Artificial Intelligence
Kanalga Telegram’da o‘tish
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
Ko'proq ko'rsatish
Tarmoq:📈 Telegram kanali Artificial Intelligence analitikasi
Artificial Intelligence (@artificialintelligencedl) kanali faol ishtirokchi. Hozirda hamjamiyat 16 745 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 7 726-o'rinni va Rossiya mintaqasida 39 850-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 16 745 obunachiga ega bo‘ldi.
20 Iyul, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni 37 ga, so‘nggi 24 soatda esa 19 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 13.92% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 3.48% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 2 331 marta ko‘riladi; birinchi sutkada odatda 582 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 2 ta reaksiya keladi.
- Tematik yo‘nalishlar: Kontent llm, github, api, dataset, deepseek kabi asosiy mavzularga jamlangan.
📝 Tavsif va kontent siyosati
Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“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”
Yuqori yangilanish chastotasi (oxirgi ma’lumot 21 Iyul, 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.
16 745
Obunachilar
+1924 soatlar
+297 kunlar
+3730 kunlar
Ma'lumot yuklanmoqda...
O'xshash kanallar
Taglar buluti
Kirish va chiqish esdaliklari
---
---
---
---
---
---
Obunachilarni jalb qilish
Iyul '26
Iyul '26
+102
0 kanalda
Iyun '26
+37
0 kanalda
Get PRO
May '26
+93
0 kanalda
Get PRO
Aprel '26
+199
0 kanalda
Get PRO
Mart '26
+158
0 kanalda
Get PRO
Fevral '26
+223
0 kanalda
Get PRO
Yanvar '26
+152
0 kanalda
Get PRO
Dekabr '25
+122
0 kanalda
Get PRO
Noyabr '25
+244
0 kanalda
Get PRO
Oktabr '25
+89
2 kanalda
Get PRO
Sentabr '25
+135
1 kanalda
Get PRO
Avgust '25
+139
1 kanalda
Get PRO
Iyul '25
+342
1 kanalda
Get PRO
Iyun '25
+284
1 kanalda
Get PRO
May '25
+227
2 kanalda
Get PRO
Aprel '25
+250
1 kanalda
Get PRO
Mart '25
+213
1 kanalda
Get PRO
Fevral '25
+188
3 kanalda
Get PRO
Yanvar '25
+427
3 kanalda
Get PRO
Dekabr '24
+288
5 kanalda
Get PRO
Noyabr '24
+359
1 kanalda
Get PRO
Oktabr '24
+162
4 kanalda
Get PRO
Sentabr '24
+320
5 kanalda
Get PRO
Avgust '24
+233
4 kanalda
Get PRO
Iyul '24
+504
3 kanalda
Get PRO
Iyun '24
+498
2 kanalda
Get PRO
May '24
+697
37 kanalda
Get PRO
Aprel '24
+719
45 kanalda
Get PRO
Mart '24
+914
21 kanalda
Get PRO
Fevral '24
+929
2 kanalda
Get PRO
Yanvar '24
+1 125
42 kanalda
Get PRO
Dekabr '23
+427
8 kanalda
Get PRO
Noyabr '23
+241
1 kanalda
Get PRO
Oktabr '23
+753
1 kanalda
Get PRO
Sentabr '23
+656
0 kanalda
Get PRO
Avgust '23
+308
0 kanalda
Get PRO
Iyul '23
+356
0 kanalda
Get PRO
Iyun '23
+546
0 kanalda
Get PRO
May '23
+424
0 kanalda
Get PRO
Aprel '23
+171
0 kanalda
Get PRO
Mart '23
+179
0 kanalda
Get PRO
Fevral '23
+225
0 kanalda
Get PRO
Yanvar '23
+176
0 kanalda
Get PRO
Dekabr '22
+134
0 kanalda
Get PRO
Noyabr '22
+137
0 kanalda
Get PRO
Oktabr '22
+275
0 kanalda
Get PRO
Sentabr '22
+304
0 kanalda
Get PRO
Avgust '22
+146
0 kanalda
Get PRO
Iyul '22
+189
0 kanalda
Get PRO
Iyun '22
+188
0 kanalda
Get PRO
May '22
+245
0 kanalda
Get PRO
Aprel '22
+497
0 kanalda
Get PRO
Mart '22
+722
0 kanalda
Get PRO
Fevral '22
+255
0 kanalda
Get PRO
Yanvar '22
+162
0 kanalda
Get PRO
Dekabr '21
+509
0 kanalda
Get PRO
Noyabr '21
+253
0 kanalda
Get PRO
Oktabr '21
+122
0 kanalda
Get PRO
Sentabr '21
+167
0 kanalda
Get PRO
Avgust '21
+167
0 kanalda
Get PRO
Iyul '21
+169
0 kanalda
Get PRO
Iyun '21
+230
0 kanalda
Get PRO
May '21
+119
0 kanalda
Get PRO
Aprel '21
+84
0 kanalda
Get PRO
Mart '21
+87
0 kanalda
Get PRO
Fevral '21
+107
0 kanalda
Get PRO
Yanvar '21
+160
0 kanalda
Get PRO
Dekabr '20
+2 569
0 kanalda
| Sana | Obunachilarni jalb qilish | Esdaliklar | Kanallar | |
| 21 Iyul | +2 | |||
| 20 Iyul | +19 | |||
| 19 Iyul | +3 | |||
| 18 Iyul | +6 | |||
| 17 Iyul | 0 | |||
| 16 Iyul | +8 | |||
| 15 Iyul | 0 | |||
| 14 Iyul | +9 | |||
| 13 Iyul | +5 | |||
| 12 Iyul | +4 | |||
| 11 Iyul | +3 | |||
| 10 Iyul | +3 | |||
| 09 Iyul | +4 | |||
| 08 Iyul | +6 | |||
| 07 Iyul | +2 | |||
| 06 Iyul | 0 | |||
| 05 Iyul | +5 | |||
| 04 Iyul | +8 | |||
| 03 Iyul | +1 | |||
| 02 Iyul | +7 | |||
| 01 Iyul | +7 |
Kanal postlari
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 | 805 |
| 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 | 940 |
| 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 | 1 172 |
| 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 | 2 338 |
| 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 | 2 680 |
| 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 |
