uz
Feedback
gonzo-обзоры ML статей

gonzo-обзоры ML статей

Kanalga Telegram’da o‘tish

Авторы: Гриша Сапунов, ранее руководитель разработки Яндекс-Новостей, ныне CTO Intento. Области интересов: AI/ML/DL, биоинформатика. Лёша Тихонов, ранее аналитик в Яндексе, автор Автопоэта, Нейронной Обороны... Области интересов: discrete domain, NLP, RL.

Ko'proq ko'rsatish

📈 Telegram kanali gonzo-обзоры ML статей analitikasi

gonzo-обзоры ML статей (@gonzo_ml) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 24 276 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 5 627-o'rinni va Rossiya mintaqasida 27 593-o'rinni egallagan.

📊 Auditoriya ko‘rsatkichlari va dinamika

невідомо sanasidan buyon loyiha tez o‘sib, 24 276 obunachiga ega bo‘ldi.

12 Iyun, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -9 ga, so‘nggi 24 soatda esa -1 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.

  • Tasdiqlash holati: Tasdiqlanmagan
  • Jalb etish (ER): Auditoriya o‘rtacha 9.99% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 7.11% ini tashkil etuvchi reaksiyalarni to‘playdi.
  • Post qamrovi: Har bir post o‘rtacha 2 426 marta ko‘riladi; birinchi sutkada odatda 1 726 ta ko‘rish yig‘iladi.
  • Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 8 ta reaksiya keladi.
  • Tematik yo‘nalishlar: Kontent learning, tl;dr, токенов, архитектура, контекст kabi asosiy mavzularga jamlangan.

📝 Tavsif va kontent siyosati

Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
Авторы: Гриша Сапунов, ранее руководитель разработки Яндекс-Новостей, ныне CTO Intento. Области интересов: AI/ML/DL, биоинформатика. Лёша Тихонов, ранее аналитик в Яндексе, автор Автопоэта, Нейронной Обороны... Области интересов: discrete domain, NLP...

Yuqori yangilanish chastotasi (oxirgi ma’lumot 13 Iyun, 2026 da olingan) sababli kanal doimo dolzarb va katta qamrovli bo‘lib qoladi. Analitika auditoriya kontent bilan faol hamkorlik qilishini, uni Texnologiyalar & Aralashmalar toifasidagi muhim ta’sir nuqtasiga aylantirishini ko‘rsatadi.

