Анализ данных (Data analysis)
رفتن به کانال در Telegram
Data science, наука о данных. @haarrp - админ РКН: clck.ru/3FmyAp
نمایش بیشتر
شبکه:📈 تحلیل کانال تلگرام Анализ данных (Data analysis)
کانال Анализ данных (Data analysis) (@data_analysis_ml) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 51 847 مشترک است و جایگاه 2 567 را در دسته فناوری و برنامه‌ها و رتبه 11 859 را در منطقه روسيا دارد.
📊 شاخص‌های مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 51 847 مشترک جذب کرده است.
بر اساس آخرین داده‌ها در تاریخ 26 اکتبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 1 191 و در ۲۴ ساعت گذشته برابر 9 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 9.29% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 6.79% واکنش نسبت به کل مشترکان کسب می‌کند.
- دسترسی پست‌ها: هر پست به طور میانگین 4 816 بازدید دریافت می‌کند. در اولین روز معمولاً 3 519 بازدید جمع‌آوری می‌شود.
- واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 230 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند llm, контекст, openai, архитектура, deepseek تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاه‌های شخصی توصیف می‌کند:
“Data science, наука о данных.
@haarrp - админ
РКН: clck.ru/3FmyAp”
به لطف به‌روزرسانی‌های پرتکرار (آخرین داده در تاریخ 27 اکتبر, 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.
51 847
مشترکین
+924 ساعت
+2977 روز
+1 19130 روز
آرشیو پست ها
🛠️️️️️️ Для Qwen3-8B не нужна RTX 4090. Но размер контекста может изменить требования к памяти в разы.
По оценке llamaperf, в Q4_K_M с контекстом 8K модель требует около 7,5 ГБ памяти: веса, KV-кеш и рабочие буферы.
Это ориентир для запуска на видеокарте с 10 ГБ VRAM или Mac с Apple Silicon и 16 ГБ объединённой памяти. На Mac часть памяти также нужна системе и приложениям.
А теперь увеличим контекст до 128K: один только KV-кеш в 16-битном формате займёт около 19 ГБ, дополнительно к весам и буферам.
KV-кеш хранит промежуточные данные обработки контекста. Чем длиннее окно, тем больше памяти ему требуется. Квантизация весов до Q4 сама по себе не делает кеш четырёхбитным.
Фактический расход зависит от движка, формата кеша и настроек. Для 128K также нужна соответствующая настройка расширения контекста.
При локальном запуске считайте память под модель вместе с нужной длиной диалога. Для коротких задач максимальное окно часто просто не требуется.
https://llamaperf.com/model/qwen3/vram
Repost from Machinelearning
🖥️ GPT-6.1 Terra: OpenAI вдвое снизила цену на агентную модель среднего класса
OpenAI выпустила GPT-6.1 Terra для агентных сценариев, работы с компьютером и повседневного кодинга. Цена в API вдвое ниже, чем у GPT-5.6 Terra: $1 за миллион входных токенов вместо $2 и $6 за миллион выходных вместо $12.
По словам OpenAI, модель решает задачи более чем втрое быстрее, чем Astra и GPT-6.1 Sol. На Agents' Last Exam она заметно обходит GPT-5.6 Terra и, как сообщается, сравнима с GPT-6 Astra при цене токена примерно в десять раз ниже.
Доступна в ChatGPT Work, Codex и через API под id gpt-6.1-terra. В ChatGPT раскатка идёт на Plus, Pro, Enterprise и Edu.
Источник: https://openai.com/index/introducing-gpt-6-1-terra/
@ai_machinelearning_big_data
#ChatGPT #OpenAI
+1Вредоносный Markdown-файл может заставить ИИ-агента выполнить чужие команды. Даже если вы сами его не открывали.
Forever Security сообщила об атаке на компьютере клиента: агент прочитал подброшенный в папку Downloads файл `AGENTS.md` и попытался установить вредоносный npm-пакет. Защита остановила установку.
Схема использует привычную функцию coding-агентов: они читают файлы с инструкциями в рабочей папке. Если запустить агента в каталоге, куда попадают загрузки из браузера, чужой текст может быть принят за правила проекта.
