живое общение с коллегами и экспертами
— интерактивные зоны, которые сделают день по-настоящему запоминающимся
Это шанс из первых уст узнать, над какими технологиями работают исследовательские команды Сбера сегодня, обсудить идеи и даже стать частью нашей команды! 💚
📍 Где: Москва (очно или онлайн)
⏰ Когда: 17 сентября
🎁 Цена: Участие бесплатное
Количество мест ограничено! 😉
Регистрация: https://airndday.ontico.ru/
#rndml #conference @rndml_team | 3 322 |
| 13 | Приходите к нам на конфу | 2 889 |
| 14 |  Sin texto... | 3 991 |
| 15 |  Я, когда меня спрашивают про ИИ | 3 639 |
| 16 |  Я сегодня в каске) Если вы тоже в Коломенском, заглядывайте) | 3 331 |
| 17 |  Sin texto... | 3 609 |
| 18 |  Sin texto... | 3 842 |
| 19 | 🚀 Открыт набор на онлайн-магистратуру по ML и AI от МФТИ и girafe.ai
Начинаем приём заявок на новый поток программы, которая уже шесть лет готовит специалистов в области машинного обучения, Data Science и искусственного интеллекта.
Если вы хотите развиваться в AI, работать с современными ML-моделями, создавать интеллектуальные системы и решать реальные исследовательские и бизнес-задачи — будем рады видеть вас среди студентов программы MSAI.
Почему выбирают MSAI?
🔹 Совместный проект МФТИ и команды girafe.ai — авторов одного из самых популярных открытых курсов по машинному обучению на GitHub
🔹 Фундаментальная подготовка — от базовой математики и алгоритмов к пониманию машинного обучения и использованию современных AI систем
🔹 Онлайн-формат — удобно совмещать с работой
🔹 Государственный диплом МФТИ — одного из ведущих технических вузов России
🔹 Преподаватели из МФТИ, ШАД, МГУ и ведущих технологических компаний
🔹 Небольшая группа — тесное взаимодействие между студентами и преподавателями
🔹 Обучение на английском языке — работа напрямую с актуальными исследованиями, документацией и международной профессиональной AI-средой
При этом все занятия также доступны на русском языке и сохраняются в записи даже после окончания программы.
🎓 Выпускники программы работают в ведущих IT-компаниях, исследовательских лабораториях и продолжают обучение на международных PhD-программах.
📅 Старт обучения — сентябрь 2026 года
⏳ Срок обучения — 2 года
Количество мест ограничено.
Подробнее о программе и поступлении: 👉 girafe.ai/msai-program
Также приглашаем вас в Telegram-чат для абитуриентов, где можно задать вопросы о поступлении и обучении.
Будем рады видеть вас среди студентов нового потока 🤝 | 3 347 |
| 20 |  А ещё мы сняли ролик для популяризации CADENA | 3 104 |
