Machine learning Interview

Anthropic вместе с Frontend Masters выкатили бесплатный курс по Claude Code. И это не поверхностный обзор, а нормальный разбор инструмента для тех, кто хочет реально прокачать вайбкодинг и работу с AI-агентами. Курс ведёт Lydia Hallie из Anthropic. Внутри: • основы Claude Code • skills • hooks • sub-agents • MCP • плагины • Agent SDK • продвинутые сценарии работы Хороший вход для тех, кто хочет не просто “просить ИИ написать код”, а собирать нормальный рабочий процесс вокруг Claude Code. Ссылка: http://frontendmasters.com/courses/claude-code

Claude 😂😂😂

SpaceX подписала соглашение с open-source AI-стартапом Reflection AI на сумму до $6,3 млрд до 2029 года. Reflection получит немедленный доступ к чипам Nvidia GB300 в дата-центре Colossus 2. Платежи начнутся 1 июля 2026 года и составят $150 млн в месяц. При этом любая из сторон сможет расторгнуть соглашение с уведомлением за 90 дней после первых трёх месяцев. Также SpaceX уже заключила compute-соглашения с Anthropic, Google и Cursor.

🔥 Три разных человека. Три разных проекта. Один и тот же подход. — Юра взял «скучную» нишу с готовым спросом → сначала печальные $100/мес, через год уже ~$10K/мес — Денис сделал Telegram-игру в одиночку на основе AI → ~ $1500 за 1,5 месяца после запуска — Аня без кода запустила AI-бота для изучения английского → первые ~$200 уже в 1 месяц Разные результаты. Разный масштаб. Но общие правила: 1. не придумывать «гениальную идею», а брать существующий спрос 2. делать простой MVP и быстро запускаться 3. докручивать монетизацию и продукт по факту использования Ребята сделали всё без команды, без инвестиций, а самое главное — без ожидания «идеального момента». Да, не у всех получается сразу. И не у всех выходит на $10K. Но если системно идти по схеме выше — появляется первый доход с продукта, а дальше уже есть что масштабировать. В комьюнити разбираем такие кейсы регулярно: @its_capitan. Что сработало, что нет, и почему. Реклама: ИП Зуев Игорь Владимирович, ИНН: 360408359441, Erid: 2VtzqusRoPF

🚨 MICRON ОБЪЯВЛЯЕТ О СТРАТЕГИЧЕСКОЙ СДЕЛКЕ С ANTHROPIC * Многолетнее соглашение по HBM, DRAM и SSD * Совместная разработка памяти и хранилищ под нагрузки Claude * Claude внедряется внутри Micron * Micron инвестировала в раунд Anthropic Series H Теперь Micron для Anthropic одновременно инвестор, клиент, партнёр и поставщик.

Интересный релиз Qwen3.6-35B-A3B-StyleTune! Эта мощная модель точечно перестраивает текст так, чтобы полностью убрать роботизированные клише и повторяющиеся тропы, при этом сохраняя рассуждение и логику Qwen3.6 на 100%. https://huggingface.co/Gryphe/Qwen3.6-35B-A3B-StyleTune

Вопрос «использовать ИИ или нет» уже давно закрыт. Теперь осталось понять, как делать это с пользой для бизнеса, команды и собственной карьеры. 26–27 июня в Казани пройдёт ТАТАР САН — главная конференция Татарстана про искусственный интеллект и его практическое применение. Сбер выступает генеральным партнёром конференции и примет активное участие в деловой программе. Соберутся разработчики, дизайнеры, HR-спецы, руководители и все, кто хочет разобраться в главной трансформации последних лет. В программе: 🔵Реальные кейсы внедрения ИИ от экспертов из Сбера, МТС, Альфа-Инвестиций и других компаний 🔵 Пять тематических треков: от трансформации ролей и найма до дизайна и инженерных практик 🔵 Хедлайнеры — Вячеслав Дубынин из МГУ и Владимир Пирожков из Сбера 🔵 Нетворкинг, конкурс «Королева кода» и афтерпати с секретными гостями на сцене. Фиксируйте в календаре: 26 и 27 июня, Казань, ТАТАР САН. Вся программа и билеты на сайте конференции. 26–27 июня // ИТ-парк им. Б. Рамеева // Казань

