Artificial Intelligence
رفتن به کانال در Telegram
Artificial Intelligence admin - @haarrp @itchannels_telegram - 🔥 best it channels @ai_machinelearning_big_data - Machine learning channel @pythonl - Our Python channel @pythonlbooks- python книги📚 @datascienceiot - ml 📚 РКН: clck.ru/3FmwZw
نمایش بیشتر
شبکه:📈 تحلیل کانال تلگرام Artificial Intelligence
کانال Artificial Intelligence (@artificialintelligencedl) بازیگری فعال است. در حال حاضر جامعه شامل 16 761 مشترک است و جایگاه 7 725 را در دسته فناوری و برنامهها و رتبه 39 772 را در منطقه روسيا دارد.
📊 شاخصهای مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 16 761 مشترک جذب کرده است.
بر اساس آخرین دادهها در تاریخ 22 ژوئیه, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 52 و در ۲۴ ساعت گذشته برابر 6 بوده و همچنان دسترسی گستردهای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 10.90% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 3.47% واکنش نسبت به کل مشترکان کسب میکند.
- دسترسی پستها: هر پست به طور میانگین 1 826 بازدید دریافت میکند. در اولین روز معمولاً 582 بازدید جمعآوری میشود.
- واکنشها و تعامل: مخاطبان بهطور فعال حمایت میکنند؛ میانگین واکنش به هر پست 2 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند llm, github, api, dataset, deepseek تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاههای شخصی توصیف میکند:
“Artificial Intelligence
admin - @haarrp
@itchannels_telegram - 🔥 best it channels
@ai_machinelearning_big_data - Machine learning channel
@pythonl - Our Python channel
@pythonlbooks- python книги📚
@datascienceiot - ml 📚
РКН: clck.ru/3FmwZw”
به لطف بهروزرسانیهای پرتکرار (آخرین داده در تاریخ 23 ژوئیه, 2026)، کانال همواره بهروز و دارای دسترسی بالاست. تحلیلها نشان میدهد مخاطبان بهطور فعال با محتوا تعامل دارند و آن را به نقطه اثرگذاری مهم در دسته فناوری و برنامهها تبدیل کردهاند.
16 761
مشترکین
+624 ساعت
+467 روز
+5230 روز
در حال بارگیری داده...
کانالهای مشابه
ابر برچسبها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
ژوئیه '26
ژوئیه '26
+118
در 0 کانالها
ژوئن '26
+37
در 0 کانالها
Get PRO
مه '26
+93
در 0 کانالها
Get PRO
آوریل '26
+199
در 0 کانالها
Get PRO
مارس '26
+158
در 0 کانالها
Get PRO
فوریه '26
+223
در 0 کانالها
Get PRO
ژانویه '26
+152
در 0 کانالها
Get PRO
دسامبر '25
+122
در 0 کانالها
Get PRO
نوامبر '25
+244
در 0 کانالها
Get PRO
اکتبر '25
+89
در 2 کانالها
Get PRO
سپتامبر '25
+135
در 1 کانالها
Get PRO
اوت '25
+139
در 1 کانالها
Get PRO
ژوئیه '25
+342
در 1 کانالها
Get PRO
ژوئن '25
+284
در 1 کانالها
Get PRO
مه '25
+227
در 2 کانالها
Get PRO
آوریل '25
+250
در 1 کانالها
Get PRO
مارس '25
+213
در 1 کانالها
Get PRO
فوریه '25
+188
در 3 کانالها
Get PRO
ژانویه '25
+427
در 3 کانالها
Get PRO
دسامبر '24
+288
در 5 کانالها
Get PRO
نوامبر '24
+359
در 1 کانالها
Get PRO
اکتبر '24
+162
در 4 کانالها
Get PRO
سپتامبر '24
+320
در 5 کانالها