Исследователи воспроизвели варианты атаки на Codex и Claude Code. По их данным, в тестовых условиях атаки срабатывали более чем в 90% попыток для Codex и примерно в 50% для Claude Code. Это результаты конкретных испытаний, а не вероятность взлома любого пользователя.
Последствия включали изменение конфигурации агента, запуск вредоносного кода и перенаправление API-запросов с утечкой токена.
Что проверить: не запускайте агентов в Downloads, просматривайте незнакомые
AGENTS.md и CLAUDE.md, сохраняйте подтверждения действий и песочницу включёнными.
https://forever.security/blog/hijacking-ai-agents-via-downloads-folder
Чтобы сделать сильного маленького ИИ-агента, Nanbeige сначала выпустила большого учителя.
Nanbeige4.3-33B - модель с открытыми весами на 33 млрд параметров, ориентированная на программирование и выполнение рабочих задач с инструментами.
По заявлению команды, она показывает лучшие агентные результаты среди открытых моделей класса около 30B. Разработчики также делают акцент на работе в популярных агентных оболочках и экономичном инференсе.
Но у релиза есть ещё одна задача: стать учителем для более компактных моделей, начиная с будущей Nanbeige4.3-3B.
Идея - сначала добиться высокого качества у старшей модели, а затем использовать её для обучения младших, которым потребуется меньше вычислительных ресурсов.
На Hugging Face опубликованы основная и базовая версии 33B. Заявленное лидерство пока стоит воспринимать как результат оценки самой команды.
https://huggingface.co/Nanbeige/Nanbeige4.3-33B
🔥️️️️️️ Kimi возвращает подписчикам 25% месячной квоты после проблем с K3.1 Pro.
Команда признала ошибки: пользователи сталкивались с ограничениями частоты запросов и лишним расходом лимита. В Kimi заявили, что должны были исправить это раньше.
В качестве компенсации подписчикам всех тарифов разово восстановят четверть месячной квоты – примерно неделю использования. Если израсходовано меньше 25%, счётчик расхода обнулят.
Также команда скорректировала параметры тарифа и сокращает ненужные вызовы субагентов и избыточную длину ответов, чтобы доступного лимита хватало дольше.
Показательный случай: эффективность ИИ-сервиса зависит и от того, насколько разумно он расходует квоту пользователя.
Вашему ИИ-агенту, возможно, нужно меньше субагентов.
Anthropic заметила: в нескольких корпоративных внедрениях один агент с навыками (skills) превосходил систему из специалистов по качеству, а часто - ещё по стоимости и скорости. У одного клиента выполнение задач ускорилось примерно вдвое.
Проблема знакомая: каждая команда создаёт своего агента, сверху появляется оркестратор. При передаче задач теряются детали, инструкции конфликтуют, а дополнительные вызовы увеличивают задержку.
Альтернатива - один основной агент, который подгружает инструкции и инструменты по необходимости. Он сохраняет контекст предыдущих шагов и сам корректирует план.
Например, инструкции специалиста по возвратам можно оформить как skill, а проверку заказа и оформление возврата — как инструменты.
Субагенты остаются полезны, когда нужны независимые параллельные исследования, отдельная проверка результата или изоляция контекста, который перегружает основного агента.
Anthropic предлагает переходить постепенно: заменить одного субагента навыком и инструментами, затем сравнить качество, задержку и стоимость на реальных задачах.
Архитектура должна следовать границам задач и контекста. Создавать отдельного агента на каждый отдел необязательно.
https://claude.com/resources/articles/building-agents-when-to-fold-subagents-into-your-main-agent-loop
🚀Пять небольших ИИ-моделей достигли уровня Claude в программировании, без дополнительного обучения.
Исследователи представили GVS5H - метод, при котором несколько ИИ-агентов совместно решают задачи, координируя действия через общие файлы.
Результаты на LiveCodeBench:
Qwen3.8-27B: точность выросла с 66,8% до 92,4%.
Claude Fable 5: 90,4%.
Qwen3.8 Flash Next: 93% при стоимости всего 9% от Claude.
Модели не дообучали. Прирост достигнут исключительно благодаря организации совместной работы агентов.
