@rybolos_channel
Kali Novskaya
Telegram channel @rybolos_channel: 19.2K subscribers, 7.9K views per post
No score yet
Fewer than 5 posts went out here in the last 30 days.
- 19.2K
- Subscribers
- 7.9K
- Median views over 30 days
- 41.2%
- Views / subscribers over 30 days
- 3
- Posts over 30 days
Data as of November 19, 2026
catalog description About the channel, by its author
Overview
Written automatically from the channel's data, updated 23 October 2026. The numbers in this text are as of that date; the fresh ones are in the tiles above.
Research AI from the inside: tech reports on the author's own models, benchmarks for agents doing ML research, arguments about how far the automation of mathematics and other sciences has actually gone. Posts walk through open-model architecture — parameter counts, native multimodality, context window — and say plainly why any of it matters. Alongside that: talk announcements, stream invites, arXiv and HuggingFace links, and a Saturday meme thread.
The voice is a researcher writing to peers. Hashtags #nlp and #про_nlp mark the thread, a TL;DR opens the long breakdowns, and nothing gets smoothed into press-release prose. Humour has room too, from a tongue-in-cheek moderation policy for bot comments to grumbling about calls to pause model training.
As of 22 October: 19 091 subscribers against a category median of 12 203 — larger than half of the 91 entries in Artificial Intelligence. Median post views 7 714 and ER 40,4 % versus the category median of 23,3 %. Posts in 30 days: 11, where the category median is 20. Over 28 days of observation subscribers grew by 52 and average views fell by 902. Place Score is 72.
Common questions
- What is @rybolos_channel about?
- AI research: technical reports on models, benchmarks for ML-research agents, breakdowns of open multimodal architectures. Another recurring line is the automation of mathematics and science, plus debates about slowing down model training. Talks, streams and a meme thread show up too.
- Can I buy advertising in @rybolos_channel?
- The owner has not opened a price list, so there are no rates or terms on this page. Contact the owner directly in Telegram to discuss placement.
- How many subscribers?
- Subscribers: 19.2K. Median views per post: 7.9K. Views per subscriber: 41.2%. Measured on November 19, 2026.
- How often are posts published?
- Posts in the last 30 days: 3 — that is less than once a week. Measured on November 19, 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.
Hover the chart or swipe it — we show the day.
Latest posts
Posts are in Russian — that is what the channel publishes.
- 🌸Наука и потеря смысла🌸 #кали_зла #nlp #nlp_papers В этом году я Area Chair на одной топовой AI конференции. Просто поделюсь тем, что раньше от меня как рецензента было сокрыто — маркером эпохи LLM-слоп-статей. 🌸Как проходит процесс: 🟣 Area Chair читает статью, формирует свое мнение. Затем читает все рецензии и формирует свое мнение об их качестве. Затем читает весь rebuttal и выносит сбалансированную рекомендацию с учётом всех факторов — брать статью или нет. 🟣в большинстве случаев решение AC должно быть достаточно очевидным и вытекать из оценок рецензентов. А теперь — знали ли вы, сколько эскалацией получает Area Chair? В этом году порядка 50% статей! 🌸Что происходит на самом деле: Злоупотребление авторами механизма эскалацией свелось к трем стратегиям: 🟣скоры у статьи weak Accept: на негативную рецензию авторы пишут заметку Area Chair, что рецензент статью не понял, не читайте его. 🟣скоры weak Reject: авторы выбирают рецензию с самым низким скором, эскалируют и пишут подробный "LLM-донос" на рецензента, мол он умышленно смещает позиционирование статьи в другое русло, накажите его (критика рецензента и вопросы были совершенно адекватные) 🟣скоры очевидно Reject: авторы пишут лично Area Chair, мол, мы сейчас все переделаем, сделаем новые эксперименты, обещаем, только примите статью! И это только на моем маленьком участке. 🤕 Большинство таких статей откровенно слабые, инкрементальные улучшения. 🌸Общая проблема В целом, проблема рецензирования слоп-статей уже дошла до своего апогея, где почти по всем статьям четкого решения по результатам рецензирования сделать нельзя, а психологический прессинг от авторов очень сильно усилился, и в конце всей цепочки именно Area Chair должен брать решение на себя, решая, будет ли он склоняться в ту или иную сторону у статьи пограничного качества. В целом, я даже рада, что этот удар принимает на себя сейчас именно machine learning. Machine learning и математика — две самые зрелые с точки зрения агентной акселерации области, с полным циклом эксперимента на компьютере — они и должны "пострадать" от слопа первыми, пока мы не предложим методологическое решение, которое другие области науки смогут забрать себе и избежать, тем самым, проблемы из заголовка. Я все больше уверяюсь, что первичное рецензирование должно быть агентное, завязанное на воспроизводимость и надёжность результатов. Совершенно точно есть пространство для того, чтобы ввести более строгие правила — и отдавать на рецензирование экспертами только самые сильные статьи. Пока писала, в голове все время всплывала цитата А.А.Зализняка: "Объективная истина существует, и целью науки является ее поиск." Удивительно, как сильно и навсегда моделирование языка меняет научный процесс далеко за пределами области.