forkd - это runtime для sandbox-окружений AI-агентов на базе Firecracker microVM. Он помогает быстрее ветвить и распараллеливать задачи: сначала один раз запускается «прогретый» родительский microVM, а затем дочерние окружения создаются из copy-on-write снапшотов памяти вместо холодного запуска каждой VM. Ключевые возможности: - Forking от прогретого родителя - дочерние окружения наследуют уже загруженные импорты, зависимости, JIT-состояние, веса моделей и кэши - KVM-изолированные microVM — каждый дочерний sandbox работает как отдельный процесс Firecracker с собственной изоляцией - Live BRANCH, можно поставить работающий sandbox на паузу, снять снапшот состояния «на лету» и продолжить выполнение. Для v0.4 заявлено p50-окно паузы исходного окружения 56 мс - Цепочки diff-снапшотов — можно накладывать runtime-слои вроде numpy → pandas → sklearn без повторного копирования одного и того же базового образа - Удобная daemon-поверхность, REST API, Python/TypeScript/MCP-клиенты, метрики Prometheus, JSON audit log и поддержка systemd Проект open-source и распространяется под лицензией Apache License 2.0. Ссылка в ответе 👇 https://github.com/deeplethe/forkd

DeepSeek-V4-Flash открыли бесплатно: тестируем без оплаты токенов Что можно тестировать: • генерацию кода и автоматизацию;• агентные сценарии и ботов;• анализ данных и технические задачи;• быстрые прототипы без расходов на API;• игровые серверы, ассистентов и нестандартные AI-проекты. Отличный вариант, чтобы быстро проверить идею, не сливая бюджет на эксперименты. Забираем бесплатно здесь: В https://www.openmodel.ai/event

Боевые Вайбкодинг-машины

Абсолютного иммунитета к jailbreak-атакам не существует даже у самых сильных LLM. Новое исследование показывает: frontier-модели действительно становится сложнее взломать, но не невозможно. Авторы проверяли Anthropic Fable 5 и Opus 4.8 с помощью автоматизированных red-team инструментов. Система снова и снова переписывала опасные запросы, пока модель либо отказывалась отвечать, либо всё же давала нежелательный ответ. Fable 5 оказался устойчивее Opus 4.8. В худшем сценарии успешность атаки на Fable 5 достигала 6.1%, а у Opus 4.8 под самым сильным давлением доходила до 11.5%. Полностью исключить jailbreak практически невозможно. Даже tiny failure rate становится проблемой, если атаки автоматизированы и повторяются в большом масштабе. И здесь важна деталь: старая карикатурная версия jailbreak, где всё строилось на странных кодировках и театральном role-play, уже не главная угроза. Оставшаяся слабость контекстная. Атакующий не просто задаёт один вредный вопрос. Он адаптируется после отказов, меняет формулировку, подбирает рамку и ищет такой контекст, который модель воспримет как допустимый, а не опасный. Поэтому абсолютная неуязвимость, скорее всего, неправильная цель. Языковые модели не “видят намерение” с идеальной моральной высоты. Они выводят смысл из формулировки, контекста и похожих примеров. В такой гибкой системе всегда будут пограничные случаи, где вредный запрос достаточно похож на обучение, safety research, fiction, troubleshooting или policy analysis, чтобы проскочить фильтр. Paper: A Red-Team Study of Anthropic Fable 5 & Opus 4.8 Models https://arxiv.org/abs/2606.18193

