@mashkka_ds

Mashkka про Data Science

Telegram channel @mashkka_ds: 5.2K subscribers, 1.2K views per post, score 54

Artificial intelligence

54CAhead of 4 in 10 channels in its category

Category midrange 46–63This channel 54

5.2K
Subscribers: 1.2K
Median views over 30 days: 23.4%
Views / subscribers over 30 days: 46
Posts over 30 days

Data as of October 1, 2026

Open in Telegram

Share To story

Data science and AI from someone actually working in the field, not just theorizing about it. The author writes about webinars for ML engineers, breaks down tools like Pipeline for building models, shares news on open releases from major AI labs, and invites readers to industry conferences. As of 15 September: subscribers 5.2K, median views 1.2K, ER 24.2% — on par with the category median, even though the subscriber count sits well below it. Meanwhile, the posting pace outstrips a typical channel in the category. Over the past month, posts covered the new GigaChat 3.5 Reasoning model with its step-by-step reasoning skills, a recap of an OTUS webinar on building ML pipelines, and the release of the Kandinsky WM 1.0 generative model lineup for Physical AI.

catalog description About the channel, by its author

Погружение в Data Science и технологии GenAI

Common questions

How many subscribers?: Subscribers: 5.2K. Median views per post: 1.2K. Views per subscriber: 23.4%. Measured on October 1, 2026.
How often are posts published?: Posts in the last 30 days: 46 — that is several times a day. Measured on October 1, 2026.
Does this channel have a Telegram tick?: No Telegram tick.
Who runs this channel page in the catalog?: Nobody yet. If this is your channel, claim the page: you will be able to reply to reviews and see its stats.

Is this your channel?

Claim it — accurate metrics, replies to reviews as the channel, and an owner badge on the page.

Verify ownership

Takes a minute: a post with a code, or the bot as an admin
Your page on tg.place

Know the owner?

Forward them this message — they can verify their rights and collect what has piled up: page statistics and replies to reviews.

Subscribers+137 in 35 days

5,2055,059

Oct 15,205

Hover the chart or swipe it — we show the day.

What it is made of
Engagement	7 of 30
Growth quality	20 of 20
Reactions and forwards	8.4 of 15
Consistency	6.4 of 12
Trust	3.8 of 8
Reviews	not enough datano reviews yet

Score 54 — from 5 of 6 signals: the rest are not measured yet. Methodology

Latest posts

Posts are in Russian — that is what the channel publishes.