Get PRO
اوت '24
+233
در 4 کانالها
Get PRO
ژوئیه '24
+504
در 3 کانالها
Get PRO
ژوئن '24
+498
در 2 کانالها
Get PRO
مه '24
+697
در 37 کانالها
Get PRO
آوریل '24
+719
در 45 کانالها
Get PRO
مارس '24
+914
در 21 کانالها
Get PRO
فوریه '24
+929
در 2 کانالها
Get PRO
ژانویه '24
+1 125
در 42 کانالها
Get PRO
دسامبر '23
+427
در 8 کانالها
Get PRO
نوامبر '23
+241
در 1 کانالها
Get PRO
اکتبر '23
+753
در 1 کانالها
Get PRO
سپتامبر '23
+656
در 0 کانالها
Get PRO
اوت '23
+308
در 0 کانالها
Get PRO
ژوئیه '23
+356
در 0 کانالها
Get PRO
ژوئن '23
+546
در 0 کانالها
Get PRO
مه '23
+424
در 0 کانالها
Get PRO
آوریل '23
+171
در 0 کانالها
Get PRO
مارس '23
+179
در 0 کانالها
Get PRO
فوریه '23
+225
در 0 کانالها
Get PRO
ژانویه '23
+176
در 0 کانالها
Get PRO
دسامبر '22
+134
در 0 کانالها
Get PRO
نوامبر '22
+137
در 0 کانالها
Get PRO
اکتبر '22
+275
در 0 کانالها
Get PRO
سپتامبر '22
+304
در 0 کانالها
Get PRO
اوت '22
+146
در 0 کانالها
Get PRO
ژوئیه '22
+189
در 0 کانالها
Get PRO
ژوئن '22
+188
در 0 کانالها
Get PRO
مه '22
+245
در 0 کانالها
Get PRO
آوریل '22
+497
در 0 کانالها
Get PRO
مارس '22
+722
در 0 کانالها
Get PRO
فوریه '22
+255
در 0 کانالها
Get PRO
ژانویه '22
+162
در 0 کانالها
Get PRO
دسامبر '21
+509
در 0 کانالها
Get PRO
نوامبر '21
+253
در 0 کانالها
Get PRO
اکتبر '21
+122
در 0 کانالها
Get PRO
سپتامبر '21
+167
در 0 کانالها
Get PRO
اوت '21
+167
در 0 کانالها
Get PRO
ژوئیه '21
+169
در 0 کانالها
Get PRO
ژوئن '21
+230
در 0 کانالها
Get PRO
مه '21
+119
در 0 کانالها
Get PRO
آوریل '21
+84
در 0 کانالها
Get PRO
مارس '21
+87
در 0 کانالها
Get PRO
فوریه '21
+107
در 0 کانالها
Get PRO
ژانویه '21
+160
در 0 کانالها
Get PRO
دسامبر '20
+2 569
در 0 کانالها
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 23 ژوئیه | +2 | |||
| 22 ژوئیه | +6 | |||
| 21 ژوئیه | +10 | |||
| 20 ژوئیه | +19 | |||
| 19 ژوئیه | +3 | |||
| 18 ژوئیه | +6 | |||
| 17 ژوئیه | 0 | |||
| 16 ژوئیه | +8 | |||
| 15 ژوئیه | 0 | |||
| 14 ژوئیه | +9 | |||
| 13 ژوئیه | +5 | |||
| 12 ژوئیه | +4 | |||
| 11 ژوئیه | +3 | |||
| 10 ژوئیه | +3 | |||
| 09 ژوئیه | +4 | |||
| 08 ژوئیه | +6 | |||
| 07 ژوئیه | +2 | |||
| 06 ژوئیه | 0 | |||
| 05 ژوئیه | +5 | |||
| 04 ژوئیه | +8 | |||
| 03 ژوئیه | +1 | |||
| 02 ژوئیه | +7 | |||
| 01 ژوئیه | +7 |
پستهای کانال
Google Research попыталась объяснить, откуда у diffusion-моделей берётся «креативность».
Почему генератор изображений не просто копирует обучающие примеры, а создаёт новые сцены, которых не было в датасете?
Ответ оказался математическим.
Во время обучения нейросеть не запоминает идеальную функцию удаления шума. Из-за регуляризации и особенностей градиентного обучения она усваивает её более сглаженную версию. Google называет этот эффект score smoothing.
Если бы функция была идеальной, каждый случайный шум в конце превращался бы в точную копию одного из обучающих примеров.
