@senior_augur

Старший Авгур

Telegram channel @senior_augur: 8.3K subscribers, 6.3K views per post, score 70

Artificial intelligence

70BAhead of 8 in 10 channels in its category

Category midrange 46–63This channel 70

8.3K
Subscribers: 6.3K
Median views over 30 days: 75.6%
Views / subscribers over 30 days: 9
Posts over 30 days

Data as of October 1, 2026

Open in Telegram

Share To story

About artificial intelligence research, language models and the math behind them, for people following big tech and developer news. As of 14 September: 8.1K subscribers, ER at 81.5%, well above the category median, though subscriber count sits below the category median and only 11 posts went out in 30 days, less often than others in the category. Recent topics include the story of mathematicians Tristan Buckmaster and Levent Alpöge, whose paths crossed with OpenAI and Anthropic, a breakdown of Flow Matching as an approach behind Stable Diffusion 3.5 and FLUX.2 image generation, the launch of the Needle search benchmark, and Web Query Language being renamed Keenable SELECT. The author also covers the FlyWire map of a fruit fly's neurons and security incidents involving language models such as Kimi K3.

catalog description About the channel, by its author

Сохраненки и шитпост про ML от @YallenGusev Чат канала: @augur_chat

Common questions

How many subscribers?: Subscribers: 8.3K. Median views per post: 6.3K. Views per subscriber: 75.6%. Measured on October 1, 2026.
How often are posts published?: Posts in the last 30 days: 9 — 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+404 in 36 days

8,2897,885

Oct 18,289+1 in a day

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

What it is made of
Engagement	28.3 of 30
Growth quality	13.1 of 20
Reactions and forwards	8.7 of 15
Consistency	5.4 of 12
Trust	4.4 of 8
Reviews	not enough datano reviews yet