yesterday36512 forwards5 reactionsOpen in Telegram
🔥10 октября в Москве — конференция «ИИ: Наука в действии» Sber AI Lab и Университет ИТМО собирают исследователей, инженеров и лидеров индустрии, чтобы обсудить переход от передового AI-ресерча к реальным продуктам. 🔆В программе: 🔘11 докладов от топовых исследователей из Сбера, ИТМО, МФТИ, Сколтеха, AIRI и T-Bank. 🔘Панельная дискуссия «От науки к бизнес-внедрению» с участием профессоров и топ-менеджеров ведущих AI-центров. 🔘Международный keynote спикер. 🔆Ключевые темы: 🔘Фабрики LLM-агентов, управление знаниями и мультиагентные системы для автоматизации исследований и разработки. 🔘Эффективный инференс, сжатие MoE-моделей и оптимизация контекста в RAG-системах. 🔘Надежность и оценка LLM: детекция галлюцинаций, доверие к моделям и LLM-as-Judge. 🔘Обработка банковских данных и внедрение ИИ-решений. Зачем быть очно? ☑️Разобрать практический опыт внедрения ☑️Задать вопросы авторам исследований напрямую ☑️Нетворкинг с командами Sber AI Lab 📍Москва, Офис Сбера 📆10 октября, 11:00–18:00 ➡️Программа и регистрация по ссылке! ✈@sb_ai_lab
More
2 days ago75014 forwards15 reactions3 commentsOpen in Telegram
🎤 Дала Start в Research А сегодня провела первую лекцию на своем новом курсе Start в Research, где я учу студентов доводить свои исследования до научных публикаций уровня A/A*. Изначально курс задумывался как факультатив для онлайн-магистратура ИИ на ФКН, но по многочисленным просьбам перевели его в межфакультетский формат и открыли доступ для всех энтузиастов из ВШЭ. Для меня это новый курс, во многом экпериментальный и проба пера, и мне очень хочется дать в нем максимум от того багажа знаний, которые за много лет накопились у меня. Понимаю, что в области статей мне есть, чем поделиться и стараюсь помочь студентам избежать тех граблей, на которые наступала сама! @mashkka_ds #трудовыебудни #преподавание #вшэ #фкн #nlp #ai
More
2 days ago63320 forwards5 reactionsOpen in Telegram
Media
2 days ago5609 forwards8 reactions1 commentOpen in Telegram
🔎 Модель говорит по-русски. А понимает? Пять новых линеек бенчмарков На AI RnD Day наша уважаемая Алёна Феногенова представила 5 линеек русскоязычных тестов для оценки современных моделей. 📌 TLDR Один общий балл в метрике плохо описывает модель для реального применения. Алена рассказала про 5 новых бенчмарков! 1️⃣ LIBRA проверяет работу с длинным контекстом, 2️⃣ MERA Reason — математические рассуждения, 3️⃣ MERA Text 2.0 — языковые, культурные и прикладные навыки, бенчмарки MERA разработаны совместно с Альянсом ИИ. 4️⃣ RUMBA оценивает память между сессиями, а 5️⃣ harness-bench-fast — работу в агентной обвязке: правильно выбрать тул в текстовой задаче и успешно выполнить действие в среде — не одно и то же. Результат зависит от всей связки — модель × обвязка × промпт × окружение. 📚 LIBRA Mini: поместилось в контекст ≠ прочитано Из 18 задач полной LIBRA выбрали шесть сложных и показательных. Диапазон — от 4K до 512K токенов, запуск через lm-evaluation-harness. Здесь мало найти одну фразу: нужно связать факты из разных частей текста, ответить по нескольким статьям Wikipedia, определить человека по теме диалога или посчитать уникальные абзацы среди повторов. Причем, у Qwen3-30B-A3B-Instruct-2507 итоговая оценка падает с 62,2 на 4K до 39,8 на 64K и 12,6 на 128K. Поэтому полезно смотреть не только на максимальное окно модели, но и на то, как меняется качество внутри него. 