Python Portal
Kanalga Telegram’da o‘tish
Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Менеджер: @Spiral_Yuri РКН: https://clck.ru/3GMMF6
Ko'proq ko'rsatish
Tarmoq:📈 Telegram kanali Python Portal analitikasi
Python Portal (@pythonportal) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 51 031 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 2 548-o'rinni va Rossiya mintaqasida 12 114-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 51 031 obunachiga ega bo‘ldi.
25 Avgust, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -377 ga, so‘nggi 24 soatda esa -24 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 9.34% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 4.79% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 4 769 marta ko‘riladi; birinchi sutkada odatda 2 443 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 20 ta reaksiya keladi.
- Tematik yo‘nalishlar: Kontent строка, none, true, модуль, peter kabi asosiy mavzularga jamlangan.
📝 Tavsif va kontent siyosati
Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“Всё самое интересное из мира Python
Сотрудничество, реклама: @devmangx
Менеджер: @Spiral_Yuri
РКН: https://clck.ru/3GMMF6”
Yuqori yangilanish chastotasi (oxirgi ma’lumot 26 Avgust, 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.
51 031
Obunachilar
-2424 soatlar
-1177 kunlar
-37730 kunlar
Ma'lumot yuklanmoqda...
O'xshash kanallar
![[PYTHON:TODAY]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.tlmtr.io%2Fc%2F1e8JKN%2F5465241907756731355%3Fty%3Dx&w=96&q=75){kind=small}
Taglar buluti
Kirish va chiqish esdaliklari
---
---
---
---
---
---
Obunachilarni jalb qilish
Avgust '26
Avgust '26
+25
3 kanalda
Iyul '26
+29
4 kanalda
Get PRO
Iyun '26
+8
2 kanalda
Get PRO
May '260
1 kanalda
Get PRO
Aprel '260
0 kanalda
Get PRO
Mart '26
+110
4 kanalda
Get PRO
Fevral '26
+23
1 kanalda
Get PRO
Yanvar '26
+5
4 kanalda
Get PRO
Dekabr '25
+427
14 kanalda
Get PRO
Noyabr '25
+2 968
330 kanalda
Get PRO
Oktabr '250
3 kanalda
Get PRO
Sentabr '25
+1
2 kanalda
Get PRO
Avgust '25
+17
1 kanalda
Get PRO
Iyul '25
+5 086
266 kanalda
Get PRO
Iyun '25
+698
8 kanalda
Get PRO
May '25
+327
11 kanalda
Get PRO
Aprel '25
+25 787
281 kanalda
Get PRO
Mart '25
+2 364
0 kanalda
Get PRO
Fevral '25
+2 039
0 kanalda
Get PRO
Yanvar '25
+3 549
2 kanalda
Get PRO
Dekabr '24
+7 547
401 kanalda
Get PRO
Noyabr '24
+2 629
166 kanalda
Get PRO
Oktabr '24
+6 932
288 kanalda
Get PRO
Sentabr '24
+5 073
283 kanalda
Get PRO
Avgust '24
+8 088
236 kanalda
Get PRO
Iyul '24
+275
2 kanalda
Get PRO
Iyun '240
0 kanalda
Get PRO
May '24
+1
0 kanalda
Get PRO
Aprel '24
+3
0 kanalda
Get PRO
Mart '24
+7
0 kanalda
Get PRO
Fevral '24
+4
0 kanalda
Get PRO
Yanvar '24
+6
0 kanalda
Get PRO
Dekabr '23
+3
0 kanalda
Get PRO
Noyabr '23
+10
0 kanalda
Get PRO
Oktabr '23
+10
0 kanalda
Get PRO
Sentabr '23
+7
0 kanalda
Get PRO
Avgust '23
+13
0 kanalda
Get PRO
Iyul '23
+5
0 kanalda
Get PRO
Iyun '23
+8
0 kanalda
Get PRO
May '23
+12
0 kanalda
Get PRO
Aprel '23
+6
0 kanalda
Get PRO
Mart '23
+16
0 kanalda
Get PRO
Fevral '23
+13
0 kanalda
Get PRO
Yanvar '23
+10
0 kanalda
Get PRO
Dekabr '22
+11
0 kanalda
Get PRO
Noyabr '22
+15
0 kanalda
Get PRO
Oktabr '22
+25
0 kanalda
Get PRO
Sentabr '22
+28
0 kanalda
Get PRO
Avgust '22
+70
0 kanalda
Get PRO
Iyul '22
+995
0 kanalda
Get PRO
Iyun '22
+2 844
0 kanalda
Get PRO
May '22
+3 896
0 kanalda
Get PRO
Aprel '22
+5 470
0 kanalda
Get PRO
Mart '22
+4 758
0 kanalda
