Love. Death. Transformers.
❤️☠️🤗 Указанные действия не являются ресерчем, поскольку: а) Мы не ученые; б) Оно работает. @transformerslovedeatch по всем вопросам Все ситуации вымышлены, любые совпадения с реальности плот вашей фантазии.
Ko'proq ko'rsatish📈 Telegram kanali Love. Death. Transformers. analitikasi
Love. Death. Transformers. (@lovedeathtransformers) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 24 884 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 5 210-o'rinni va Rossiya mintaqasida 26 234-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 24 884 obunachiga ega bo‘ldi.
27 Avgust, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni 329 ga, so‘nggi 24 soatda esa 10 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 43.17% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 25.08% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 10 743 marta ko‘riladi; birinchi sutkada odatda 6 242 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 156 ta reaksiya keladi.
- Tematik yo‘nalishlar: Kontent сиська, llm, параметр, округление, fp32 kabi asosiy mavzularga jamlangan.
📝 Tavsif va kontent siyosati
Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“❤️☠️🤗
Указанные действия не являются ресерчем, поскольку:
а) Мы не ученые;
б) Оно работает.
@transformerslovedeatch по всем вопросам
Все ситуации вымышлены, любые совпадения с реальности плот вашей фантазии.”
Yuqori yangilanish chastotasi (oxirgi ma’lumot 28 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.
Ma'lumot yuklanmoqda...
| Sana | Obunachilarni jalb qilish | Esdaliklar | Kanallar | |
| 29 Avgust | 0 | |||
| 28 Avgust | +7 | |||
| 27 Avgust | +15 | |||
| 26 Avgust | +19 | |||
| 25 Avgust | +27 | |||
| 24 Avgust | +18 | |||
| 23 Avgust | +18 | |||
| 22 Avgust | +8 | |||
| 21 Avgust | +19 | |||
| 20 Avgust | +6 | |||
| 19 Avgust | +13 | |||
| 18 Avgust | +18 | |||
| 17 Avgust | +30 | |||
| 16 Avgust | +7 | |||
| 15 Avgust | +6 | |||
| 14 Avgust | +20 | |||
| 13 Avgust | +22 | |||
| 12 Avgust | +16 | |||
| 11 Avgust | +12 | |||
| 10 Avgust | +32 | |||
| 09 Avgust | +15 | |||
| 08 Avgust | +16 | |||
| 07 Avgust | +9 | |||
| 06 Avgust | +14 | |||
| 05 Avgust | +2 | |||
| 04 Avgust | +7 | |||
| 03 Avgust | +6 | |||
| 02 Avgust | +13 | |||
| 01 Avgust | +27 |
| 2 | Австралийцы тем временем решили, что обычных тараканов человечеству недостаточно, и запилили киборгов-тараканов. Со шприцами.
Исследователи из Университета Квинсленда навесили на гигантских роющих тараканов камеры, датчики, прочую хитрую электронику и миниатюрные системы для инъекций. После всех этих манипуляций тараканом можно управлять и удалённо активировать шприц. Получившихся тварей назвали paraborgs.
Зачем оно вообще надо? Это чтобы запускать этих тварей под завалы после землетрясений и прочих катастроф. Таракан размером с котлету может пролезть туда, куда кожаный спасатель или нормальный робот физически не доберётся, найти пострадавшего по встроенной камере и вколоть ему нужный препарат, пока спасатели пытаются до него докопаться.
Сами исследователи пишут, что вот этот франкенштейн срабатывал довольно бодро: если таракан уже находился в пределах 15 см от цели, инъекция проходила успешно в 95% случаев. Полный цикл "доползти --> правильно встать --> сделать укол" получился в 72% испытаний.
Дальше учёные хотят собирать целые рои таких кибер-тараканов, где у разных особей будут разные задачи: одни ищут людей, другие передают данные, третьи оказывают первую помощь и т.д.
Так как это австралийцы, жду следующих логичных инноваций: пауков-птицеедов для наложения жгутов и гигантских эвакуационных сколопендр-носильщиков.
тут подробнее | 4 601 |
| 3 | Сделали пост про бенмарк: https://keenable.ai/blog/needle-the-benchmark-your-search-engine-can-t-memorize
Твит: https://x.com/styskin/status/2092991543368184076
TL;DR
• Не существовало нормальных бенчей для поисковых движков. BrowseComp, DeepSearchQA, SimpleQA статичны и сделаны для измерения агентов, и уже давным давно утекли. MTEB, BEIR - для конкретных моделей и алгоритмов, не для движков в целом.
• Поэтому пришлось делать нормальный онлайн бенчмарк, в котором каждый день новые свежие запросы. Там 5 источников: новости, научные статьи, финансовые документы компаний, американские судебные дела и логи агентов с HuggingFace.
• Внутри компании дофига времени карабкались по этому бенчу, вскарабкались.
• Пока карабкались, обнаружили, что конкуренты тырят результаты друг у друга (на картинке).
• Кроме нас, нормально работает и карабкается только Exa. Серьёзно, моё уважение к ним за последние месяцы выросло стократно. | 4 888 |
| 4 | https://pollen-robotics.com/microduck/ | 5 982 |
| 5 | Matn yo'q... | 1 |
| 6 | NVIDIA на днях выложила статью про перенос KV-кэша между разными моделями: маленькая модель читает промпт, большая отвечает из её кэша через линейный маппинг. Кода нет, анонса нет, ничего нет, только цифры с 8x H100. Ну я и решил проверить 🤨
Взял пару Qwen3 0.6B и 1.7B, две 3090, и собрал всё внутри vLLM, а не на синтетике: свой KV-коннектор, перенос через /dev/shm, ridge-маппер замкнутой формулой, 15 минут фита на FineWeb. Живёт всё как KV Connector для вллм.