QuestDB - это open-source база данных для time-series данных, созданная для высокоскоростной записи и SQL-запросов с низкой задержкой. Внутри у неё многоуровневый storage engine и SIMD-ускоренное выполнение. Что важно: - Колоночное хранение данных Параллельное векторное выполнение запросов и использование SIMD-инструкций для ускорения обработки. - Многоуровневое хранение От WAL до нативного колоночного формата и Parquet в object storage. - SQL-расширения для time-series Поддержка ASOF JOIN, SAMPLE BY и LATEST ON. - Интеграции Поддерживает Postgres wire protocol и REST API, поэтому её проще подключать к существующей инфраструктуре. https://github.com/questdb/questdb

📢 Открыта регистрация на RecSys Meetup от AI VK 1 июля в Москве инженеры и исследователи AI VK расскажут о трансформерных моделях и LLM-агентах в рекомендациях, представят исследовательское направление и поделятся опытом внедрения технологий Discovery в продукты VK с многомиллионной аудиторией. Спикеры: 🟣 Андрей Зимовнов, директор по AI, VK 🟣 Александр Дьяконов, руководитель отдела исследований AI VK Research 🟣 Евгений Астафуров, ведущий разработчик, AI VK 🟣 Михаил Трапезников, руководитель группы рекомендательных технологий, AI VK В программе: 🟣 Нейропрофиль в Discovery 🟣 Контентные LLM-агенты 🟣 Научные исследования в AI VK 🟣 Cоциальное общение, светомузыка и активности ➡️Регистрация по ссылке Количество мест ограничено, трансляции не будет. 📍1 июля, ДК «Кристалл», Москва #aivkhub #recsys

Команда Tongyi Lab из Alibaba представила LOGOS, большую модель для всей естественной науки сразу. Идея простая: если ChatGPT учится предсказывать следующее слово, то LOGOS так же предсказывает следующий кусочек белка, молекулы или реакции. Разные научные объекты записываются одним общим языком токенов. Плюс в том, что модель переносит знания между областями: понятое про молекулы помогает в работе с белками. По словам авторов, на разных задачах LOGOS не уступает моделям, заточенным под конкретную область, а иногда и обходит их. Модель, код и статья уже выложены на HuggingFace, GitHub и arXiv. 🤗 HuggingFace: https://huggingface.co/LOGOS-Hub 💻 GitHub: https://github.com/LOGOS-Hub/LOGOS 📄 Paper: https://arxiv.org/abs/2606.16905

Tensordyne анонсировала прорывную систему для inference. Компания заявляет о логарифмических AI-чипах, которые дают в 17 раз больше токенов на ватт и в 13 раз более высокую пропускную способность, чем NVIDIA Blackwell. Главное математическое улучшение, по их словам, в том, что они реализовали эффективные логарифмические вычисления прямо на уровне железа. В логарифмическом пространстве умножение превращается в сложение, а сложение гораздо проще реализовать аппаратно, чем полноценные умножители. За счёт этого вычислительные блоки на чипе становятся меньше, чем у современных FP8 и INT8 GPU. Меньше транзисторов, ниже нагрев и энергопотребление. А освободившееся место на кристалле можно использовать под большее количество tensor engines, дополнительную высокоскоростную SRAM и HBM3e-память, а также быстрый interconnect. Для DeepSeek-R1 Tensordyne заявляет 363 000 токенов в секунду на стойку против 27 400 токенов у сравнительной системы NVIDIA. Компания также сообщила, что успешно завершила tape-out процессора Napier. Сейчас он уже находится в производстве на 3-нм техпроцессе TSMC. https://x.com/TensordyneInc/status/2066567307984531834

Исследователи создали open-source гуманоидного робота, который всего за 7 дней научился ходить, бегать, держать баланс и даже выполнять движения из K-pop танцев 🤯 ROBOTIS AI Sapiens использует NVIDIA Isaac Sim для обучения, motion retargeting для переноса человеческих движений на робота и reinforcement learning, чтобы доработать навыки перед запуском в реальном мире. Робот работает на NVIDIA Jetson Orin NX и новых актуаторах DYNAMIXEL-Q. Благодаря этому гуманоид может учиться сложным движениям всего тела в симуляции, а затем выполнять их физически.

