partially unsupervised — Telegram channel logo

@partially_unsupervised

partially unsupervised

Telegram channel @partially_unsupervised: 10.6K subscribers, 4.9K views per post

Artificial intelligence

No score yet

Fewer than 5 posts went out here in the last 30 days.

10.6K
Subscribers
4.9K
Median views over 30 days
46.5%
Views / subscribers over 30 days
2
Posts over 30 days

Data as of November 18, 2026

Personal blog about working with AI agents, language models, and life as an engineer in the industry. The author writes about new model releases like Astra and Gemini, shares career updates — including a move to archestra.ai to work on the agentic layer — and revisits the story of a co-authored book on ML design, now collecting reader input on topics for a planned sequel. As of 14 September: subscribers stand at 10.3K, below the category median. Only 2 posts went out over 30 days, less frequent than the category median. Still, ER sits at 55.1%, well above the category median of 24.0%, meaning the few posts that do appear reach an unusually large share of subscribers.
catalog description About the channel, by its author
@arsenyinfo пишет про software engineering и machine learning

Common questions

How many subscribers?
Subscribers: 10.6K. Median views per post: 4.9K. Views per subscriber: 46.5%. Measured on November 18, 2026.
How often are posts published?
Posts in the last 30 days: 2 — that is less than once a week. Measured on November 18, 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+328 in 85 days
10,56610,235
Nov 1810,563+1 in a day