Но сглаживание создаёт между примерами «зоны интерполяции». Модель может остановиться не на известной точке, а между несколькими знакомыми образами и получить новый, но правдоподобный результат.
В многомерном пространстве это помогает модели восстановить скрытый data manifold - область, где находятся осмысленные изображения. Движение к этой области сохраняется быстрым, а схлопывание к конкретным обучающим картинкам ослабевает. Так появляется баланс между качеством и новизной.
То есть «творчество» diffusion-модели может быть не загадочным свойством и не случайностью.
Это побочный эффект того, что нейросеть учится не идеально и строит мосты между известными примерами.
Работа представлена на ICLR 2026, код экспериментов опубликован открыто.
https://research.google/blog/towards-demystifying-the-creativity-of-diffusion-models/
| 2 | Один из мифов вокруг ИИ-кодинга: если подобрать нужный промпт — модель сама напишет качественный код
На деле это проверяется за минуту. Два разработчика с одной и той же просьбой «собери сервис для регистрации пользователей» получат разные результаты. У одного выйдет чистый Litestar с типизацией и тестами. У второго — заготовка, которая ляжет при первой же доработке.
Дело не в тексте запроса.
Модель не видит ваш проект. Она не знает, какие соглашения приняты, какие библиотеки уже подключены, какой уровень покрытия тестами считается нормальным. Пока этой информации у нее нет — она отвечает по своему усредненному представлению, а не по вашему.
Поэтому вокруг модели нужно достроить то же самое, что и у обычного разработчика: набор правил, шаблоны, инструменты проверки, критерии приемки.
Именно это и делает Алексей Жиряков на воркшопе karpovꓸcourses «AI-first разработка на Python». За 4 часа собирает готовую агентную среду поверх живого проекта на Litestar и PostgreSQL — от настройки правил до автоматического ревью и подсчета вклада ИИ в цифрах.
Алексей покажет, как настроить правила проекта под задачу агента, как через OpenRouter поднять связку моделей «дешевая пишет — дорогая проверяет», которая помогает снижать стоимость генерации, как научить агента проверять код по чек-листу вашей архитектуры и как измерить вклад ИИ по коммитам.
С воркшопа забираете шаблон AI-first проекта, готовый к продакшену, набор правил и чек-листов, настроенную схему выбора модели под задачу и запись эфира в LMS. Тем, кто пишет на FastAPI, тоже подходит — это отдельно прописано в разделе с вопросами.
Соберите агентную среду, которая пишет код по правилам вашего проекта: https://clc.to/erid_2W5zFHgXtWd
С промокодом aikarpov20 — скидка 20%
Реклама. ООО «КАРПОВ КУРСЫ». ИНН 7811764627. erid: 2W5zFHgXtWd | 943 |
| 3 | Один из мифов вокруг ИИ-кодинга: если подобрать нужный промпт — модель сама напишет качественный код
На деле это проверяется за минуту. Два разработчика с одной и той же просьбой «собери сервис для регистрации пользователей» получат разные результаты. У одного выйдет чистый Litestar с типизацией и тестами. У второго — заготовка, которая ляжет при первой же доработке.
Дело не в тексте запроса.
Модель не видит ваш проект. Она не знает, какие соглашения приняты, какие библиотеки уже подключены, какой уровень покрытия тестами считается нормальным. Пока этой информации у нее нет — она отвечает по своему усредненному представлению, а не по вашему.
Поэтому вокруг модели нужно достроить то же самое, что и у обычного разработчика: набор правил, шаблоны, инструменты проверки, критерии приемки.
Именно это и делает Алексей Жиряков на воркшопе karpovꓸcourses «AI-first разработка на Python». За 4 часа собирает готовую агентную среду поверх живого проекта на Litestar и PostgreSQL — от настройки правил до автоматического ревью и подсчета вклада ИИ в цифрах.
Алексей покажет, как настроить правила проекта под задачу агента, как через OpenRouter поднять связку моделей «дешевая пишет — дорогая проверяет», которая помогает снижать стоимость генерации, как научить агента проверять код по чек-листу вашей архитектуры и как измерить вклад ИИ по коммитам.