- Буду 25 ноября в Манчестере, рассказывать про ИИ-агентов для науки — и зрелости автоматизации разных областей науки. 🟣
constructorlabs.org/…
https://constructorlabs.org/event/do-androids-dream-of-electric-papers/ - Ad
- 🌸Статья по Muse Glimmer 30B🌸 #nlp #про_nlp #nlp_papers Сегодня ночью вышел тех репорт по нашей Muse Glimmer 30B: Muse Glimmer 30B: An On-Device Agentic Model Из интересного: побольше бенчмарков, некоторые детали про данные и про поддерживаемые языки. Немного про дистилляцию и про выбор, собственно, между sparse и dense архитектурами. Очень рекомендую! 🟣Arxiv: arxiv.org/abs/2610.24628v1
- Давайте что ли субботний мемотред?🥹 #шитпост
- 🌸Muse Spark Open на HuggingFace🌸 #nlp #про_nlp Смогли сделать самую сильную на сегодня открытую модель из США? Нативно мультимодальная MoE: 816B параметров всего / 42B активных, контекстное окно 1M токенов. Принимает на вход текст, картинки, аудио и видео. Модель заточена под кодинг и агентные задачи: чтение и понимание кодовой базы, написание и отладка кода, вызов инструментов, длинные многошаговые сценарии и сложный software engineering. 🌸Так же, как и у Glimmer, есть Reasoning Effort: low, medium, high, or xhigh. Поддержка 100+ языков. 🌸Что с этим делать: • Дотюнить под свою задачу — через TorchTitan в PyTorch • Запустить на Apple silicon — через MLX, который тянет веса напрямую с Hugging Face • Есть MLX-адаптер для запуска на Mac Studio: унифицированная память M5 Ultra даёт до 512 ГБ на машину, так что две Mac Studio держат модель целиком и ведут себя как один суперкомпьютер с терабайтом памяти Хостед-инференс уже доступен у партнёров: Together AI, Fireworks, Baseten, Modal и OpenRouter. 🟣Лицензия своя, веса открыты для использования, но запрещены — для военных применений / ядерной отрасли / ITAR и оружия, эксплуатация критической инфраструктуры и управление тяжёлой техникой. И если вы провайдер моделей, требуется договор на продажу инференса свыше 20M USD. Ссылки: 🟣HuggingFace:🟣Основная модель:
huggingface.co/…
https://huggingface.co/collections/meta-models/muse-spark-open🟣NVFP4:huggingface.co/…
https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B🟣Blog:huggingface.co/…
https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B-NVFP4research.meta.ai/…
https://research.meta.ai/blog/muse-spark-open - Два слайда вдогонку — про зрелость автоматизации математики и др наук
- 🌸 ИИ, математика и акселерация науки 🌸 #nlp #про_nlp #nlp_papers Стоит поговорить, конечно, о происходящем в мире ИИ и математики. 🌸TL;DR На прошлой неделе OpenAI выложили несколько сотен ИИ-сгенерированных статей по математике. Выложили прямо на гитхаб, как есть, пачкой, без рецензирования. Еще и на основе закрытой внутренней модели, к которой нет доступа извне. Нам предлагается только оценивать результат. В ответ на это была создана Association for Human Mathematics, которая написала открытое письмо примерно такого содержания: мы не просили вас заниматься математикой, годы труда насмарку, научные программы разрушены. До этого еще была Лейденская декларация о ИИ и математике и целая плеяда мнений, вплоть до полного бойкота. Давайте разбираться. 🌸Почему автоматизация математики — это хорошая новость: 🟣 Автоматизация научного прогресса — это в целом очень благая цель. Ускорить научный поиск — важная задача. То, что математика и ИИ будут автоматизированы первые, было уже несколько лет как понятно. МЛ и математика зрелее всех остальных наук в плане полного экспериментального цикла и автоматического сигнала успешности экспериментальных попыток — весь цикл полностью проводится на компьютере. В сентябре на конференции Math Foundations of AI в Оксфорде я показала вот эти слайды: потенциал для автоматизации научного поиска в разных областях науки математика и машинное обучение совершенно точно самые зрелые, verifiable reward. в остальных областях — физике, химии, биологии — это тоже произойдет, но бутылочным горлышком является качество симуляций и verifiable сигнала. 