Data Secrets
Главный по AI Сотрудничество: @veron_28 РКН: clck.ru/3FY3GN
نمایش بیشتر📈 تحلیل کانال تلگرام Data Secrets
کانال Data Secrets (@data_secrets) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 96 318 مشترک است و جایگاه 1 299 را در دسته فناوری و برنامهها و رتبه 5 704 را در منطقه روسيا دارد.
📊 شاخصهای مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 96 318 مشترک جذب کرده است.
بر اساس آخرین دادهها در تاریخ 14 نوامبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 1 289 و در ۲۴ ساعت گذشته برابر 21 بوده و همچنان دسترسی گستردهای حفظ شده است.
- وضعیت تأیید: تأیید شده (به صورت رسمی توسط تلگرام)
- نرخ تعامل (ER): میانگین تعامل مخاطب 26.18% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 19.87% واکنش نسبت به کل مشترکان کسب میکند.
- دسترسی پستها: هر پست به طور میانگین 25 207 بازدید دریافت میکند. در اولین روز معمولاً 19 133 بازدید جمعآوری میشود.
- واکنشها و تعامل: مخاطبان بهطور فعال حمایت میکنند؛ میانگین واکنش به هر پست 295 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند claude, openai, контекст, стартап, llm تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاههای شخصی توصیف میکند:
“Главный по AI
Сотрудничество: @veron_28
РКН: clck.ru/3FY3GN”
به لطف بهروزرسانیهای پرتکرار (آخرین داده در تاریخ 15 نوامبر, 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.
در حال بارگذاری دادهها
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 15 نوامبر | +28 | |||
| 14 نوامبر | +36 | |||
| 13 نوامبر | +38 | |||
| 12 نوامبر | +69 | |||
| 11 نوامبر | +81 | |||
| 10 نوامبر | +47 | |||
| 09 نوامبر | +48 | |||
| 08 نوامبر | +32 | |||
| 07 نوامبر | +31 | |||
| 06 نوامبر | +33 | |||
| 05 نوامبر | +62 | |||
| 04 نوامبر | +39 | |||
| 03 نوامبر | +88 | |||
| 02 نوامبر | +43 | |||
| 01 نوامبر | +35 |
| 2 | Российские исследователи предложили новые методы решения проблемы холодного старта в рексис
Одна из давних проблем рекомендательных систем – холодный старт. Когда в каталоге появляется новый товар, фильм или книга, у алгоритма еще нет истории взаимодействий, поэтому сложно определить, кому их рекомендовать.
В таких случаях системы могут опираться на другую информацию: текстовые описания, характеристики объектов и их связи с уже известными товарами или контентом. Но найти похожие объекты и понять, насколько они соответствуют интересам конкретного пользователя, не совсем одно и то же, поэтому у таких подходов тоже есть свои проблемы.
Недавно в Риме прошла конференция ACM CIKM. На ней были опубликованы две занятные работы, которые предлагают новые варианты решения проблемы, опирающиеся на подходы из обработки текстов и архитектуру Mixture of Experts, знакомую нам по современным LLM.
Первая модель, E2L3AE (статья), предлагает совместно обучать текстовый энкодер и рекомендательную систему. В предыдущих подходах текстовая модель обучается отдельно, поэтому ее эмбеддинги не всегда отражают характеристики, важные для рекомендаций. Теперь история покупок и просмотров напрямую влияет на обучение энкодера, помогая ему выделять в описаниях именно те признаки, которые связаны с предпочтениями пользователей.
В результате и новые товары можно рекомендовать точнее, опираясь на их текстовые характеристики. Итого, известная идея + грамотное изменение в пайплайне обучения = профит.
Вторая модель, MoE-IGR (статья), работает с графом взаимодействий, где пользователи и объекты представлены узлами, а покупки и просмотры – связями между ними. В обычных графовых моделях информация о разных объектах обрабатывается по одной схеме, хотя их особенности могут существенно различаться.
Здесь эту проблему решают с помощью Mixture of Experts: модель анализирует характеристики объекта и подбирает для него комбинацию специализированных нейросетей. При холодном старте это позволяет лучше учитывать особенности нового контента, даже если про него мало что известно.