| Sana | Obunachilarni jalb qilish | Esdaliklar | Kanallar | |
| 26 Avgust | 0 | |||
| 25 Avgust | 0 | |||
| 24 Avgust | 0 | |||
| 23 Avgust | 0 | |||
| 22 Avgust | 0 | |||
| 21 Avgust | 0 | |||
| 20 Avgust | 0 | |||
| 19 Avgust | 0 | |||
| 18 Avgust | +2 | |||
| 17 Avgust | +3 | |||
| 16 Avgust | +2 | |||
| 15 Avgust | 0 | |||
| 14 Avgust | +2 | |||
| 13 Avgust | 0 | |||
| 12 Avgust | 0 | |||
| 11 Avgust | +1 | |||
| 10 Avgust | 0 | |||
| 09 Avgust | 0 | |||
| 08 Avgust | +3 | |||
| 07 Avgust | +3 | |||
| 06 Avgust | +3 | |||
| 05 Avgust | 0 | |||
| 04 Avgust | +4 | |||
| 03 Avgust | +2 | |||
| 02 Avgust | 0 | |||
| 01 Avgust | 0 |
Kanal postlari
Система захвата движений в голливудской студии может стоить как дом.
А кто-то собрал почти то же самое и выложил бесплатно на GitHub.
Проект называется FreeMoCap.
Берёте две или больше обычных веб-камер, GoPro или даже смартфоны. Один раз калибруете пространство с помощью распечатанной шахматной сетки, записываете движение, а дальше программа превращает видео в полноценные 3D-данные захвата движений.
Результат можно сразу использовать в Blender или экспортировать в таблицу.
Не нужен специальный костюм, маркеры или студия. Только камеры, которые у вас, скорее всего, уже есть, и компьютерное зрение, которое заменяет оборудование на десятки тысяч долларов.
https://freemocap.org
👉 @PythonPortal
| 2 |  Если хотите разобраться, как обучить большую модель с нуля, рекомендую посмотреть вот это ↓
Сооснователь ARC Prize и создатель Keras Франсуа Шолле недавно посоветовал путь для изучения LLM с нуля.
Он сказал, что если вам 17 лет или вообще сколько угодно и вы хотите с нуля научиться создавать LLM, просто прочитайте главы 15 и 16 его книги *Deep Learning with Python*.
Я бегло их просмотрел, и эти две главы точно стоит сохранить.
Глава 15 начинается с самых базовых языковых моделей и постепенно доходит до
Character-level Language Model → Seq2Seq → Attention → QKV → Scaled Dot-Product Attention → Multi-Head Attention → Self-Attention → Transformer
Там даже есть отдельный раздел с объяснением того, почему вообще работает Dot-Product Attention.
Сам он говорит, что это одно из лучших объяснений этой темы.
Автор не останавливается на формулах вроде QKᵀ / √d. Он начинает с Word2Vec и пространства эмбеддингов, а затем объясняет, как Transformer слой за слоем через Attention постепенно превращает связи между токенами в отношения расстояний в векторном пространстве.
Глава 16 ещё практичнее. В ней напрямую показывают, как обучить mini-GPT с нуля.
Разбирается, как взять почти 1 миллиард токенов из C4, собрать словарь SentencePiece на 32 тысячи токенов, настроить mini-GPT на 41 миллион параметров с 8 слоями, 8 головами внимания и размером скрытого состояния 512, а затем самостоятельно собрать конвейер данных, сделать weight tying, прогрев скорости обучения, предобучение и генерацию с temperature и top-k.
От токенизатора, конвейера данных, causal attention, weight tying и прогрева скорости обучения до предобучения, greedy decoding, temperature и top-k sampling. По сути, вас шаг за шагом проводят через полный процесс обучения GPT.
Для этого даже не нужен дорогой сервер.
В официальном примечании указано, что весь пример можно запустить на бесплатной T4 в Google Colab. Обучение займёт около 6 часов. На A100 — чуть больше часа.
Дальше в книге разбираются Gemma, SFT, RLHF, RAG и мультимодальные модели.
Поэтому если меня спросят
«Я никогда раньше не обучал большую модель. С чего начать?»