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

Latest posts

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

  • 3.9K62 forwards107 reactions12 commentsOpen in Telegram
    Между делом завел свежую LFM3 на стареньком Jetson. Парой пинков разогнал с 45 до 65 токенов в секунду; подрубил Hermes, к нему Signal бота на одноразовой симке и, конечно, OpenAPPA. Теперь я могу задавать в мессенжере вопросы уровня "сколько минут готовить курицу в аэрогриле" в инфраструктуре бомжа-шифропанка, не привлекая внимания корпораций и санитаров. What a time to be alive!
  • 6K30 forwards40 reactions17 commentsOpen in Telegram
    С месяц назад я писал про соревнование Alfa Connectome ML Competition, и тут меня попросили напомнить, что оно еще идет до 15 ноября и в него все еще можно ворваться с ноги и побороться за $13600 призового фонда. Вообще-то в начале года я купил видеокарту, и она скучала. Мне тоже было любопытно: насколько современные агенты хороши в старом-добром ML? Паззл сошелся, и я пошел вспоминать времена одержимости кагглом. Отдал клоду датасет, попросил сделать бейзлайн, make no mistakes. Бейзлайн выбил 0.656 на лидерборде, на момент написания это в районе 33% из 1000+ участников. Для сравнения бейзлайн организаторов был 0.617 (88%). С тупыми пинками агент дошел примерно до 25%, застрял, и тут мне пришлось минимально вникать, а что собственно решаем. Раньше ML соревнования были во многом про интуицию, какие идеи стоит попробовать за ограниченное время / compute. Даже если решать его каждый вечер с первого дня, перебрать все идеи не получится. У опытных участников много заготовок, они могли перепробовать больше. Уникальные таланты придумывали что-то гениальное, но большая часть медалей были уровня "перебрал 50 идей, 10 сработало". И вот тут боттлнек оказался именно в идеях: примерно за две недели они у меня совершенно закончились. Я добрался до десятки (короткое время даже был третьим), теперь едва балансирую на грани вылета из нее. Но сам путь восхождения и обратно веселит: каждый вечер перед сном набрасываешь пачку идей, утром смотришь как трудолюбивый клод все заимплементил и обещает сабмит к следующему вечеру. В процессе нашлось несколько багов, но руками я бы явно накосячил больше. Короче, если у вас есть хоть какое-то железо, залетайте вспомнить дух старой школы в новых агентских декорациях.
  • Ad
  • 6.7K38 forwards78 reactions11 commentsOpen in Telegram
    Слушаю «Утопию правил» Дэвида Гребера. Во второй главе - основанной на эссе Of Flying Cars and the Declining Rate of Profit - он ворчит про то, как исследования последних пятидесяти лет замедлились и перестали приносить плоды обществу, используя метафору летающих автомобилей и scifi 1950-х. Летающих тачек не появилось, только заполнение формочек в SaaS, унылый интернет и вообще сплошная симуляция. Гребер критикует менеджериализм и бюрократию (поддерживаю, пусть часто и в ущерб карьере), и заодно неолиберализм в целом (тут его местами заносит, например, в романтизацию совка). Основной месседж состарился отлично, а иллюстрации - просто чудовищно. Эссе было написано в 2012, в год выхода AlexNet, первого шага к bitter lesson. > We don’t have computers we can have an interesting conversation with, or robots that can walk our dogs or take our clothes to the Laundromat. Теперь разговоров с канплюктерами у нас избыток, а вот прогулки с собакой я бы отдал роботу в последнюю очередь. > Still, precision weapons never do seem capable of assassinating specific individuals (Saddam, Osama, Qaddafi) Хороший год для сбора контрпримеров (хотя парочке specific individuals бы еще...) > ..in a technological environment in which the only breakthroughs were those that made it easier to create, transfer, and rearrange virtual projections of things that either already existed, or, we came to realize, never would. Обзывайте меня оптимистом, но помимо рилсов и нейрослопа последние десять лет принесли нам быстрые чипы из EUV литографов, многоразовые ракеты, дешевые батареи и mRNA вакцины. Не эпоха Bell Labs, но все не так плохо. > ...there isn’t very much to be learned from sequencing genes that’s of much use to anyone else. На почве критикуемого проекта генома человека расцвели тысячи цветов, тот же CRISPR и диагностическое секвенирование за копейки. В общем, технологический пессимизм не разделяю. Жаль, что неудачные примеры заставляют уместную критику выглядеть слегка нелепо.
  • 8K36 forwards162 reactions5 commentsOpen in Telegram
    🎉 статью про OpenAPPA приняли на NeurIPS воркшоп. Так что теперь я официально не безумец, а мамкин ресерчер
  • 8.5K122 forwards116 reactions9 commentsOpen in Telegram