Метод работает не со всеми моделями, но показывает, что грамотная координация небольших ИИ может конкурировать с мощными нейросетями.
Результаты основаны на экспериментах авторов.
https://github.com/slee-persis/GVS5H
ИИ ищет признаки туберкулёза на глубине четырёх километров - без интернета.
В южноафриканской шахте Мпоненг используют переносной рентген и алгоритмы Google, внедрённые компанией Nexus AI. Снимки анализируются на месте: шахтёрам не нужно ждать поездки в клинику, чтобы пройти первичный скрининг.
Если система замечает признаки возможного туберкулёза, человека направляют на подтверждающий молекулярный тест. Окончательное решение принимают медики.
По данным Google, технология работает примерно в 40 медицинских учреждениях. Более 90 специалистов уже оценили с её помощью свыше 25 тысяч снимков. Получение результата, которое могло занимать недели, теперь занимает менее 45 секунд.
Для дальнейшего масштабирования Google развивает MedGemma и MedSigLIP. Местные команды могут адаптировать модели под свои данные и запускать на собственной инфраструктуре.
Например, Минздрав Индонезии дообучает их для национальной программы с целью обследовать 50 млн человек в год. Данные пациентов при этом остаются внутри страны.
Так выглядит полезный медицинский ИИ: помогает быстрее направить человека на обследование там, где специалистов мало, а связь нестабильна.
https://research.google/blog/bringing-foundational-models-to-the-front-lines-of-tb-screening/
Прежде чем ставить скилл для ИИ-агента просканируйте его 🛡
Исследователи проанализировали 31 132 скилла для агентов: в 26,1% нашли уязвимости, а 5,2% выглядели откровенно вредоносными.
Опенсорс от NVIDIA выложила в SkillSpector, сканер, которым сама проверяет скиллы перед публикацией в своём каталоге. У репозитория уже 20,8 тыс. звёзд, лицензия Apache-2.0.
Инструмент ищет 71 паттерн атак в 17 категориях: prompt injection, кражу данных, повышение привилегий, отравленные MCP-инструменты и другое. Сканировать можно репозиторий на GitHub, URL, zip-архив или обычную папку. Каждому скиллу выставляется оценка риска от 0 до 100 с понятной рекомендацией.
Есть быстрый режим без ИИ и опциональная глубокая проверка с помощью модели. Работает со скиллами для Claude Code, Codex и Gemini CLI.
Установка: uv tool install git+https://github.com/NVIDIA/skillspector.git
Проверка скилла: skillspector scan ./the-skill/ --no-llm
Источник: https://github.com/NVIDIA/skillspector
OpenAI уволила трёх исследователей по безопасности, подозревая в утечке дизайнов моделей 🚨
По данным WSJ от 22 октября, компания считает, что Жасмин Ван, Томек Корбак и Микита Балесни делились внутренними материалами с Райаном Гринблаттом, исследователем безопасности ИИ. Среди каналов называют исчезающие чаты в Signal. Увольнения состоялись 1 октября.
В OpenAI заявили, что внутреннее расследование выявило нарушение правил обращения с чувствительной информацией, и назвали случившееся серьёзным нарушением доверия. Конкретные переписки компания не раскрыла.
Сами сотрудники рассказывают иначе. Корбак, технический контакт OpenAI с внешним оценщиком METR, говорит, что его уволили из-за способа общения с этой организацией. Балесни утверждает, что его уволили за слишком активное общение со сторонними организациями по безопасности. Ван говорит, что случайно открыла чувствительное письмо в почте руководителя и сразу об этом сообщила.
Через несколько дней после увольнений трое отправили письмо совету директоров OpenAI и призвали компанию и её конкурентов прекратить создавать модели, рассуждения которых люди не могут проверить.
Источник: https://aiweekly.co/alerts/openai-suspected-signal-leaks-to-greenblatt-wsj-reports
Китайская Moonshot AI представила Kimi K3.1 Pro — открытую ИИ-модель, которая обходит GPT-6 Astra в тестах программирования.
Модель получила контекстное окно на 1 миллион токенов и ориентирована на сложные задачи: разработку ПО, ИИ-агентов, 3D-моделирование и финансовую аналитику.