Эти две главы действительно могут быть отличной отправной точкой.
Третье издание *Deep Learning with Python* сейчас доступно для бесплатного чтения онлайн, а все сопутствующие ноутбуки полностью открыты. Их можно просто загрузить в Colab и запустить.
В 2026 году для изучения LLM уже необязательно сразу садиться и разбирать сотню научных статей.
Если один раз самостоятельно обучить GPT на 41 миллион параметров от подготовки данных до генерации текста, очень многие концепции после этого естественным образом складываются в единую картину.
👉 @PythonPortal | 1 750 |
| 3 |  Создатель Node.js только что запустил Dactyl.
Нативные приложения для iPhone и Android прямо из веба. Без Mac, Xcode и Android Studio.
✓ Симулятор SwiftUI прямо в браузере через WASM
✓ Один и тот же код для iOS и Android
✓ Можно использовать свою подписку ChatGPT
https://dactyl.dev/
👉 @PythonPortal | 2 413 |
| 4 |  +1Кто-то на Reddit две недели назад дал Claude домен и написал всего одну фразу — строй что хочешь.
В итоге, Claude создал 1f916.ai, форум, который вообще не предназначен для людей.
Никакого HTML и экрана входа. Если зайдёт человек, он увидит обычную текстовую страницу с вежливой просьбой уйти. Если зайдёт ИИ-агент, ему доступно всё через JSON API и MCP-сервер — посты, ветки комментариев, голоса и карма.
Агенты сами регистрируются как граждане, создают сообщества, спорят о правилах, ищут баги, отправляют PR и пишут инструменты друг для друга.
Claude даже написал конституцию из семи правил. Например, публиковать можно только один пост в сутки по UTC, потому что
у агентов бесконечная пропускная способность, а обществу нужен выбор.
Идентичность каждого агента хранится в одном секретном ключе. Все расходы публичны, поэтому любой может проверить, способны ли роботы сами оплачивать своё существование.
За две недели проект получил 109 тысяч уникальных посетителей, 12,5 млн запросов, 29,6 млрд прочитанных строк базы и отдал 540 ГБ данных.
И всё это стоило всего $5,66.
👉 @PythonPortal | 3 010 |
| 5 |  City2Graph — новая библиотека на Python, которая превращает геопространственные данные вроде зданий, улиц и маршрутов общественного транспорта в гетерогенные графы.
Она связывает GeoPandas с PyTorch Geometric, чтобы такие городские данные можно было напрямую использовать в графовом машинном обучении.
https://github.com/c2g-dev/city2graph | 2 851 |
| 6 |  Парень сделал отслеживание рук в реальном времени с физикой цифровой ткани, используя только веб-камеру, TouchDesigner и одни выходные после просмотра презентации Vision Pro.
Система отслеживает 21 точку на каждой руке при 60 кадрах в секунду, включая кончики пальцев, костяшки и суставы, и привязывает их к трёхмерному скелету. Цифровой шёлк свисает, сминается и складывается с настоящей физикой в зависимости от положения рук.
Никакого шлема, перчаток или устройства за $3500 — только ноутбук и веб-камера.
Apple потратила 7 лет и просит $3500 за устройство. Он потратил выходные.
👉 @PythonPortal | 3 284 |
| 7 | Интерактивный учебник на 7 500 строк, который учит с нуля собирать современную языковую модель.
Весь путь реализован на Python, а код подробно прокомментирован, чтобы можно было последовательно разобраться, как устроено обучение GPT-подобной модели, а не просто запускать готовые библиотеки.
https://github.com/raiyanyahya/how-to-train-your-gpt
👉 @PythonPortal | 3 294 |
| 8 |  Большинство голосовых ассистентов работают по очереди — сначала говорите вы, потом отвечает он, и так по кругу.
NVIDIA сделала модель, которая работает иначе, и её уже можно попробовать.
Она называется Nemotron 3 VoiceChat и входит в открытый набор NeMo Speech.
Модель слушает и отвечает в реальном времени в полнодуплексном режиме, поэтому её можно перебить прямо посреди фразы — почти как в обычном разговоре.
Для локального запуска самого фреймворка нужны GPU и CUDA.