С воркшопа забираете шаблон AI-first проекта, готовый к продакшену, набор правил и чек-листов, настроенную схему выбора модели под задачу и запись эфира в LMS. Тем, кто пишет на FastAPI, тоже подходит — это отдельно прописано в разделе с вопросами.
Соберите агентную среду, которая пишет код по правилам вашего проекта: https://clc.to/erid_2W5zFHgXtWd
С промокодом aikarpov20 — скидка 20%
Реклама. ООО «КАРПОВ КУРСЫ». ИНН 7811764627. erid: 2W5zFHgXtWd | 1 037 |
| 4 |  Most upvoted papers on huggingface this week (July 6-12):
- The Mirage of Optimizing Training Policies: Monotonic Inference Policies as the Real Objective for LLM Reinforcement Learning
- Vidu S1: A Real-Time Interactive Video Generation Model
- RynnWorld-4D: 4D Embodied World Models for Robotic Manipulation
- AlayaWorld: Long-Horizon and Playable Video World Generation
- Accurate, Interdisciplinary and Transparent Structure-property Understanding with Deep Native Structural Reasoning
- RynnWorld-Teleop: An Action-Conditioned World Model for Digital Teleoperation
- OmniOpt: Taxonomy, Geometry, and Benchmarking of Modern Optimizers
- UI-MOPD: Multi-Platform On-Policy Distillation for Continual GUI Agent Learning
- Hierarchical Sparse Attention Done Right: Toward Infinite Context Modeling
- PixWorld: Unifying 3D Scene Generation and Reconstruction in Pixel Space
https://huggingface.co/papers/week/2026-W28 | 1 301 |
| 5 |  ✔️ Dockerless
Environment-free verifier для coding-агентов.
Он проверяет патчи без запуска кода и без Docker, при этом обгоняет сильнейший open-source verifier на 14.3 AUC points.
А RL post-training полностью без окружения достигает 62.0% на SWE-bench Verified.
https://paperswithcode.co/paper/2606.28436 | 2 404 |
| 6 |  🙂 In the Weights: проверка тщеславия
В сети вирусится веб-приложение In the Weights, которое проверяет наличие информации о человеке или компании в GPT, Claude, Gemini и Llama и т.д.
Платформа работает через прямые запросы к моделям с принудительно отключенным доступом к сети, чтобы ИИ опирался исключительно на знания, полученные на трейне.
Анализируя выдачу, система высчитывает скоринг. Метрика оценивает вероятность того, что информация об объекте содержалась в обучающих датасетах и содержится в конкретной модели.
Помимо развлекательных целей, проект является наглядным аудитом того, как корпорации агрессивно скрейпят данные.
По мере того как чат-боты вытесняют поисковики, присутствие в памяти моделей становится новой метрикой публичной значимости.
Сервис напоминает о новых реалиях современной приватности: если информация о вас уже есть в весах LLM, стереть ее цифровой след практически невозможно.
@ai_machinelearning_big_data
#news #ai #ml | 2 743 |
| 7 |  МФТИ при поддержке Т-Банка открывает набор в очную магистратуру по направлениям AI и Computer Science.
Программа рассчитана на тех, кто хочет совмещать обучение с исследовательской работой и практикой в индустриальных задачах.
Студенты будут работать в научной лаборатории, участвовать в исследованиях и развивать проекты, которые могут лечь в основу публикаций, докладов на конференциях или дальнейшей карьеры в R&D.
Что входит в программу:
* обучение в МФТИ
* работа в научной лаборатории
* официальное трудоустройство и зарплата
* задачи на стыке AI, Computer Science и индустриальной практики
* возможность продолжить путь в аспирантуре, R&D или AI-центре Т-Банка
Магистратура длится 2 года.
Нагрузка: 52 часа в неделю.
* 30 часов: работа в лаборатории
* 22 часа: лекции и занятия в университете
Заявки принимаются до 6 июля. | 1 617 |
| 8 |  +1Эксклюзив: DeepSeek был только началом
Microsoft сейчас оценивает множество open models для Copilot Cowork.
> Это создаёт внутреннее давление на команды MAI, потому что модели GLM, MiniMax и Kimi развиваются быстрее.