🟣 В целом, любой гений тоже мог случайно разрушить научную программу — это соврешенно нормально. DeepSeek или другая опенсорсная лаборатория тоже могли бы это сделать. И еще сделают. 🟣 Эти 700+ статей — цветочки относительно количества, которое мы получим дальше. Да, постпок примерно как кинуть дрожжи в унитаз, но в целом кто-то должен был начать так делать. Старая система сломана. 🌸В чем реально плохость поведения OpenAI: Пиар превыше знания: 🟣Пиар-эффект получен, а научные результаты не отвалидированы и могут оказаться ошибочными. 🟣Скорость прирощения ИИ-сгенерированных доказательств гораздо выше чем скорость рецензирования и включения знаний в научную деятельность. Мы растим корпус фактов и доказательств, которые ни разу не читал и не использовал ни один ученый, в то время как агенты спокойно могут базироваться на этих результатах и идти дальше. Через определенное время этот объем полностью автоматического знания перевалит через объем, вручную достигнутый человечеством. Этот эффект очень предсказуем. Но исключать человека из управления научным поиском нельзя. Валидация, рецензирование переносится полностью на сообщество 🟣 OpenAI могли бы сначала провести процедуру рецензирования статей. Конечно, это бы потребовало много времени и ресурсов — но сюрприз — это и теперь требует много времени и ресурсов. Груз труда валидации результатов переложет полностью на сообщество, которое и так уже загибается от рецензирования ИИ-слопных статей. 🟣 могли бы выложить через партнерство с журналом или Arxiv: но Arxiv такие попытки на этой же неделе пресек. Теперь каждому автору можно выкладывать только по две статьи в месяц. Мера вводится для борьбы со сгенерированными статьями. Полное отсутствие прозрачности, доверия, плюс монополия: 🟣 в целом можно было бы сделать все гораздо аккуратнее, привлечь самих ученых, которые в этой области работают, сделать публикации вместе с ними и получить лояльную аудиторию. 🟣 проблема с авторской атрибуцией не решена. Математики по-прежнему уверены, что OpenAI парсят их логи и крадут идеи, натравливая на них 10тыс агентов и зарешивая первыми. С этим нужно что-то делать обязательно, а именно обеспечить полную прозрачность в этом вопросе. Можно предложить вотермаркирование сессий и т.д. — либо полностью переходить на селф-хостед опен-сорсные модели. 🌸К концу 2026 мы с вами стоим на пороге очень интересного времени: все больше моделирующих наук автоматизируются, и прирощение знаний человечества может многократно ускориться. Чтобы сохранить верифицируемость, фальсифицируемость и научную методологию в целом, нам совершенно необходимо организовать новые стандарты и открытую инфраструтуру для масштабирования рецензирования и человеческой валидации автоматически полученного знания. Без монополии OpenAI.
- В связи с ускоренным развитием ИИ в блоге вводится новая редакционная политика: — все комментарии ботов теперь будут оцениваться с точки зрения релевантности и интеллекта. За односложные комментарии бот будет забанен. — Релевантные умные вопросы от ботов поощряются. — Хейтерские комментарии от ботов — как и человеческие — буду модерировать по настроению. 😉👌💅
- 🌸State of AI Report 2026🌸 #nlp #про_nlp Вышел State of AI Report 2026, и там оказались сразу две наши работы в категории Research: 🌸AIRS-Bench, наш бенчмарк для агентов, которые делают ML-рисёрч (слайд 36, мой пост про бенчмарк): 🟣 arxiv.org/abs/2602.06855 🌸HyperAgents — Recursive Self-improvement агенты, которые переписывают не только то, как решают задачи, но и то, как они себя улучшают (слайд 14, мой пост): 🟣arxiv.org/abs/2603.19461 Отчёт с каждым годом все больше, 244 страницы покрывают исследования, индустрию и
всеми любимые рубрики safety и politics. 🟣Сам отчёт:stateof.ai/…
https://www.stateof.ai/State-of-AI-Report-2026.pdf - Через полчаса начинаем! Приходите!
The channel in numbers
- Created
- March 11, 2022
- Photos
- 1.2K
- Videos
- 23
- Files
- 7
- Links
- 600
Telegram data as of November 19, 2026
Reviews
Leave a review
No reviews yet. Yours would be the first.