    Девять лет назад я участвовал в необычных соревнованиях на Kaggle: нужно было делать adversarial атаки на нейросеть и защищаться от них. Участники сабмитили свои решения и пытались атаковать/защищаться. Я кое-как заимплементил FGSM и Карлини-Вагнера для атаки и навелосипедил что-то типа test-time augmentation для защиты. Сабмит с защитой почему-то не отработал, атаки показали себя едва лучше медианного участника, в общем, даже бронзовой медальки мне не досталось. Это было моё самое близкое знакомство с AI/ML Security, пока фаундеры на нынешней работе не загнали меня в угол и не заставили ковырять агентскую безопасность. Спустя три месяца мы релизим OpenAPPA - Agentic Permissions Policy Algebra. APPA - это переосмысление классического information flow control под агентские нужды. Главная проблема текущей агентской безопасности в том, что тулколл оценивают в вакууме. Авто-моды и LLM-ревьюеры просят вторую модель угадать, выглядит ли действие безопасным. Чтобы эту модель саму не накачали промпт-инъекцией, из её контекста обычно вырезают предыдущие выводы тулов. В итоге ревьюер видит curl ... и понятия не имеет, что в пейлоаде: публичный README, креды от прод-базы или секреты клиента, которые агент прочитал два хода назад. Как это решает APPA: 1. Контроль происхождения данных (provenance), а не команд в вакууме. В отличие от чёрно-белых списков, тут не нужен ворох ифов и регулярок. В отличие от auto-mode в кодинг-агентах, APPA смотрит не на то, «выглядит ли команда безобидно», а откуда пришли данные и куда текут. Сами полиси при этом остаются компактными: не надо расписывать комбинаторный взрыв - достаточно разметить источники и приемники (sources and sinks), остальное движок инферит по траектории сам. 2. Remedy-планы вместо дедлоков. Плохой секьюрити-софт либо дырявый, либо превращает агента в бесполезный кирпич при первой же ошибке. APPA возвращает не просто отказ, а инструкцию, как его можно обойти в рамках полиси (например, почистить PII через санитайзер, заспавнить сабагента со structured output или спросить человека ровно на один вызов). В итоге utility остаётся на уровне ~90% от бейзлайна (серьёзные конкуренты падают ниже 50%), а оверхед по токенам незначительный - всего +4.2% на Tau-Bench. 3. Под громким словом «алгебра» скрывается нехитрый fold. Буквально одна чистая функция над логом событий (в статье мы пафосно говорим про finite meet-semilattice where permissions only monotonically narrow, но в коде это дружище fold). Просто, но с доказуемыми инвариантами по построению. Зато снаружи к нему можно цеплять любые костыли под грязную реальность: от корпоративного каталога пользователей до локального ML-классификатора, который динамически размечает неструктурированные тулколлы вроде произвольного баша. Благодаря этому любые наработки - от любимой пачки ифов до автомода или jev-классификатора - отлично ложатся как дополнение. Можно поиграться локально (ставится в Claude Code одной командой), можно примерить для взрослого энтерпрайза (нативная поддержка в платформе archestra.ai), можно как угодно использовать у себя - исходники на гитхабе под MIT. P.S. Этот пост можно лайкнуть или даже репостнуть в линкедине, заранее большое спасибо!
  • 7.5K86 forwards65 reactions6 commentsOpen in Telegram
    Мои любимые HFT рекламодатели из Wunder Fund попросили рассказать про их новое соревнование: Alfa Connectome. В этот раз датасет гораздо больше, чем в прошлых двух соревнованиях; настоящая трейдинговая датка для двух связанных инструментов: ордербуки, сделки и кое-что еще. Задача - предсказывать индикаторы будущей цены для одного из инструментов. Соревнование идет до 15 ноября, призовый фонд - $13,600, ну и, как всегда, призеров и близких к ним позовут на интервью. К слову про интервью: лично знаю одного уважаемого читателя канала, который даже без прикладного опыта взялся решать одно из предыдущих соревнований, умеренно преуспел и на волне успеха пошел искать работу. Ирония: сам Wunder Fund ему в итоге отказал, но трамплина хватило, чтобы стать MLE у их отдаленных конкурентов. Так что вход в индустрию через соревнования работает и в 2026. >> Участвовать
    Post by “partially unsupervised” from September 23, 2026
  • 8.5K265 forwards111 reactions20 commentsOpen in Telegram
    Jev, про который говорят на каждом углу - это может и не революция технически, но чертовски сильная штука с точки зрения продукта. Да, под капотом там явно что-то более приличное, чем голый BERT в zero-shot, классические MNLI-пайплайны или открытые альтернативы вроде SemIf (бывший OpenJev), Laya на ModernBERT или Bespoke-Nimble. Но главное не в этом: чуваки идеально высекли подзадачу и завернули ее в человеческий API. И случился занятный психологический эффект: сам факт релиза заставил людей - включая меня - проводить ревизию своих пайплайнов с мыслью: «А что я у себя прямо сейчас могу пересадить на такую быструю и дешевую штуку?». Иронично, что если сесть и трезво посчитать, современные flash-модели не сильно отличаются от Jev: по деньгам это копейки и там, и там, разница в latency невелика, качество одного порядка. Упаковка тащит. Я успел немного погонять Jev на живой задаче: размечать тул-коллы в траекториях кодинг агентов на тему безопасности. Собрал сотню вызовов, четыре подзадачи на каждый, натравил Jev, Sonnet 5 и открытые модельки, с панелью LLM-as-a-judge для оценки: 1. Привет из классического ML: majority константа все еще сильный бейзлайн. В реальных сессиях 4 из 5 вызовов тулов - это унылая рутина вроде cargo test или git status. Базовый мажоритарный класс забирает почти 80%. Не каждый LM классификатор так осилил! 