24 276
Obunachilar
-124 soatlar
Ma'lumot yo'q7 kunlar
-930 kunlar
Obunachilarni jalb qilish
Iyun '26
Iyun '26
+96
2 kanalda
May '26
+210
3 kanalda
Get PRO
Aprel '26
+279
5 kanalda
Get PRO
Mart '26
+275
7 kanalda
Get PRO
Fevral '26
+387
4 kanalda
Get PRO
Yanvar '26
+415
14 kanalda
Get PRO
Dekabr '25
+439
7 kanalda
Get PRO
Noyabr '25
+295
11 kanalda
Get PRO
Oktabr '25
+510
12 kanalda
Get PRO
Sentabr '25
+286
7 kanalda
Get PRO
Avgust '25
+430
5 kanalda
Get PRO
Iyul '25
+641
11 kanalda
Get PRO
Iyun '25
+362
9 kanalda
Get PRO
May '25
+431
7 kanalda
Get PRO
Aprel '25
+922
19 kanalda
Get PRO
Mart '25
+583
8 kanalda
Get PRO
Fevral '25
+649
16 kanalda
Get PRO
Yanvar '25
+1 065
24 kanalda
Get PRO
Dekabr '24
+699
13 kanalda
Get PRO
Noyabr '24
+1 001
20 kanalda
Get PRO
Oktabr '24
+727
14 kanalda
Get PRO
Sentabr '24
+415
11 kanalda
Get PRO
Avgust '24
+467
3 kanalda
Get PRO
Iyul '24
+217
10 kanalda
Get PRO
Iyun '24
+375
20 kanalda
Get PRO
May '24
+354
11 kanalda
Get PRO
Aprel '24
+377
13 kanalda
Get PRO
Mart '24
+399
14 kanalda
Get PRO
Fevral '24
+323
12 kanalda
Get PRO
Yanvar '24
+660
15 kanalda
Get PRO
Dekabr '23
+641
19 kanalda
Get PRO
Noyabr '23
+268
8 kanalda
Get PRO
Oktabr '23
+501
19 kanalda
Get PRO
Sentabr '23
+355
0 kanalda
Get PRO
Avgust '23
+456
0 kanalda
Get PRO
Iyul '23
+357
0 kanalda
Get PRO
Iyun '23
+300
0 kanalda
Get PRO
May '23
+2 022
0 kanalda
Get PRO
Aprel '23
+967
0 kanalda
Get PRO
Mart '23
+2 757
0 kanalda
Get PRO
Fevral '23
+385
0 kanalda
Get PRO
Yanvar '23
+166
0 kanalda
Get PRO
Dekabr '22
+343
0 kanalda
Get PRO
Noyabr '22
+100
0 kanalda
Get PRO
Oktabr '22
+93
0 kanalda
Get PRO
Sentabr '22
+70
0 kanalda
Get PRO
Avgust '22
+261
0 kanalda
Get PRO
Iyul '22
+475
0 kanalda
Get PRO
Iyun '22
+215
0 kanalda
Get PRO
May '22
+225
0 kanalda
Get PRO
Aprel '22
+101
0 kanalda
Get PRO
Mart '22
+132
0 kanalda
Get PRO
Fevral '22
+233
0 kanalda
Get PRO
Yanvar '22
+113
0 kanalda
Get PRO
Dekabr '21
+248
0 kanalda
Get PRO
Noyabr '21
+226
0 kanalda
Get PRO
Oktabr '21
+69
0 kanalda
Get PRO
Sentabr '21
+92
0 kanalda
Get PRO
Avgust '21
+73
0 kanalda
Get PRO
Iyul '21
+133
0 kanalda
Get PRO
Iyun '21
+174
0 kanalda
Get PRO
May '21
+75
0 kanalda
Get PRO
Aprel '21
+84
0 kanalda
Get PRO
Mart '21
+97
0 kanalda
Get PRO
Fevral '21
+136
0 kanalda
Get PRO
Yanvar '21
+170
0 kanalda
Get PRO
Dekabr '20
+4 514
0 kanalda
Sana
Obunachilarni jalb qilish
Esdaliklar
Kanallar
13 Iyun+10
12 Iyun+8
11 Iyun+12
10 Iyun+8
09 Iyun+2
08 Iyun+6
07 Iyun+6
06 Iyun+10
05 Iyun+8
04 Iyun+3
03 Iyun+9
02 Iyun+7
01 Iyun+7
Kanal postlari
С массовым пришествием современных калькуляторов LLM и агентов всё больше стимулов передать работу по пониманию сложных статей этим моделям и агентам, получать выжимки и саммари абстрактов, "понимать" про что это и двигаться дальше. Но здесь есть ловушка. Понимание не аутсорсится. Вернее аутсорсится, но это дорога в один конец. Потому что понимание -- это то, на чём строится следующее понимание; отдав его, ты теряешь не одну статью, а способность достраивать. Развитие абстракций -- наша суть, не бросайте этот путь. Оставляйте себе время на понимание. Особенно базовых вещей. Не воспринимайте слова из области просто как ярлыки для чёрных ящиков. Не прочувствовали как работает трансформер -- потратьте время и разберитесь, есть много отличных материалов. SGD, RoPE, Adam -- аналогично. Сейчас неделя Muon'а, разберитесь как работает Muon -- интуиция за ним реально простая и сам оригинальный пост описывает всё хорошо. Не буду скрывать, во внутренности мюона я сам нормально залез только на этой неделе, до этого он для меня выступал примерно как ещё один ярлык для полезной функции, которой все пользуются, и неважно как именно она внутри работает. Но понимать -- сильно лучше, чем не понимать. Сделайте подход к линейной алгебре, если ещё не. Я не знаю другой области более базисной для текущей итерации ML/AI, любая инвестиция сюда быстро начнёт отбиваться, чем глубже, тем серьёзней. Модель прочитает статью за тебя. Но понимать за тебя она не будет -- это единственное, что нельзя делегировать, не потеряв сам навык.

2
https://www.anthropic.com/news/fable-mythos-access А помните, PGP тоже когда-то была забанена экспортным контролем.
1 790
3
Matn yo'q...
1 965
4
Matn yo'q...
1 888
5
Matn yo'q...
1 774
6
Matn yo'q...
1 705
7
Matn yo'q...
1 628
8
Matn yo'q...
1 538
9
Matn yo'q...
1 471
10
Matn yo'q...
1 394
11
Matn yo'q...
1 369
12
Matn yo'q...
1 370
13
1 - 15 - 28 - 70 - ... пользователей на один гпу. Прикольный доклад от ElevenLabs.
1 398
14
Matn yo'q...
1 347
15
Matn yo'q...
1 331
16
Matn yo'q...
1 252
17
Matn yo'q...
1 274
18
Ещё про мюон. Разбирают, почему именно мюон лучше адама идёт по ландшафту функции потерь. Заодно экспериментирую с провязкой ревью с другими тематическими статьями. Why Muon Outperforms Adam: A Curvature Perspective Shuche Wang, Fengzhuo Zhang, Jiaxiang Li, Dirk Bergemann, Zhuoran Yang Paper: https://arxiv.org/abs/2606.04662 Review: https://arxiviq.substack.com/p/why-muon-outperforms-adam-a-curvature Code: N/A Model: N/A # TL;DR Что сделали: Объяснили, почему новый оптимизатор Muon обучает большие языковые модели (LLM) в два раза быстрее классического Adam. Авторы показали, что секрет кроется в спектральной нормализации — математической операции, которая масштабирует матрицу обновления параметров так, чтобы все ключевые направления имели равный вес. Это не позволяет какому-то одному направлению полностью доминировать на сложном ландшафте функции потерь. Почему это важно: Вместо того чтобы относиться к оптимизаторам как к «чёрным ящикам», эта работа даёт строгое геометрическое объяснение происходящему. Понимание того, как структура данных и архитектура модели влияют на скорость локальной оптимизации, закладывает математическую основу для создания следующего поколения более быстрых алгоритмов обучения. Изучать кривизну здесь: https://t.me/gonzo_ML_podcasts/3983
1 656
19
Matn yo'q...
1 878
20
Matn yo'q...
1 847