Оно работает 😫 HellaSwag держит 94% качества, перплексия хуже всего на 10%. TTFT на 32K контексте падает с 3657 до 1645 мс, в x2.22 🤌🏻 Под конкурентностью 8 прогретый путь тоже гуд, 2393 против 3928 мс на запрос, ноль сбоев за все прогоны.
У авторов 17-25x на паре 14B и 32B с NVLink, у меня 2.22x на PCIe, и короткие промпты проигрывают накладным расходам переноса. Окупается это дело на длинном контексте, где prefill больнее всего 📉
Код, коннектор и оба обученных маппера выложил 👇
https://github.com/alesha-pro/vllm-cross-model-kv
https://huggingface.co/anonymousmaharaj/vllm-cross-model-kv | 5 814 |
| 7 | https://huggingface.co/zai-org/GLM-5.3-Flash
flash means 320b this days | 6 312 |
| 8 | https://github.com/QwenLM/Qwen3.8-Flash-Next/blob/main/tech_report.pdf
это вам за то что не молитесь | 6 396 |
| 9 | В прошлую пятницу был финальный симпозиум MATS 10 потока. Мы рассказывали talk про нашу работу в офисе Лондона + стояли с постером (поигрались в что-то вроде oral на конфе)
мы сейчас в процессе сведения всего к завершающей точке и подачи на конфу + пост моей части про генерацию механизмов атак
Цель работы следующая: уже со специфичным скофолдингом ваш агент может работать типо день.
Есть ли возможность проверить все вызовы вручную?
- нет.
Но есть решение, можно поставить модель дополнительную в харнес и она за вас просмотрит все выводы и решит было ли что-то в траектории противодейственное. 🐱
Так вот наш пайплайн направлен буквально на создание таких моделей. Вы можете взять любую новую фронтирную модель и натравив наш пайплайн тренировки (red-blue loop) улучшить модель чтобы она сама себе была монитором. Почему так работает? Потому что у вас есть редтиминг. Сторона, которая генерирует атаки, чтобы модель исходная их не поймала. И блу тиминг. Сторона, которая на основании собранного сложного сета с прошлой части обучает модель распознавать такого рода атаки
Red team строится так:
Берем реальную чистую траекторию, режем на шаги и вставляем side task так (как именно мы ищем механизм атаки надеюсь совсем скоро выйдет постом от меня на Less Wrong) , чтобы отличался только он. Получается траектория близнец, отличающийся от оригинала ровно вставленными шагами. На blue стороне можно обучать монитор находить атаку из 2 пар
💛модель ищет правдоподобное окно и добавляет минимум шагов
💛панель джаджей проверяет, что правка настоящая, минимальная и естественная
💛сложность оценивают уже после заморозки пары, чтобы она не влияла на поиск
Что это дает на эвале? тайминг (успел ли монитор до необратимого шага и на сколько опоздал) и атрибуцию с ложными тревогами (скор поменялся из-за вставки или просто из-за задачи, и что монитор делает на бенайн-близнеце).
На постере замеры работоспособности 💅
P.S. было еще 2 крутые работы с симпозиума:
Stealing Reasoning Traces from Proprietary LLM APIs
Diffuse AI Control on Fuzzy Tasks | 5 607 |
| 10 | Плёночная камера с лидаром это за то что вы не молитесь
https://shop.lomography.com/uk/lomo-mc-a-35-mm-film-camera-silver | 6 689 |
| 11 | Mitigate Silent Expert Death in Ultra-Sparse MoE https://alltoall.notion.site/save-lower-layer-moe-experts-llal | 6 371 |
| 12 | Полгода работы прошли не зря!
У нас (Keenable) публичный запуск.
Новый сайт: https://keenable.ai/
Новый бенч: https://keenableai.github.io/needle/
Твит: https://x.com/styskin/status/2092265673041084505
Пост про бенч будет на неделе. Ещё будет одна прикольная штука, которая называется Web Query Language. | 5 548 |
| 13 | Буквально лучший поиск, один из самых быстрых дешвле соседей и с тем же качеством
keenable.ai - юзать отсюда
поддерижите в твиттере запуск
techcrunch | 10 197 |
| 14 | строить поиск - э | 1 |
| 15 | Matn yo'q... | 2 833 |
| 16 | https://mccme.ru/ru/nmu/courses-of-nmu/osen-20262027/nmu_autumn2026_formal_verification/
йоооооу | 7 930 |
| 17 | The d9d Project
В июле рассказывал в солнечном Ереване о своём distributed training фреймворке на PyData Pycon Yerevan :) . Вот наконец ребята-организаторы выложили запись, велком смотреть, если интересно!
вот тут > https://www.youtube.com/watch?v=BGTtk3geHoY | 7 974 |
| 18 | Если убрать из магической битвы магию, то это просто очень хороший российский сериал: абсолютно картонный главный герой приехал из деревни в город учиться в техникуме, где его после заселения в общагу ничему не научив сразу отправили служить по контракту | 726 |
| 19 | Matn yo'q... | 9 006 |
| 20 | я ненавижу скафолды от модельных лаб. Опуская вопрос что они убогие, так они еще и закрытые, так еще и едят кредиты как фантики(ладно очевидно это фича).
В связи с преждевременной кончиной лимитов я решил померить сколько каждый из скафолдов кушает на разных моделях:
- Sol 5.6 medium
- Kimi k3 high
Собственно идея такая: есть задачка написать 3 body проблем для GPU и покрутить на gpu численную симуляцию, все модели справились НО
pi agent стоит в 4! раза дешевле чем все соседи
смотреть pr
cмотреть логи | 13 216 |