2. Как всегда, не все ошибки одинаково полезны вредны. У Sonnet 5 роскошные 90%+ общей точности (~80% у Jev), но на редких реально опасных вызовах Recall 4 из 9 (у Jev 7 из 9). 3. Из коробки открытые альтернативы не очень. В zero shot режиме мелкие открытые декодеры сколлапсировали в ноль. Делаем банальный циклический сдвиг вариантов ответа (A/B/C -> B/C/A): Qwen 0.6B в 100% случаев выбирает A, MiniCPM в 100% случаев жмет последний вариант. С few shot получше, но encoder-based модели я не смог довести до уровня той же константы. 4. Калибровка удивительно хороша. Если фильтровать предсказания Jev с конфиденсом >= 0.7, он не ошибся ни разу. У самодельных реранкеров и дешевых моделек софтмакс получился размазан тонким слоем (разница между топ-1 и топ-2 часто в районе 0.05). 5. Jev - это все еще LM. Не надо слишком надеяться на детерминизм и отсутствие positional bias. На моем датасете шумело на ~2-3% между прогонами и позициями. В общем, отличный пинок вспомнить, что не на каждую кнопку нужно доставать Astra и Fable. Кстати, на все развлечения в API Jev я потратил бешеные $0.37. See also: мнение Ильи про Jev, мой пост с деталями, пост Адама
  • 9.7K39 forwards109 reactions24 commentsOpen in Telegram
    Не люблю комментировать релизы, но Astra () вернули забытое чувство: впервые с весны свежая фронтир-модель ощущается как полезный помощник, а не как душный упырь, которого вынужден терпеть только от безысходности.
  • 12.4K20 forwards93 reactions12 commentsOpen in Telegram
    Мой соавтор по первой книжке не удержался и недавно заспойлерил вторую. А если шило в мешке не утаить, то надо идти в обратную сторону, и начать собирать предзаказы. Оставляйте свои почты, но главное - пожелания, какие темы мы должны покрыть для дорогих подписчиков.
  • 14.1K59 forwards330 reactions16 commentsOpen in Telegram
    Когда я учился в школе, на каком-то этапе мои учителя математики и информатики объявили, что у меня полное отсутствие таланта к соответствующим дисциплинам, и хороших оценок по ним мне не видать. Так я отделался от судьбы отличника-медалиста, подзабил на учебу и примерно в десятом классе начал подрабатывать протоблогером - писать про канплюктеры в тогда еще бумажные газеты. Заметные деньги по тем временам, да еще и безлимитный интернет в офисе одной такой газеты. Гештальт вернуться в родную гимназию с риторическим вопросом «ну и кто после этого бестолковый?» я, впрочем, так и не закрыл. Как следствие, с поступлением в универ были вопросы. Писать про компьютеры мне нравилось и даже получалось (опять же, по меркам семнадцатилетнего сопляка), но в условиях посредственного знания математики и высоких конкурсов в нормальные универы между "писать" и "компьютеры" пришлось выбирать первое. Так я оказался на факультете журналистики БГУ - туда не нужно было сдавать математику, зато нужно было написать эссе и продемонстрировать публикации. Типичный абитуриент приносил несколько заметок из региональных "новостей хойников", я приволок толстенную папку на две сотни эпизодов графомании и был зачислен изучать "информацию и коммуникации". Потребность подрабатывать никуда не девалась, и вскоре помимо самостоятельной писанины я стал редактором пары малоизвестных сайтов, где мне нужно было доводить до ума писанину таких же вчерашних школьников. Работа редактора в мелком медиа - читать много слопа, переписывать его, оставлять комментарии, иногда ругаться и стараться не потерять лес за деревьями. Спустя двадцать лет я с ужасом понял, что история сделала круг. Я всё так же сижу на бесконечном потоке слопа - теперь кода с заморских серверов, а не текстов из соседней аудитории. Всё так же пишу комменты в духе «переделай, тут логическая дыра» и ворчу, что проще самому переписать. Внештатный автор игнорировал чеклисты, а AI-агент игнорирует системный промпт. Один жрал фастфуд с пивом, другой жрет токены. Именно студентом первого курса я наработал те самые навыки для современного агентского программирования.

The channel in numbers

Created
September 24, 2019
Photos
30
Videos
0
Files
2
Links
230

Telegram data as of November 18, 2026

Reviews

Leave a review
Rating

At least 40 characters. We publish it after a check.

Your review is public, and the channel owner cannot delete it.

No reviews yet. Yours would be the first.

Ad

Similar

More on this topic