В экспериментах E2L3AE повысила полноту рекомендаций на 20%, а MoE-IGR улучшила качество ранжирования новых объектов почти на 35% относительно базовых решений в отдельных сценариях. | 15 544 |
| 3 | Папа Римский заявил, что он против того, чтобы ИИ помог человечеству победить старение и смерть
Буквально несколько дней назад в соцсетях завирусилось видео, в котором Дарио Амодеи заявляет: скачки в развитии Claude и ИИ в целом настолько велики, что рак, Альцгеймер, болезни сердца и психические расстройства могут полностью уйти в прошлое менее чем через десять лет, а продолжительность жизни может увеличиться до 150 лет.
А затем вчера, буквально через несколько дней после видео Anthropic, Папа Римский написал пост, в котором раскритиковал трансгуманизм и постгуманизм, то есть идею о том, что прогресс – это преодоление смерти.
Он заявил, что наука конечно хороша, но церковь против того, чтобы бессмертие стало привилегией миллионеров, пока «целые народы живут в бедности». Ограниченность человека, по его мнению, это не проблема, а условие человеческого величия. | 16 890 |
| 4 | Ресторан Denny’s, где Хуанг в юности мыл посуду, и где была придумана Nvidia, убрал из зала памятную табличку с его упоминанием
Табличку «Стол, с которого начались триллион долларов» открыли в сентябре 2023 года вместе с CEO Denny’s и самим Хуангом.
Она исчезла к пятнице, на стене за диваном остались сколы краски, и двое сотрудников подтвердили, что ее сняли. | 20 923 |
| 5 | Презентация Яна Лекуна на CoRL, которая проходит сейчас в Остине
LLM: решают математические задачи тысячелетия, пишут 80% кода в индустрии, проектируют белки, взламывают ПО
Лекун: «а JEPA все равно умнее!!!» | 21 581 |
| 6 | بدون متن... | 21 241 |
| 7 | Традиционные рекомендательные алгоритмы прогнозируют ожидаемое время просмотра. Но одно и то же время может означать и досмотренный ролик, и быстрый скип длинного видео.
➡️ Команда AI VK Research разработала технологию HEGM, которая учитывает разные сценарии просмотра, и встраивается в существующие рекомендательные системы без переделки архитектуры.
Читайте в статье на Хабре, как устроена модель, какие эксперименты за ней стоят и где её можно применить. Код уже открыт на GitHub, а исследование принято на международную конференцию IEEE ICDM 2026.
#AIVKResearch #ml #recsys #aivkhub #хабр | 19 295 |
| 8 | Независимые исследователи нашли в открытых китайских моделях следы обучения на Blackwell, которые запрещены для экспорта в КНР
Автор разоблачения (кстати, бывший сотрудник OpenAI) утверждает, что в весах открытых моделей остается след GPU, на котором эти веса впервые сгенерировали. Начальные значения весов зависят от сида и от конкретного чипа, и часть этого узора переживает обучение.
Он перебрал около шести триллионов комбинаций чипов и сидов и нашел совпадения у шести моделей четырех китайских лабораторий.
DeepSeek-V4-Flash и MiniMax-M3 обучались на B200 или B300, а DeepSeek-V4-Pro, Kimi K3, Kimi K3.1-Pro и Ling-3.1-flash – на GB200 или GB300. Более ранние модели тех же лабораторий читаются как Hopper.
Более того, инженер посчитал, что для Kimi K3 и DeepSeek-V4-Pro использовались от 2к до 3к Blackwell GPU на каждого. Кластер такого масштаба стоит около 200 миллионов долларов.
Автор утверждает, что результаты проверили исследователи из OpenAI и Anthropic.
Если все так, китайским лабам могут грозить серьезные санкции
https://unemploymentlabs.com/checkpoint-forensics | 22 064 |
| 9 | Тем временем Yahoo Finance объявили победителя своей ежегодной премии CEO года
Им стала Лиза Су, CEO AMD
(Ну мы то с вами знаем, кто на самом деле за последнюю неделю заслужил себе статус *уже не*CEO года) | 19 257 |
| 10 | Бесплатный семинар про то, как делать ИИ-проекты эффективными и прибыльными
Большие ИИ-проекты быстро упираются в стоимость GPU, а посчитать, окупились ли вложения (то есть ROI), часто очень сложно. И это уже не говоря о подводных камнях в самом процессе внедрения.