🧮 MERA Reason Линейка объединяет Luzitania — 251 олимпиадную задачу, TMath — 310 задач с акцентом на комбинаторику, теорию чисел и геометрию, ruAIME — 724 задачи с проверкой точного совпадения ответа. А также MMReD: 128 шагов среды, вход около 8,7K токенов и рассуждение около 20K. Проверяется работа с длинной последовательностью шагов. Все тесты публичные. ⚙️ MERA Text 2.0: где модели ещё различаются В новой версии 12 датасетов и около 8700 запросов — в 4,3 раза меньше прежнего объёма. Четыре группы: человеческая коммуникация, русскоязычный культурный контекст, базовые агентные навыки и рассуждение. Тесты приватные, результаты публикуются на лидерборде. Особенно полезен Agentic-раздел: соблюсти 3–6 формальных требований в одном запросе, преобразовать YAML/CSV/XML целиком, выбрать инструмент из каталога на 14–22 тула. Именно он лучше всего разделяет сильные модели и следующий эшелон. Но это ещё текстовая проверка навыков, не полноценный запуск агента. А понимание регионализмов, мемов и фольклора слабее связано с общим уровнем модели: высокий результат на других задачах его не гарантирует. 🧠 RUMBA: помнить нужно не всё подряд В наборе 85 диалогов и 1543 вопроса. Проверяется извлечение фактов, рассуждение по истории и умение признать отсутствие информации. Есть и временная составляющая: если пользователь сначала любил розы, потом кактусы, а теперь лилии, ответить «розы» — ошибка, хотя такой факт в истории был. Сравниваются два режима: весь диалог во входе и внешняя память/RAG. Простой RAG получает 68,89 по русскоязычной оценке LLM-судьи, memOS — 66,82, mem0 — 53,21. Сложнее — не обязательно лучше. Это сравнение показанных систем, не универсальный рейтинг подходов. 🛠 harness-bench-fast Около 391 кейса на файлы, CLI, инструменты, инструкции, память, программирование и отладку. Результат проверяет код, без LLM-судьи. Заявлен локальный прогон примерно за 30 минут без Docker и без интернета для тестовой среды; есть поддержка Harbor и повторных запусков с pass@K. Бенчмарк команды @robofuture Кости Крестникова, который также выступал на конференции. 🔚 Выводы Для выбора модели нужен профиль ограничений: где теряется контекст, устаревает память или ломается выполнение инструкций. А если внедряем агента, измерять стоит всю систему — хороший балл отдельной LLM ещё не обещает надёжной работы её обвязки. 🔗 Более подробно — в презентации Алены (в комментариях файлом) и в записи выступления (тайминг: 6:29:30). 🔗 Тесты и лидерборды • LIBRA Mini • MERA Reason • MERA Text 2.0 • RUMBA • harness-bench-fast #benchmarks #evaluation #llm #agents #conference #paperwatch
More
2 days ago2.2K32 forwards4 reactionsOpen in Telegram
🚀 Зарелизили WebPageBench: бенчмарк для оценки веб-агентов на повседневных задачах Год мы работали над этим проектом, и вот наконец представляем миру WebPageBench, бенчмарк для оценки веб-агентов в повседневных сценариях на русском языке (покупки в магазине, бронь билетов и отелей, заказ справок и так далее). Откуда ноги растут: гонять агентов по реальным сайтам неудобно, потому что интерфейсы меняются, антибот режет прогоны, а сценарии с корзиной и оплатой это настоящие заказы. Но главное, на живом сайте невозможно узнать, что агент реально сделал: остается верить ему на слово. В ответ на это мы и сделали WebPageBench, локальную среду из шести мок-сайтов, где каждое действие агента записывается в лог, по которому проверяется успех. 🚀 Что внутри: ✔️Шесть русскоязычных моков сайтов: маркетплейс, книги, доставка продуктов, ЖД-билеты, отели и файловый кабинет. Все обезличено, но повторяет популярные у нас сервисы, и поднимается локально. ✔️Проверка по логу событий, а не по словам агента. Каждое действие на странице пишется как типизированное событие с параметрами, а условие задачи это событие, которое должно появиться в логе. Никакой модели-судьи в цепочке нет, и проверка не зависит от языка интерфейса. ✔️152 задачи: 65 написанных руками сценариев и 87 их вариаций. ✔️Контролируемые варианты интерфейса. Одна и та же задача рендерится через разные реализации одного элемента (календарь всплывашкой против нативного input, счетчик гостей четырьмя способами). Текст задания и условия при этом не меняются, так что видно, агент не понял задачу или не справился с конкретным виджетом. ✔️Публичный лидерборд: 24 связки «модель + обвязка», прогнанные по всем задачам. 