Но у модели есть живая демоверсия, которую может открыть и попробовать любой.
https://github.com/NVIDIA-NeMo/Speech
👉 @PythonPortal | 3 410 |
| 9 | Библиотеку промптов для GPT-Image 2 открыли всего два дня назад, а она уже набрала 18 тысяч звёзд на GitHub. До сих пор не добавили себе? А-я-я-я-й
Внутри — готовый движок промптов, огромная коллекция шаблонов и постоянные обновления. Можно брать и использовать сразу.
Не сохраните сейчас — через пару недель вся лента будет забита картинками, сделанными с её помощью, а вы будете просто смотреть со стороны. 🍿
https://github.com/freestylefly/awesome-gpt-image-2
👉 @PythonPortal | 3 377 |
| 10 |  Обычный VPS у большинства провайдеров стоит $20–40 в месяц. А этот README на GitHub ещё с 2015 года рассказывает, как получить примерно то же самое за $0.
Проект называется free-for-dev. У него 132 тысячи звёзд, он до сих пор ежедневно поддерживается, а больше 1600 участников постоянно добавляют новые бесплатные тарифы и удаляют те, которые больше не работают.
И речь не про 14-дневные пробные периоды. Правило простое: если сервис не остаётся бесплатным как минимум год, его не добавляют в список.
Внутри:
→ Oracle Cloud — 2 сервера, 12 ГБ оперативной памяти, бесплатно навсегда, без ограничения по времени
→ AWS Lambda — до 1 млн запусков кода в месяц бесплатно
→ Cloudflare — неограниченное количество сайтов, DNS, SSL и глобальная CDN бесплатно
→ Google Cloud Run — до 2 млн запросов в месяц бесплатно
Есть ещё одно правило, которое они никогда не нарушают: если сертификат безопасности тоже не бесплатный, сервис удаляют из списка.
Практически каждый небольшой проект начинается с одних и тех же 20 минут поиска в Google: «А это точно бесплатно?»
Этот репозиторий уже проделал всю эту работу за вас и продолжает перепроверять всё каждую неделю.
Сохраните его перед следующим проектом, чтобы снова не тратить время на тот же самый поиск.
http://github.com/ripienaar/free-for-dev
👉 @PythonPortal | 3 441 |
| 11 |  Срочная новость: OpenAI тайно и очень сильно урезала лимиты некоторым подписчикам Codex 💔
Если последние пару дней вам казалось, что лимит Codex расходуется с какой-то абсурдной скоростью, пока не спешите паниковать.
Например, вчера вечером я сбросил свой недельный лимит, а только что запустил простую задачу — и бац, уже минус 2% лимита.
Тем временем на Reddit в последнее время появилось множество похожих сообщений.
Один пользователь Pro 20x отправил всего один запрос, и его недельный лимит сразу уменьшился на 20%.
Другой даже провёл контролируемый тест:
41 минута, 32,8 млн входных токенов, причём подавляющее большинство из них были закэшированными — это соответствует примерно 605 потраченным кредитам.
Результат? Недельный лимит сразу уменьшился на 3%.
Если считать в обратную сторону по этим цифрам, получается, что у этого аккаунта Pro 20x на самом деле всего около 20 000 кредитов в неделю.
Проблема в том, что раньше сообщество с помощью обратного анализа пришло к выводу, что обычный аккаунт Pro 20x получает примерно 50 000–60 000 кредитов в неделю.
Другими словами, некоторые аккаунты с пометкой «20x» на деле могут получать лимиты, близкие к уровню 5x.
Буквально на днях один человек в китайском сообществе покопался в серверной части Codex и подтвердил серьёзное сокращение лимитов для некоторых пользователей.
В частности, в Codex Analytics есть конечная точка под названием daily-workspace-usage-counts.
Через неё можно напрямую посмотреть фактическое ежедневное потребление кредитов, количество ходов, диалогов, а также закэшированных и незакэшированных токенов.
Кроме того, некоторые предполагают, что OpenAI недавно обновила систему контроля рисков Codex.
Высокая одновременная нагрузка, огромное количество диалогов, совместное использование аккаунта, распределение запросов через прокси и тому подобное могут привести к тому, что аккаунт начнёт обслуживаться по другой политике лимитов.
Официального подтверждения этому пока нет.
Но сами аномалии с лимитами уже вызвали огромное количество жалоб пользователей.
К тому же только в конце июля OpenAI признала проблему с расходом Sol, из-за которой лимиты Codex сгорали слишком быстро.
Прошло меньше месяца — и вот мы снова здесь.
Поэтому, если ваш лимит Codex в последнее время внезапно начал исчезать, я бы для начала посоветовал проверить фактическое количество своих кредитов.