19 ноября Kept и Deckhouse проведут очный семинар «Практические вопросы ИИ-трансформации: от GPU до бизнес-цели». Расскажут, как со всем этим справляться на практике, без воды и на живых кейсах:
— как выстроить инфраструктуру под ИИ и не переплатить за GPU;
— как управлять нагрузками на нескольких площадках;
— как держать под контролем данные и ИИ-агентов;
— как проверять качество систем до выхода в продакшен.
В качестве главного практического кейса разберут ИИ-бухгалтера. Все разложат на детали и покажут, как безопасно управлять данными и агентом так, чтобы решение экономило деньги и время, а не наоборот.
Kept – одна из крупнейших аудиторско-консалтинговых фирм России, а Deckhouse делает Kubernetes-платформу, на которой работает уже более 1000 кластеров по всей стране, так что про качество и инфраструктуру они расскажут из первых рук.
Участие бесплатное, регистрируйтесь по ссылке. | 19 577 |
| 11 | Anthropic продолжает сыпать обновлениями: они представили Claude Meetings
Теперь агента можно добавить на ваш звонок в Google Meet одним нажатием. Он присоединится как видимый участник и будет делать заметки, доски, оформлять таблицы, презентации, письма и документы прямо во время вашего обсуждения.
Кроме того Claude можно вызывать голосом или тегать в чате, а артефакты можно редактировать совместно с ним на лету. Все результаты потом оформляются вместе на одной странице встречи.
Пока в бете и только для Team и Enterprise
https://claude.com/resources/articles/claude-meetings | 22 150 |
| 12 | Отличная кандидатура для нового сезона Холостяка | 21 340 |
| 13 | Google выпустили Gemini 4 Hydrogen – младшую модель семейства Gemini 4
https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-hydrogen/
Быстрая и дешевая модель, которая при этом обгоняет по индексу Artificial Analysis старшую Argon.
Относительно 3.8 Flash задачи делает в 2.5 раза быстрее. Terminal-Bench вырос с 18,2% до 57%. В агентских офисных задачах модель тоже неплоха, может сделать презентацию, демо, работает с таблицами и даже ролики монтирует.
Еще из интересного: в Antigravity появился Orchestrator, который переключается между Carbon и Hydrogen в одной сессии. Carbon планирует, Hydrogen исполняет и проверяет. На Terminal-Bench 4.0 такой режим почти догоняет чистый Carbon, расходуя при этом на 24% меньше лимитов и работая на 19% быстрее.
Модель уже доступна в API, Gemini App и AI Studio | 21 895 |
| 14 | Интернет тем временем разделился на два лагеря: одни считают, что увольнение Хуанга неправомерное и Nvidia без своего основателя уже не будет прежней; другие говорят, что Дженсену уже давно пора на пенсию, и что он получил по заслугам.
Павел Дуров (внесен Росфинмониторингом в список причастных к терроризму и экстремизму) сокрушается, что им шпионки не интересуются.
А Илон Маск вообще заявил, что для него будет честью нанять (уже бывшего) CEO Nvidia к себе | 21 711 |
| 15 | Институт AIRI и Сколтех разработали систему для анализа научных трендов Drift Inspector
С ее помощью команда исследователей уже обработала 118 тысяч статей с главных конференций по машинному обучению, компьютерному зрению и обработке языка за 2018–2026 годы.
Drift Inspector извлекает из аннотации только утверждения о научном вкладе и объединяет похожие в одну тему. В отличие от простого подсчёта ключевых слов, такой подход позволяет группировать разные формулировки одной идеи и разделять случаи, когда одно и то же слово используется в разных значениях.
Для анализа динамики каждой темы система рассчитывает долю статей за год, в которых встречается хотя бы одно утверждение из соответствующей группы. Кластеризацию также оценивали с помощью внешней таксономии, а качество извлечения проверяли с помощью валидированного ИИ-судьи.
https://hamyrappy.github.io/drift-inspector-acl/ | 21 165 |
| 16 | Дженсен Хуанг покидает NVIDIA
Совет директоров объявил, что Хуанг покидает посты гендиректора и президента компании, а также выходит из совета директоров. Решение вступает в силу немедленно.
Временно NVIDIA возглавит финансовый директор Колетт Кресс. Компания будет искать нового гендиректора среди своих сотрудников и внешних кандидатов.
