tg.place
Growing today
MoonDesk +174 in a day Middle East Spectator +140 in a day Books +78 in a day MaxOsint Intel +72 in a day Dan Kovalik +64 in a day English Gate Learners +51 in a day 🍿 𝗡𝗘𝗧𝗙𝗟𝗜𝗫 🔥 +44 in a day English Vocabulary +43 in a day
Kali Novskaya — Telegram channel logo

@rybolos_channel

Kali Novskaya

Telegram channel @rybolos_channel: 19.1K subscribers, 9.1K views per post, score 69

Artificial intelligence
69BAhead of 7 in 10 channels in its category
Category midrange 46–63This channel 69
19.1K
Subscribers
9.1K
Median views over 30 days
47.6%
Views / subscribers over 30 days
7
Posts over 30 days

Data as of October 1, 2026

Open in Telegram
ShareTo story
About large language model research and life inside the AI industry, written by a researcher working at Meta Superintelligence Labs on research agents. The author covers open model releases, shares tools for local inference, and throws in meme-filled Saturday and Friday threads. As of 16 September: subscribers 19K, above the category median, ER 30.7%, above the category median. Posts over 30 days number 4, less frequent than the category median. Recent topics include the release of the Muse Glimmer 30B model from Meta Superintelligence Labs with quantizations from Unsloth and Ollama support, a discussion of the Navier-Stokes proof claims and the Leiden Declaration on AI in mathematics, plus a note marking the author's two years at the company.
catalog description About the channel, by its author
Нейросети, искусство, мысли. Поехали! Разрабатываю LLM и веду команды chatGPT, GPT-3, GPT-4

Common questions

How many subscribers?
Subscribers: 19.1K. Median views per post: 9.1K. Views per subscriber: 47.6%. Measured on October 1, 2026.
How often are posts published?
Posts in the last 30 days: 7 — 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 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+70 in 37 days
19,07219,002
Oct 119,072+8 in a day

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

What it is made of
Engagement25.3 of 30
Growth quality16.4 of 20
Reactions and forwards8.1 of 15
Consistency4.2 of 12
Trust4.3 of 8
Reviewsnot enough datano reviews yet