Как сегодня создают эффективные ML-системы Обсудим 18 июля в Москве на Turbo ML Conf — флагманской конференции Т-Банка про ML. Будет три потока докладов: — глубокие исследования и новые подходы к моделям; — прикладное ML с фокусом на бизнес-метриках; — инженерные системы, делающие все это возможным. Участников ждут кейсы и лучшие практики от лидеров индустрии, демозоны с решениями от больших компаний и разговор с инженерами, которые их создают. Регистрируйся заранее и зови коллег

✔️ Sakana AI выпустила виртуального директора по стратегии, который сам пишет исследование за 8 часов Sakana AI представила свой первый коммерческий продукт, и это не очередной чат-бот для быстрых ответов. Новый инструмент называется Sakana Marlin. Компания описывает его как виртуального CSO, то есть автономного помощника для стратегических исследований в бизнесе. Работает идея просто. Вы даёте тему исследования, а дальше Marlin сам уходит в работу примерно на 8 часов. Он формирует гипотезы, собирает информацию, проверяет выводы и в итоге возвращает не короткую выжимку, а полноценный результат: структурированные слайды и большой исследовательский отчёт на десятки страниц. По сути, Sakana пытается автоматизировать тот тип работы, на который директор по стратегии и небольшая команда могли бы потратить недели. Например, анализ нового рынка, поиск точек роста, оценку конкурентов, разбор технологического тренда или подготовку стратегического решения для компании. Главная мысль здесь в том, что ИИ начинает выходить за пределы формата «спросил и получил ответ за 30 секунд». Marlin рассчитан на длинное рассуждение, где модель не просто генерирует текст, а долго уточняет, сравнивает, проверяет и собирает материал в связную картину. В основе продукта лежат исследования Sakana AI в области long-horizon reasoning и AB-MCTS. Это подход, где несколько моделей координируются между собой и помогают друг другу рассуждать эффективнее. Но важнее другое: Marlin вырос не только из лабораторных экспериментов, а из реального опыта внедрения AI-агентов в японских компаниях. Доступ уже открыт. Есть оплата за использование без ежемесячной подписки, а также тарифы Pro, Team и Enterprise. Интересно, что Sakana AI явно показывает направление рынка. Следующий этап ИИ-продуктов может быть не в том, чтобы отвечать быстрее, а в том, чтобы уметь работать дольше, глубже и автономнее. Marlin: https://sakana.ai/marlin Блог: https://sakana.ai/marlin-release/#English

Ищем Senior Computer Vision Engineer в 2ГИС Мы решаем задачи компьютерного зрения сразу в двух направлениях: работаем с пользовательскими фото и видео, а также помогаем поддерживать актуальность карты с помощью спутниковых снимков и данных дорожной инфраструктуры. В команде занимаются фото-поиском, модерацией контента, image retrieval, извлечением данных из изображений, распознаванием объектов на спутниковых снимках и задачами 3D-реконструкции. Будет интересно, если есть опыт с CV-моделями, большими визуальными датасетами, CLIP, DINO, SAM или другими foundation-моделями, а также желание решать прикладные задачи, результат которых увидят миллионы пользователей. Удалённо из РФ или из офисов 2ГИС. ДМС, обучение, конференции и сильная команда ML-инженеров рядом. Подробнее Другие инженерные инсайты от 2ГИС → в Telegram-канале RnD

Модель на 3B параметров внезапно показывает результаты уровня серьёзных reasoning-систем. VibeThinker-3B набирает: * 94.3 на AIME26 * 80.2 Pass@1 на LiveCodeBench v6 * 96.1% на unseen LeetCode contests Основа - Qwen2.5-Coder. Сверху добавили сильный post-training: * curriculum SFT * multi-domain RL * offline self-distillation * финальный RL-based instruct stage Её просто очень плотно дообучили на проверяемых задачах, где результат можно объективно оценить: решена задача или нет, прошёл тест или нет, ответ правильный или нет. Фронтирные модели всё ещё нужны для https://arxiv.org/abs/2606.16140