Хуанг руководил NVIDIA с момента ее основания в 1993 году.
https://nvidianews.nvidia.com/news/nvidia-announces-ceo-transition | 26 267 |
| 17 | В Meta FAIR* придумали алгоритм, который обгоняет k-means
Давненько не выходили такие громкие статьи по классическому ML. Разбираемся.
k-means – это простейший алгоритм кластеризации, но при этом один из самых используемых. Он используется для векторного поиска и RAG, кластеризации эмбеддингов, чистки и балансировки датасетов, квантизации весов и KV-кэша, создания кодбуков для токенов изображений и аудио, анализа данных, поиска аномалий и тд и тп.
В общем, уже десятки лет k-means является золотым стандартом. Работает он так: берет набор точек данных, случайно размещает среди них K пробных центров, относит каждую точку к ближайшему центру, а затем сдвигает каждый центр в среднее положение своих точек и повторяет так несколько эпох, пока центры не перестанут двигаться (см картинку).
Понятно, что на миллиардах векторов каждый такой проход очень дорогой, поэтому, конечно же, в индустрии уже придумали много способов удешевлять k-means. Например, есть мини-батч k-means, который обновляет центры чаще, по маленьким кусочкам данных. Такие штуки работают быстрее, НО сходятся к заметно худшему качеству.
Однако авторы этой статьи утверждают, что их алгоритм способен достичь качества классического k-means всего за 1.4-2.6 эпохи. Против Flash-KMeans (сильно оптимизированный GPU k-means) ускорение по времени получается от 9.5x до 45.5x.
Они предлагают пересчитывать центры экспоненциальным скользящим средним по батчам. Для каждого кластера хранится, сколько в нем точек и чему равна их сумма, а с каждым новым батчем эти значения обновляются так, что свежие данные весят больше, а старые постепенно забываются. Центр кластера при этом остается обычным средним, то есть суммой, деленной на количество.
Благодаря такому подходу центры начинают двигаться уже после первых батчей, а не после полного прохода по данным, а размер батча и шаг обновления считаются по готовым формулам, поэтому никакие гиперпараметры подбирать вручную не нужно.
В итоге e-means достигает качества классического k-means в разы быстрее и даже с чуть меньшим лоссом. На самом большом тесте, 10 миллиардах эмбеддингов и 16 миллионах кластеров, ему понадобилось почти в 9 раз меньше GPU-часов.
Представьте, что это значит для тех же RAG-систем на огромных базах, где построение индексов съедает тысячи часов работы видеокарт.
Статья | Код | Проект | 23 071 |
| 18 | Возможно Дженсен Хуанг все-таки уйдет в отставку
NYT со ссылкой на бывших сотрудников написали, что у Хуанга, помимо китайской шпионки Элис Хуанг, были отношения с Кимберли Пауэлл, вице-президентом Nvidia по здравоохранению.
И если раньше совет директоров официально поддержал Хуанга, то уже вчера они собрались для того, чтобы обсудить его отстранение. Что послужило причиной, неизвестно. Возможно, вторую измену они уже не вытерпели. А возможно, какие-то новые детали всплыли в ходе расследования его отношений с Элис. Делом занимается ни много ни мало бывший федеральный прокурор.
Некоторые издания пишут, что идет слух о рассмотрении на роль нового CEO… Тима Кука. Но это пока не более чем сплетни.
Акции Nvidia тем временем продолжают стремительно падать. Axios пишет, что с первых сообщений о шпионке компания потеряла почти триллион долларов капитализации. Триллион, друзья. | 21 637 |
| 19 | Умеете писать код — научитесь собирать ИИ-решения
Программа МТУСИ и Нетологии «ИИ-разработчик: от API до агентов» — для практикующих IT-специалистов, которые хотят систематизировать знания и разрабатывать ИИ-решения полного цикла.
За 6 месяцев пройдёте путь от работы с API и архитектуры приложений до ИИ-агентов, векторных технологий и развёртывания решений.
Инструменты: OpenAI API, FastAPI, LlamaIndex, Docker, Qdrant и другие.
Для старта нужны базовые навыки Python.
Онлайн: часть лекций в записи, практика не чаще 2 раз в неделю по вечерам — можно совмещать с работой. На выходе — два диплома о профпереподготовке: МТУСИ и Нетологии.
Старт — 16 ноября. Скидка 10 000 ₽ по промокоду AIMTUSI10.
Программа - здесь
Реклама. ООО "Нетология" ОГРН 1207700135884 erid:2VSb5wkrq6A | 21 753 |
| 20 | Уже AGI? | 26 857 |