🚀 Что уже видно по результатам: ✔️Агенты систематически завышают свой успех. Одна связка отчиталась о выполнении всех задач до единой, а лог подтвердил 59%. Разрыв в 41 пункт! При этом бывает и наоборот: другая модель решила больше, чем сама о себе доложила. ✔️Лучшая обвязка зависит от модели, универсального рецепта нет. Та обвязка, что подняла одну модель, другую роняет на последнее место. ✔️Агенты по скриншотам заметно отстают от DOM-агентов. Особенно наглядно внутри одной модели: по DOM она решает 0,76, по скриншотам 0,48. ✔️Дорого не значит хорошо. Самый дорогой прогон в таблице ($76) дает результат хуже, чем прогон за $3. Если делаете веб-агента, присылайте свои результаты: подключить свою обвязку это один адаптер. Спасибо всем, кто участвовал в этом большом совместном проекте, за ваш труд и результат! 👉 Habr 👉 Код и задачи 👉 Лидерборд на HuggingFace 👉 Препринт @mashkka_ds #agents #benchmark #webagents
More
3 days ago86310 forwards25 reactions1 commentOpen in Telegram
🎤 Вышла на международный уровень вместе с магистратурой ИИ от ФКН ВШЭ Онлайн-магистратура ИИ выходит (а точнее даже возвращается) на международный уровень и вновь делает запуски для студентов со всего мира (спасибо @murr4a, что дравит эту вещь). Не могла пройти мимо этой инициативы и присоединилась к NLP-курсу, который в этом запуске читаем вместе с @greedisneutral и @awe_eu. Сегодня провела свою первую лекцию на курсе. На занятии были студенты со всего глобуса: Мексика, Бразилия, Индия. Читать на такую широкую аудиторию это отдельный вызов и отдельное удовольствие: возможность поделиться знаниями с ребятами со всего мира. А еще отдельный выброс эндорфинов это лекции на английском, по практике которого я сейчас так скучаю. @mashkka_ds #трудовыебудни #преподавание #вшэ #фкн #nlp #ai
More
4 days ago985Open in Telegram
🇦🇲 #justaboutme онажды в Армении ⠀ Засиделась в Москве, а осень навевает хандру. Махнула за летом в солнечную Армению. Вспоминаю в честь этого факты про озеро Севан: ✔️Это самое большое озеро не только в Армении, но и всего Кавказа. ✔️Лежит на высоте 1900 метров, выше, чем большинство горнолыжных курортов. ✔️Занимает почти 5% всей территории страны. ✔️В него впадает 28 рек, а вытекает всего одна, Раздан. ✔️Максимальная глубина 83 метра. ✔️Название, скорее всего, пришло от урартского «суниа», что значит просто «озеро». ✔️Монастырь Севанаванк построили в 874 году, и стоял он на острове, который сегодня превратился в полуостров. ✔️К середине 1990-х уровень воды в озере упал примерно на 19 метров, и остров с монастырем прирос к берегу. ✔️Здесь водится ишхан, севанская форель, которой нет больше нигде в мире. ❕#justaboutme воскресная рубрика, в которой я делюсь яркими событиями из своей жизни, не связанными с DS и ИТ, подобно тому, как я это делаю в соцсетях (например, в инсте или VK). ⠀ #ереван #mashkka_armenia #armenia #justaboutme
More
6 days ago1.3K20 forwards19 reactions3 commentsOpen in Telegram
#пятничныемемасы
Sep 241.2K14 forwards5 reactions1 commentOpen in Telegram
👣По следам вебинара Дерево решений - простой и интерпретируемый ML-алгоритм Делюсь записью открытого урока про деревья решений, простой и популярный алгоритм, который широко используется в классическом ML. 🫥Запись 💭Слайды 🤖Практика ➕BONUS: открытый урок по ансамблям #ml #открытыйурок
More
Sep 231.2K14 forwards6 reactions2 commentsOpen in Telegram
🐾По следам вебинара Ландшафт современного NLP: от эмбеддингов до современных LLM На открытом вебинаре в Otus провела обзор методов современного NLP: от классических текстовых эмбеддингов до передовых методов для работы с LLM таких как RAG и LORA. Обсудили концепции и, как понять, что выбрать именно вам для ваших задач. @mashkka_ds 👀Запись 🌐Слайды 📚Шпаргалка RAG vs LORA @mashkka_ds #llm #ai
More