@partially_unsupervised
partially unsupervised
Telegram channel @partially_unsupervised: 10.5K subscribers, 6.1K views per post, score 78
78BAhead of 9 in 10 channels in its category
Category midrange 46–63This channel 78
- 10.5K
- Subscribers
- 6.1K
- Median views over 30 days
- 58.3%
- Views / subscribers over 30 days
- 6
- Posts over 30 days
Data as of October 1, 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: 10.5K. Median views per post: 6.1K. Views per subscriber: 58.3%. Measured on October 1, 2026.
- How often are posts published?
- Posts in the last 30 days: 6 — that is a few times a week. 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 ownershipTakes 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.
10,48710,235
Oct 110,487+11 in a day
Hover the chart or swipe it — we show the day.
| What it is made of | |
|---|---|
| Engagement | 30 of 30 |
| Growth quality | 16.2 of 20 |
| Reactions and forwards | 10.5 of 15 |
| Consistency | 3.6 of 12 |
| Trust | 6.2 of 8 |
| Reviews | not enough datano reviews yet |
Score 78 — from 5 of 6 signals: the rest are not measured yet. Methodology
Latest posts
Posts are in Russian — that is what the channel publishes.
- 🎉 статью про OpenAPPA приняли на NeurIPS воркшоп. Так что теперь я официально не безумец, а мамкин ресерчер
- 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! - 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
- 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 testилиgit status. Базовый мажоритарный класс забирает почти 80%. Не каждый LM классификатор так осилил! 2. Как всегда, не все ошибки одинаковополезнывредны. 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 - Минутка рекламы. Если вы ненавидите двигать квадратики в джире так же люто, как и я, но ещё не накостыляли кастомного агента делать это за вас — посмотрите на Motion. Первый порыв любого инженера - «ща я за вечер соберу агента, пусть сам раскидывает мой календарь». Но языковые модели все еще отвратительно считают время, косячат с таймзонами, и на тривиальную арифметику дат сжигаются миллионы токенов. В Motion шедулинг отдали нормальному детерминированному алгоритму. Вы задаёте таскам эстимейты, дедлайны и приоритеты, а движок сам пакует их в свободные окна между встречами. Прилетел внезапный созвон => расписание само перестроилось на лету. Утверждается, что AI прикрутили только туда, где он уместен: экстракция задач из почты или Slack, конкретных action items и постановка их в очередь вместо десятков страниц мертвого транскрипта. Меньше ритуального микроменеджмента, больше шансов реально сесть за работу. Можно потыкать триал бесплатно (и перестать врать себе, что сделаете сами лучше)
- 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.
- 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.
- 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.
- Четыре недели плотно работал над нечетко поставленной задачей на грани агентов и information flow, причем это само это словосочетание для меня было в новинку. Артефакт покажу позже, когда ревьювер номер два напихает в панамку, а пока буду ныть. Даже будучи адептом AI-assisted программирования со времен беты копайлота и пользователем клодкода с первого паблик релиза, я дошел до желания забиндить
YOU FUCKING MORONна хоткей, потому что терпеть этот слоп никаких сил не осталось. Казалось, что остался какое-то небольшое множество топиков, в которых мое человеческое мнение и профессиональная экспертиза еще чего-то стоят; и совершенно точно новая для меня тема не может в него входить. Ага, щас: все новейшие модели вовсю жонглируют умными словами про semilattice morphisms, но регулярно пропускают совершенно тупые противоречия, заметные и школьнику, если он не начал бухать в пятом классе. И чтение этого слопа утомляет просто невероятно. В старом добром мире часто можно было читать сложную книгу или статью, страдать от собственной тупости на каждом абзаце, но неумолимо прогрессировать (помню, как использовал Multiple View Geometry in Computer Vision в качестве снотворного на долгих перелетах). Сейчас же каждое непонятное предложение оставляет вопрос "я чего-то не понимаю или агенты опять написали херни?". Совершенно не понимаю, это моя проблема в моменте (плохо шарю домен => рвусь от слопа) или просто GPT 5.6 / Fable / Opus 5 оверфитнули на average TS enjoyer, выпихнув меня ближе к границе OOD. Решений, кроме симптоматического "почаще трогать траву", тоже пока не вижу. - Точно знаю, что у меня много читателей в Лондоне 🇬🇧 и Варшаве 🇵🇱 - вот AI тусовки для вас: AI Agents in Production — Rooftop Drinks (Лондон, 4 августа) Меня там не будет, потому что я
быдло чумазоеневыездной в ожидании ПМЖ. Зато там будут мои коллеги, разговоры про харнессыи бесплатное бухло. The AI Black Swan (Варшава, 26 июля). За пафосным названием обещаются разговоры про агентов и особенно память для них, ну и просто хороший повод потрогать траву (ради этого и еду!). Этот евент платный, промокодBLACK_SWAN_ARCHESTRAдает скидку 10%
The channel in numbers
- Created
- September 24, 2019
- Photos
- 30
- Videos
- 0
- Files
- 2
- Links
- 228
Telegram data as of October 1, 2026
Reviews
Leave a review
No reviews yet. Yours would be the first.