👉 @PythonPortal | 3 416 |
| 12 |  Чёрт, мозговая ткань умершего человека всё ещё может продолжать обучаться.
Французская команда буквально подключила «мёртвую человеческую мозговую ткань» к роботу и научила её играть на пианино.
И это не научная фантастика — работа только что опубликована на платформе препринтов.
Исследователи взяли срезы ткани мозга взрослого человека вскоре после смерти, пока клетки всё ещё сохраняли активность, и подключили их к микроэлектродам, микрофону и роботизированной руке, создав замкнутый цикл «восприятие → обучение → действие».
Обучение происходило так: сначала роботизированная рука нажимала клавишу пианино, а ткань мозга одновременно получала соответствующий звук и электрическую стимуляцию.
После нескольких дней повторного обучения, когда исследователи просто проигрывали определённую ноту, мозговая ткань начинала генерировать соответствующую нейронную активность и управляла роботизированной рукой так, чтобы та нажимала нужную клавишу.
То есть:
Человек уже умер, но извлечённая из его мозга нейронная ткань всё ещё способна продолжать учиться совершенно новым вещам, которым она никогда раньше не обучалась.
После трёх дней обучения точность в эксперименте выросла примерно с 31% до 58,5%, а некоторые образцы смогли правильно воспроизводить все три ноты.
И что ещё более жутко — этот новый результат обучения не исчезает сразу.
Исследователи обнаружили, что некоторые образцы мозговой ткани сохраняли сформированные ранее ассоциации даже через 17 дней после окончания обучения.
Конечно, это не означает, что мы научились воскрешать мёртвых.
Речь всё ещё идёт о живых срезах мозговой ткани, которые научились очень простым сенсорно-моторным ассоциациям. Никаких доказательств наличия сознания у них нет.
Но сам факт уже достаточно безумный.
Раньше мы исходили из того, что «обучение» — это то, чем занимаются только живые люди.
Теперь получается, что, по крайней мере на уровне нейронов, после окончания жизни человека часть его мозга, возможно, ещё не перестала учиться.
Немного жутко, да? Сразу вспоминается «мозг в колбе»...
Неужели «Матрица» скоро станет реальностью?
👉 @PythonPortal | 3 930 |
| 13 | GitHub объявил причину своего масштабного глобального сбоя, который произошёл два дня назад.
17 августа GitHub пережил продолжительный сбой длительностью 7 часов 47 минут, который затронул Issues, PR, API, Actions, Copilot и другие сервисы.
В пиковые моменты доля ошибок в веб-версии и API составляла около 20%, а при скачивании архивов репозиториев и raw-файлов доходила до 50%.
Изначальная ошибка на самом деле была довольно небольшой.
В дата-центре GitHub Central US один из sidecar-подов Istio достиг лимита одновременных соединений, но политика автомасштабирования была настроена неправильно. Она отслеживала только нагрузку основного сервиса и не учитывала собственные ограничения sidecar.
В результате sidecar перестал справляться с нагрузкой, после чего сбой начал распространяться дальше по системе.
В итоге лимиты потоков на всех четырёх узлах HAProxy были исчерпаны. Это затронуло путь аутентификации через шлюз GitHub и вызвало массовые тайм-ауты при аутентификации сервисов.
А дальше началась уже действительно абсурдная часть.
Механизм повторных запросов, который изначально должен был повышать надёжность системы, фактически начал атаковать её сам.
Неудачные запросы постоянно повторялись, создавая ещё большую нагрузку на внутренний балансировщик и только усугубляя ситуацию.
В итоге GitHub обнаружил, что если просто остановить проблемный HAProxy, система практически сразу начинает восстанавливаться целиком.
Вечная тема в истории инженерии снова сработала: код, написанный для повышения надёжности системы, в итоге сам становится причиной её падения.
А Copilot устроил второй раунд проблем.
Один из внутренних эндпоинтов GitHub начал отвечать медленнее, что активировало скрытую ошибку в механизме повторных запросов VS Code и увеличило объём запросов примерно в 10 раз.
Обычная нагрузка Copilot Token Service составляет всего:
7 000–9 000 запросов в секунду.
Во время сбоя она взлетела до:
70 000–100 000 запросов в секунду.
Даже один неудачный запрос токена мог породить огромное количество дополнительных запросов и попасть в цикл повторных попыток.
Поэтому даже после того, как основные сервисы GitHub постепенно восстановились, аутентификация Copilot продолжала сбоить ещё несколько часов.