Результаты тестирования:
- Terminal-Bench 4.0: 65,7% против 58,2% у GPT-6 Astra и 66,4% у Claude Opus 5.5.
- BenchCAD: 92,7% — генерация CAD-моделей по изображениям.
- OfficeQA Pro v2: 64,4 балла — анализ сложных финансовых документов.
- Kimi Code Bench 3.0: 61,2% против 55,95% у предыдущей K3.
Что интересного:
1. Модель способна самостоятельно создавать игры, 3D-сцены и веб-приложения.
2. Работает с Blender, Unity, Unreal Engine и Godot.
3. В одном эксперименте провела 167 итераций разработки симулятора человеческой ходьбы, самостоятельно обнаружив 36 ошибок в расчётах.
4. Частота фактических ошибок на внутреннем сложном тесте снизилась с 23,4% до 8,3%.
5. Версия Highspeed работает в 2–3 раза быстрее стандартной модели.
Отдельно разработчики ограничили возможности модели в поиске и эксплуатации уязвимостей, удалив часть данных по кибербезопасности из обучения.
Kimi K3.1 Pro уже доступна через веб-интерфейс, Kimi Code и API. Полные веса модели обещают открыть до 4 ноября 2026 года.
Результаты сравнений приведены разработчиками и зависят от методики тестирования.
https://www.kimi.ai/blog/kimi-k3-1-pro
Китай усиливает контроль над экспортом ИИ. DeepSeek и MiniMax прошли регистрацию и продолжают открывать модели.
По сообщению Reuters со ссылкой на связанный с CCTV аккаунт, компании получили разрешение на зарубежное использование своих моделей.
С 16 октября действует временная предварительная регистрация экспорта технологий, включённых в проект обновлённого контрольного перечня. Среди них — отдельные технологии больших моделей, агентов и вычислительных кластеров.
Публикация весов или кода для скачивания по всему миру тоже может подпадать под экспортные процедуры, если речь о контролируемой технологии.
Но это не всеобщий запрет на китайский open source: окончательный перечень ещё обсуждается, а для общедоступных технологий и открытых моделей предусмотрены исключения и упрощения.
Суть изменения: открытость модели больше не означает отсутствие экспортных формальностей. При этом пример DeepSeek и MiniMax показывает, что регистрация и дальнейшие открытые релизы могут сосуществовать.
https://www.reuters.com/business/media-telecom/chinas-deepseek-minimax-win-approval-ai-global-use-state-media-affiliated-entity-2026-10-23/
Repost from Machinelearning
MiniMax открыла веса M3.1 Flash - MoE-модели на 428 млрд параметров для программирования и ИИ-агентов.
При обработке каждого токена активируются около 23 млрд параметров. Модель ориентирована на многошаговые задачи: работу с инструментами, разработку ПО и управление приложениями.
Результаты по оценкам разработчика:
- 73,7% на DeepSWE v1.1 — сложные задачи разработки.
- 61,7 на OSWorld V2 — работа с компьютерным интерфейсом.
- 76,2 на BankerToolBench — использование инструментов в банковских сценариях.
- 29,6 на Agents’ Last Exam — комплексные профессиональные задачи.
- 82,2 на CyberGym — воспроизведение уязвимостей.
За эффективность отвечают MiniMax Sparse Attention и DSpark speculative decoding: разреженное внимание и спекулятивное декодирование, ускоряющее генерацию.
Теперь веса можно использовать для собственного развёртывания и независимых тестов. 23 млрд активных параметров сокращают вычисления, но хранить нужно всю модель — это по-прежнему серьёзная нагрузка на инфраструктуру.
Hugging Face: https://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash
API: https://platform.minimax.io
@ai_machinelearning_big_data
#MiniMax
Claude написал 180 млн строк доказательств, проверяя безопасность реального ПО.
Anthropic и Theorem показали подход, который превращает фаззинг-тесты в математические гарантии.
Обычный фаззер перебирает огромное количество входных данных и ищет сбой. Но даже триллионы запусков не гарантируют, что опасный случай найден.
Здесь Claude получает другую задачу: доказать, что выбранный тест не упадёт ни на одном входе размером менее 64 МБ - в рамках заданной модели исполнения.