Score 69 — from 5 of 6 signals: the rest are not measured yet. Methodology

Latest posts

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

  • 3.8K13 forwards26 reactions14 commentsOpen in Telegram
    Ну и подкаст от Alpharxiv, конечно
  • 14.7KOpen in Telegram
    🌸AI Research Preference Model🌸 #nlp #про_nlp #nlp_papers Сегодня опять про скаффолды для агентов. Мы уже говорили про то, хорошая ли идея применить сверху preference models для оценки потенциала идей (спойлер: ). А что, если попробовать обучить такую preference-модель не на вкусовщине (новизна идеи, "вкус", интуиция и т.д.), а на верифицируемом сигнале? Про это наша новая статья — “AI Research Preference Models”. 🌸TL;DR Главная проблема: AI-агент может быстро придумать множество вариантов эксперимента, но полноценный запуск каждого варианта — обучение модели и оценка результата — требует часов работы GPU. Поэтому критически важно заранее понять, какие идеи действительно стоит проверять. Мы предлагаем Research Preference Model (RPM) — модель, которая сравнивает несколько предложенных решений и выбирает наиболее перспективное до их полного запуска. В идеале, такая модель может выучить паттерны лучших практик МЛ, чтобы использовать эту информацию для попарного сравнения экспериментов, какой будет более перспективным. Рассматриваются два варианта: Inference-only RPM анализирует планы, код и результаты предыдущих экспериментов только при помощи рассуждений LLM. Agentic RPM дополнительно проводит дешёвые пилотные эксперименты: запускает сокращённое обучение (5 минут, 30 минут, 4 часа), проверяет код и использует полученные метрики для выбора. 🌸Агент RPM встроена в исследовательского агента AIRA-dojo. На каждом шаге агент генерирует 15 вариантов продолжения, после чего RPM проводит попарное сравнение и отправляет на полноценный запуск только победителя. 🌸Данные Эксперименты проведены на 20 задачах AIRS-Bench, охватывающих языковое моделирование, математику, биоинформатику и временные ряды. Каждому запуску предоставлялись 24 часа на одной H200 GPU. 🌸Основные результаты обычный AIRA-dojo: 0,684 среднего нормализованного балла; с Inference-only RPM: 0,711; с Agentic RPM: 0,729; теоретически достижимый результат: 0,748. Обе RPM достигают результата обычного 24-часового агента примерно за 15 часов, то есть требуют примерно в 1,5 раза меньше вычислений. Кроме того, были получены новые SOTA: 94,1% на WinoGrande против прежнего агентного SOTA 90,4%; 95,7% на SVAMP против опубликованного человеческого SOTA 94,2%. 🌸Главный вывод статьи: прогресс исследовательских агентов зависит не только от способности генерировать хорошие идеи, но и от умения выбирать, какие идеи заслуживают дорогой экспериментальной проверки. Дополнительные вычисления выгодно тратить не только на генерацию решений, но и на их предварительный отбор, основанный на предсказуемых и верифицируемых сигналах. Сигнала от мини-версии эксперимента, с первых 5 минут, бывает вполне достаточно! Проверено на одном скаффолде, но для всех tree-search подходов такой апгрейд должен сработать. 🟣Arxiv arxiv.org/abs/2608.13940 🟣Alpharxiv alphaxiv.org/abs/2608.13940
  • 7.3K75 forwards149 reactions32 commentsOpen in Telegram
    Шмидтхубер написал, что он первый придумал Recursive Self-improvement в 1987 году. Наконец-то, а то мы уже стали переживать
    people.idsia.ch/…https://people.idsia.ch/~juergen/recursive-self-improvement.html
  • 9.1KOpen in Telegram
    Будем делать субботний мемотред? #шитпост
  • 10K78 forwards119 reactions60 commentsOpen in Telegram
    Поскольку на этой неделе все обсуждают возможное решение (и воровство) Навье-Стокса (краткое содержание у Ильи Гусева), то самое время вспомнить, что проблема научной атрибуции результатов при использовании ИИ в науке уже была описана как риск в Лейденской декларации о ИИ и математике. Многие отдельные учёные и институты уже подписали декларацию (а некоторые учёные, например, Vladimir Lazic, заняли ещё более строгую позицию). И вот теперь такой прецедент — то ли доказательство частично украдено, то ли нет. Что предписывает декларация: 🟣 Раскрывайте использование инструментов: указывайте, какие ИИ и программы использовались. 🟣 Помогайте рецензентам: давайте ссылки и проверяемые доказательства. 🟣Следуйте открытой науке: делайте исследования прозрачными и доступными. 🟣 Отвечайте за корректность: ответственность всегда остаётся за авторами. 🟣 Сохраняйте человеческое авторство: ИИ не является автором работы. 🟣 Корректно указывайте источники: тщательно атрибутируйте идеи и результаты. 🟣 Участвуйте в публичной дискуссии: объясняйте обществу результаты, полученные с ИИ. 🟣 Следите за технологиями: понимайте возможности новых ИИ-инструментов. 🟣 Приветствуйте новых участников: делайте математическое сообщество открытым. 🟣 Осознанно выбирайте инструменты: учитывайте их открытость, эффективность и ценности. 🟣 Учитывайте этические последствия: избегайте исследований и партнёрств, способных причинить вред. Сюда бы можно было добавить ещё целый пункт про использование опен-сорсных моделей, хоть это и требует ресурсов. Я лично не верю, что OpenAI тяжело проверить, какие примеры попали в обучение модели, так как примеры всегда максимально фильтруются и проверяются на абляционных исследованиях. 🟣leidendeclaration.ai
  • 7.8K19 forwards159 reactions18 commentsOpen in Telegram
    Сегодня выступила на разогреве у Шмидтхубера 🥹 🟣
    superintelligenceconference.org/…https://www.superintelligenceconference.org
  • 9.2K41 forwards230 reactions33 commentsOpen in Telegram
    Post by “Kali Novskaya” from September 7, 2026
  • 13.1K34 forwards59 reactions19 commentsOpen in Telegram
    🟣Ollama тоже вышла ollama.com/blog/muse-glimmer
    ollama.com/…https://ollama.com/library/muse-glimmer
  • 10.3K38 forwards29 reactions3 commentsOpen in Telegram
    Ещё больше рецептов подвезли: 🟣NVidia blog про модель:
    developer.nvidia.com/…https://developer.nvidia.com/blog/run-local-agentic-ai-workflows-with-metas-muse-glimmer-on-nvidia/
     🟣NVidia NIM контейнер:
    catalog.ngc.nvidia.com/…https://catalog.ngc.nvidia.com/orgs/nim/meta/containers/muse-glimmer/-
     🟣VLLM inference
    recipes.vllm.ai/…https://recipes.vllm.ai/meta-models/Muse-Glimmer-30B
     🟣SGlang inference
    docs.sglang.io/…https://docs.sglang.io/cookbook/autoregressive/Meta/MuseGlimmer
     🟣AMD + LM Studio
    amd.com/…https://www.amd.com/en/blogs/2026/run-meta-muse-glimmer-30b-on-amd-ryzen-ai-max-and-radeon-gpus.html
  • 9.1K56 forwards40 reactions20 commentsOpen in Telegram
    🟣Unsloth Вышла квантизация Unsloth
    huggingface.co/…https://huggingface.co/unsloth/Muse-Glimmer-30B
    huggingface.co/…https://huggingface.co/unsloth/Muse-Glimmer-30B-GGUF
     И подробный гайд
    unsloth.ai/…https://unsloth.ai/docs/models/muse-glimmer
     🟣MLX MLX — тут будут версии fp4, 8bit и другие
    huggingface.co/…https://huggingface.co/models?other=base_model:finetune:meta-models/Muse-Glimmer-30B

The channel in numbers

Created
March 11, 2022
Photos
1.2K
Videos
23
Files
7
Links
592

Telegram data as of October 1, 2026

Reviews

Leave a review

No reviews yet. Yours would be the first.

Similar

More on this topic

AI