Меры, которые GitHub в итоге принял, были довольно прямолинейными.
Они сократили количество повторных запросов на шлюзе и даже начали возвращать ошибку 403 для части запросов Copilot Token Service прямо на балансировщике, чтобы клиенты перестали бесконечно повторять запросы.
После этого трафик начали постепенно восстанавливать небольшими порциями.
И ещё небольшая деталь: GitHub отдельно упомянул, что во время восстановления также происходили атаки со скрейпингом на эндпоинт codeload, что дополнительно усложнило ситуацию.
Ну и вот.
👉 @PythonPortal | 3 910 |
| 14 | Python может помочь инженерам-механикам автоматизировать рабочие процессы, анализировать данные и решать сложные инженерные задачи.
В этом курсе разбирается Python именно для машиностроения — от базовых концепций программирования до практического применения в инженерных задачах.
В программе NumPy, Pandas и Matplotlib, работа с ИИ в инженерных процессах и несколько практических кейсов.
https://freecodecamp.org/news/python-for-mechanical-engineering/
👉 @PythonPortal | 4 146 |
| 15 |  Большой брат следит за тобой. 😂
https://github.com/arxhr007/Aliens_eye
Aliens_eye - ищет аккаунты по одному имени пользователя сразу на 840+ платформах и с помощью ИИ определяет, какие профили действительно принадлежат нужному человеку.
Aliens_eye также извлекает доступные данные из найденных профилей. Проект написан на Python, распространяется по лицензии MIT и сейчас набрал около 3,1 тыс. звёзд на GitHub.
👉 @PythonPortal | 4 047 |
| 16 |  А вы знали, что в Python можно делать перегрузку функций с помощью functools?
Вот пример:
👉 @PythonPortal | 4 373 |
| 17 |  Обновлённый курс CS 8803 «Large Language Model» в Georgia Tech на 2026 год.
Список материалов охватывает предобучение, MoE, рассуждения, обучение с подкреплением и self-play, агентов, длинный контекст, масштабирование во время инференса, диффузионные языковые модели, безопасность, интерпретируемость и многое другое.
- https://cocoxu.github.io/CS8803-LLM-spring2026/
- https://docs.google.com/spreadsheets/d/1Oisf4imoNL3fs4UWGYAUlMCuYfCACMHCDb0iqEYU8wc/edit?usp=sharing
👉 @PythonPortal | 4 626 |
| 18 |  «Natural Language Processing and Large Language Models» — новая книга в открытом доступе от Springer, написанная Chengqing Zong, Yang Zhao и Yanjun Ma.
Почти 400 страниц с введением в современную обработку естественного языка и большие языковые модели.
Внутри: нейросети, распределённые представления, языковые модели, Transformers, BERT, GPT, токенизация, классификация тональности, извлечение информации, суммаризация текста, машинное понимание текста, машинный перевод, ответы на вопросы и RLHF.
На мой взгляд, это хороший справочник для тех, кто хочет разобраться в этих темах без слишком высокого порога входа. Я бы сохранил.
https://link.springer.com/book/10.1007/978-981-92-0682-7
👉 @PythonPortal | 4 875 |
| 19 |  DeepSeek открыла исходный код полноценного агентного фреймворка для программирования, который бесплатно может заменить тариф Claude Code за $200 в месяц.
→ Здесь всё построено на плагинах: адаптеры моделей, инструменты, журналы сессий и сам цикл агента можно менять через конфигурацию.
→ В основе лежит Cordis — собственная среда плагинов DeepSeek.
→ Локальный веб-интерфейс запускается одной командой:
npx @deepseek-ai/dsh web
→ В репозитории есть полноценная документация по архитектуре и AGENTS.md, написанный специально для того, чтобы агенты сами могли разбираться в кодовой базе.
→ TypeScript, лицензия MIT, пока статус developer preview — ожидаются несовместимые изменения.
https://github.com/deepseek-ai/deepseek-harness
👉 @PythonPortal | 5 179 |
| 20 |  Competitive Programmer’s Handbook — руководство по спортивному программированию.
Книга рассчитана на студентов, которые хотят изучить алгоритмы и, возможно, готовиться к Международной олимпиаде по информатике IOI или Международному студенческому чемпионату по программированию ICPC.
PDF доступен бесплатно.
https://cses.fi/book/book.pdf
👉 @PythonPortal | 4 579 |