За несколько недель удалось построить доказательства для 239 точек входа в 123 open-source библиотеках. Проверка идёт на уровне скомпилированного кода RISC-V: Claude пишет доказательство, а Rocq проверяет его корректность.
В процессе обнаружились сотни ошибок. Например, выход за границы памяти в распаковщике, требовавший входа около 20 МБ с редкой структурой.
Это не гарантия отсутствия всех багов в библиотеках. Доказательства покрывают конкретные точки входа и условия: однопоточный статический бинарник, ограниченную память и формальную модель RISC-V/Linux.
Но результат показывает перспективу: вместо бесконечного поиска контрпримеров — проверяемое доказательство конкретного свойства программы.
https://www.anthropic.com/research/formal-verification
Qwen научили меньше «думать»: до 51% меньше токенов рассуждения
BottleCap AI представила ThinkingCap-Qwen3.8-Flash-Next - версию модели, оптимизированную для более коротких рассуждений.
По данным разработчиков:
- На 38,5% меньше thinking-токенов в среднем, до 51% в отдельных тестах.
- Снижение точности — 1,03 процентного пункта.
- Для корпоративной ThinkingCap PRO заявлено сокращение thinking-токенов в среднем на 60%.
Идея простая: модели нередко продолжают рассуждать, когда дополнительные шаги уже почти не помогают получить правильный ответ. ThinkingCap сокращает такие рассуждения, сохраняя близкие результаты в тестах команды.
Практический смысл - потенциально меньше ожидания и затрат на генерацию. Но сокращение thinking-токенов на 38,5% не означает такое же ускорение всего запроса: остаются обработка контекста и генерация итогового ответа.
Разработчики сообщают о публикации модели на Hugging Face и версии GGUF для локального запуска.
https://huggingface.co/bottlecapai
🔍️️️️️️ Qwen научили меньше «думать»: до 51% меньше токенов рассуждения
BottleCap AI представила ThinkingCap-Qwen3.8-Flash-Next - версию модели, оптимизированную для более коротких рассуждений.
По данным разработчиков:
- На 38,5% меньше thinking-токенов в среднем, до 51% в отдельных тестах.
- Снижение точности — 1,03 процентного пункта.
- Для корпоративной ThinkingCap PRO заявлено сокращение thinking-токенов в среднем на 60%.
Идея простая: модели нередко продолжают рассуждать, когда дополнительные шаги уже почти не помогают получить правильный ответ. ThinkingCap сокращает такие рассуждения, сохраняя близкие результаты в тестах команды.
Но сокращение thinking-токенов на 38,5% не означает такое же ускорение всего запроса: остаются обработка контекста и генерация итогового ответа.
Разработчики сообщают о публикации модели на Hugging Face и версии GGUF для локального запуска.
> Blog: https://liquid.ai/blog/low-latency?utm_source=twitter&utm_medium=social&utm_campaign=low-latency&utm_content=low-latency-stack-post
> RIPL calculator: https://liquid.ai/low-latency-calculator-ripl
> Request access: https://liquid.ai/connect?utm_source=twitter&utm_medium=social&utm_campaign=low-latency
+3
Как научить ИИ выполнять большую рабочую задачу - и проверить, что он действительно справился?
Авторы WorkForge предложили автоматически создавать тренировочные среды из реальных файлов и профессиональных рабочих процессов.
Система определяет, какие материалы и результаты нужны специалисту, собирает рабочее пространство и извлекает из документов конкретные проверяемые факты. Уже на их основе создаёт задания, планы решения и два вида проверки:
- Программную - для условий, которые можно проверить кодом.
- Смысловую — для оценки содержания результата.
Критерии привязаны к наблюдаемым данным в файлах. Это помогает оценивать выполненную работу, а не убедительность ответа агента.
Авторы создали 16,7 тысячи сред в 40 профессиональных областях, охватив 60 типов файлов.
После дообучения Qwen3.5-35B-A3B-Base показатель на GDPVal вырос с 45,5 до 73,6, а APEX Score — с 5,0 до 21,3.
Ценность подхода - в масштабировании практики: агент получает множество многошаговых рабочих задач, где результат можно проверить по исходным материалам.
https://arxiv.org/abs/2610.04906