> Microsoft хочет сделать модели «взаимозаменяемыми» и отделить саму обвязку Copilot от конкретных моделей под капотом.
> По мере развития малых моделей часть задач в будущем может выполняться локально.
Смысл простой: Microsoft всё меньше хочет быть жёстко привязана к одной модели или одному поставщику. Copilot постепенно превращается в систему, где важнее не конкретная LLM, а harness, маршрутизация задач, инструменты и возможность быстро менять модели под разные сценарии.
https://www.testingcatalog.com/exclusive-microsoft-evaluates-different-open-models-for-cowork/ | 2 327 |
| 9 | МФТИ при поддержке Т-Банка открывает набор в очную магистратуру по направлениям AI и Computer Science.
Программа рассчитана на тех, кто хочет совмещать обучение с исследовательской работой и практикой в индустриальных задачах.
Студенты будут работать в научной лаборатории, участвовать в исследованиях и развивать проекты, которые могут лечь в основу публикаций, докладов на конференциях или дальнейшей карьеры в R&D.
Что входит в программу:
* обучение в МФТИ
* работа в научной лаборатории
* официальное трудоустройство и зарплата
* задачи на стыке AI, Computer Science и индустриальной практики
* возможность продолжить путь в аспирантуре, R&D или AI-центре Т-Банка
Магистратура длится 2 года.
Нагрузка: 52 часа в неделю.
* 30 часов: работа в лаборатории
* 22 часа: лекции и занятия в университете
Заявки принимаются до 6 июля. | 1 |
| 10 | D | 1 |
| 11 |  Код на скорости: митап про производительность, ИИ-агенты и бизнес-процессы в Омске! ⚡️
Встречаемся уже 28 мая, чтобы разобраться:
✔️ Как выкрутить на максимум производительность продукта без больших затрат. Спойлер: помогут виртуальные потоки и корутины (можно сделать скрытым текстом).
✔️ Как создать ИИ-агента, который анализирует сбои и борется с мошенничеством.
✔️ Как моделировать процессы в BPMN так, чтобы минимизировать ошибки.
В финале митапа — крутой «мафиозно-квизный» нетворкинг.
Дата: 28 мая в 18:00
Место: Школа 21 (ул. Ленина, д. 26Б)
Регистрация: здесь! | 2 827 |
| 12 |  Coinbase сокращает около 700 человек - это примерно 14% штата.
CEO Coinbase Брайан Армстронг объясняет это просто: компания хочет стать меньше, быстрее и эффективнее, потому что ИИ уже позволяет небольшим командам делать то, для чего раньше требовалось больше людей.
Coinbase не единственная. Технокомпании всё чаще упаковывают сокращения не только в историю про рынок, но и в историю про AI-native операционку.
Похоже, главный эффект ИИ для бизнеса оказался не в красивых демках, а в очень скучной строке P&L: меньше людей, меньше затрат, быстрее выполнение задач.
bloomberg.com/news/articles/2026-05-05/coinbase-to-cut-14-of-workforce-citing-volatile-markets-ai | 3 199 |
| 13 |  Efficient Training on Multiple Consumer GPUs with RoundPipe
Github: https://github.com/ITcarrot/RoundPipe
Paper: https://arxiv.org/abs/2604.27085 | 2 949 |
| 14 |  👣 На Stepik обновили курс «Rust: полный курс разработчика. С нуля до профи»
Представьте: через три месяца вы открываете чужой Rust-код и читаете его как книгу.
Arc<Mutex<T>> не вызывает панику. impl Future не пугает. Вы точно знаете, почему компилятор ругается и как это починить за 10 секунд.
Это не фантазия. Это результат 50 уроков, в которых каждая концепция объясняется через код и закрепляется практикой.
Ownership, traits, generics, async, unsafe - всё, что казалось магией, станет рабочим инструментом.
А бонусом - портфолио проектов: от CLI-утилит до REST API и WebAssembly.
Вы и так знаете, что Rust - ваш следующий язык. Этот курс просто сделает это реальностью.
Сегодня - 55% процентов от цены, торопись: https://stepik.org/a/269250/ | 2 824 |