Score 70 — from 5 of 6 signals: the rest are not measured yet. Methodology

Latest posts

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

Sep 214.1K177 forwards106 reactions67 commentsOpen in Telegram
Наткнулся на видео разработчицы Grok Bot:
x.com/…
https://x.com/poteto/status/2102050467505430555
И там есть один момент, который мне крайне близок. В случае с агентами, комменты к коду - абсолютное зло. Они позволяют агентам оправдывать идиотские решения и заплатки, плюс тратят кучу токенов ни на что. Кроме того, они иногда рассинхронизируются с актуальным состоянием кода. Во всех своих репо пару месяцев назад удалил их к чёрту и запретил новые линтером, и вам советую. Жить стало гораздо проще.
More
Sep 1912.7K46 forwards24 reactions3 commentsOpen in Telegram
Сегодня буду рассказывать про NEEDLE на Practical ML Conf. Там же Антон (@abstractDL) прямо сейчас рассказывает про Ouroboros. Программа: pmlconf.yandex.ru/2026/program Стрим:
youtube.com/…
https://www.youtube.com/watch?v=8IWLBsQU7qE
Sep 185.4K119 forwards82 reactions45 commentsOpen in Telegram
Долго думал стоит ли, но всё-таки напишу пост насчёт Jev. Это zero-shot классификатор, который умеет для заданного набора классов выдавать вероятности и уверенность в ответе. Умеет сразу в несколько параллельных вопросов. Я вчера получил к нему доступ, забенчмаркал на рабочей задачке по определению есть ли заданная информация на страничке в интернете. По качеству Gemini 3.5 Flash Lite < Jev ≈ GLM 5.3 Flash no effort < GLM 5.3 Flash low effort. GLM 5.3 Flash брал у Baseten. По цене Jev в 3 раза дешевле GLM 5.3 Flash: 25 центов за 1000 страничек vs 75 центов. По скорости в 4 раза быстрее GLM 5.3 Flash: 300ms p50 vs 1200ms p50, 400ms p90 vs 3000ms p90. Длина контекста у Jev 32к vs 1M+ у GLM 5.3 Flash. Хорошая модель, короче, но не прям уж отрыв от GLM 5.3 Flash (который так-то и текст генерировать умеет). Но что важно, на коротких контекстах скорость <200ms, то есть практически мгновенно для человека.
More
Sep 146.3K17 forwards73 reactions14 commentsOpen in Telegram
Совпадение? Не думаю. Alt-man тоже не просто так! (
x.com/…
https://x.com/NeilJacobs/status/2098917538167988645
)
Sep 810.7K86 forwards78 reactions2 commentsOpen in Telegram
Sep 89.8K352 forwards102 reactions52 commentsOpen in Telegram
Действующие лица: • Тристан Бакмастер. Профессор математики в NYU, специалист по уравнениям гидродинамики. • Левент Альпёге. Математик из Anthropic, частный соавтор Тристана. • Себастьен Бубек. Исследователь OpenAI, вёл переговоры с Тристаном. Что произошло: • 19 сентября 2025. Левент пишет Тристану письмо «Normal pure math collaboration with ai»: предлагает вместе взяться за проблему тысячелетия, чтобы результат "достался математикам, а не корпорациям" 😂 • Работают до августа 2026. Работают частно, без участия Anthropic ("a purely personal collaboration, free of any institutional agreements or official involvement"), с помощью агентов (Claude, Codex, Sol, Astra); все черновики заливают в Codex. 15 августа наконец решают важную часть задачи (но не всю!). При этом им не нравится сгенерированное доказательство (его очень сложно читать), и они пытаются его переработать, поэтому не публикуют. • 28 августа 2026. OpenAI начинают учить новую модель, которая почему-то жёстко умеет в математику. • 1 сентября. В OpenAI появляется внутренний слух: "Anthropic решила 2 задачи тысячелетия". Отчасти потому что Левент загадочно твитит "Augustus Mirabilis". OpenAI бросает новую модель на все задачи тысячелетия. • 3 сентября. Слухи делают оборот и доходят до источников. Тристан пишет шапочно знакомому математику из OpenAI: проект личный (=не относится к Anthropic и сделан на свои деньги), скоро опубликуем. • 4 сентбяря. Появляется больше твитов, типа этого, где явно написано "Claude решил Навье-Стокса". Всё это продолжение непубличных слухов внутри OpenAI, которые теперь публичны. • 6 сентября. Себастьен звонит Тристану. Сообщает, что модель OpenAI решила Навье–Стокса (одну из задач) тем же редким маршрутом, что и Тристан и Левент решили свою, на что Тристан интересуется, использовали ли они их сессии в Codex в обучающих данных, ответа не получает. Себастьен предлагает Тристану быть первым автором решения OpenAI, но без Левента (потому что он из Anthropic). Тристан отказывается. Со стороны Себастьена звучит парочка высокомерных фраз, за которые он потом извиняется. • Ночь на 8 сентября. Тристан и Левент срочно публикуют работы и заявление. • 8 сентября. OpenAI публикует решение; признаёт приоритет пары, и не исключает, что модель училась на их данных. Себастьен подтверждает предложение сделать автором Тристана без Левента, обвинение в плагиате отрицает. • Тристан вопрошает: "Этично ли использовать данные клиента, чтобы попытаться обойти этого же клиента?" И у меня тот же вопрос, только в профиль. Как нам жить-то, когда OpenAI и Anthropic могут подрезать всё, что угодно?
More
Sep 84.4K85 forwards102 reactions7 commentsOpen in Telegram
увидела только что первый трейлер Artificial - фильма про события в openai, связанные с увольнением Сэма Альтмана на 5 дней и тем, к чему это привело Эндрю Гарфилд который второй человек-паук играет Сэма Альтмана, а Юра Борисов из Аноры играет Илью Суцкевера. Звучит как сон при температуре 39, но нет, этот шедевр действительно выйдет 25 декабря (и я скорее всего пойду его смотреть даже) 🐵
Sep 25.4K70 forwards31 reactions1 commentOpen in Telegram
Flow Matching: обучение и дистилляция Flow Matching — один из главных подходов генерации изображений сегодня. Его используют такие семейства, как Stable Diffusion 3.5 и FLUX.2. Но у такой генерации есть и проблема: чтобы получить одну картинку, модель нужно запустить десятки или сотни раз! Сегодня разбираем внутрянку метода и быстрый способ дистиллировать модель в одношаговый генератор 🏎 В новой статье рассказываем: - что такое Flow Matching и при чём тут поля 🌾 - почему генерация требует большого числа шагов и почему это проблема - как дистиллировать уже обученную модель в одношаговый генератор и как с этим связаны игры 🎲 P.S. Много интуиции, математики и практических деталей обучения 🧠 Читайте статью по ссылке! 👈🏼
More
Sep 113.4K165 forwards67 reactions33 commentsOpen in Telegram
Web Query Language (WebQL) в середине пути переименовался в Keenable SELECT. Галерея отчётов:
keenableai.github.io/…
https://keenableai.github.io/select-showcase/
Демка: app.keenable.ai/select/start Тут 2 вещи: 1) MCP инструмент, который позволяет делать SQL запросы к интернету с семантическими операторами. То есть вы буквально говорите "достань мне вот все эти поля из всех страничек, которые ты нашёл", и он находит и достаёт. 2) Агент и демка поверх этого MCP инструмента, которые вдобавок генерируют красивые отчёты на основе того, что было найдено. Работает это поверх нашего поиска/фетча и маленькой проприетарной языковой модели. Для агента и отчётов используюся большие проприетарные языковые модели (Sol и Fable соответственно). Лимит: 2 сессии одновременно, требуется регистрация. Любая обратная связь приветствуется. Могут быть баги, поэтому пишите всё, что не так.
More
Aug 315.7K14 commentsOpen in Telegram
Новая Мера:
mera.a-ai.ru/…
https://mera.a-ai.ru/ru/text/leaderboard
Горячо рекомендую посмотреть глазами на датасеты:
huggingface.co/…
https://huggingface.co/collections/MERA-evaluation/mera-text-v20
LIMUR и RussianRegions очень мемные.