@datastorieslanguages

Data, Stories and Languages

Telegram-канал @datastorieslanguages: 3,8 тыс. подписчиков, 1,3 тыс. просмотров на пост, оценка 57

Искусственный интеллект

57CВыше, чем у 5 из 10 каналов категории

Середина категории 46–63Этот канал 57

3,8 тыс.
Подписчики: 1,3 тыс.
Медиана просмотров за 30 дней: 34,7%
Просмотры / подписчики за 30 дней: 19
Постов за 30 дней

Данные на 1 октября 2026 г.

Открыть в Telegram

Поделиться В сторис

Об искусственном интеллекте, языках и данных — для тех, кто следит за практикой машинного обучения, лингвистикой и инструментами на основе языковых моделей. Автор разбирает свежие работы: driving-модель Qwen-Drive на базе VLM, новую версию Claude с подешевевшим кэшем и снижением цены решения задач, обновление ChatGPT для генерации изображений и качество перевода с японского через GPT. Среди постов — рассказ об участии в соревновании Kaggle по геонавигации буровой скважины и пет-проект: читалка для многоязычных книг с подсказками по грамматике и словарям для десяти языков. На 13 сентября: у канала 3,7 тыс. подписчиков — меньше медианы категории. При этом ER держится на 39,1 %, заметно выше медианы категории в 23,2 %, а по числу постов за 30 дней канал на уровне соседей.

описание каталога О канале от автора

Канал о ML/AI, изучении иностранных языков, книгах и жизни. Контакт с автором t.me/Erlemar Персональный сайт: andlukyane.com Рекламу не публикую Забустить канал можно тут:

t.me/…

https://t.me/boost/datastorieslanguages

Частые вопросы

Сколько подписчиков?: Подписчиков — 3,8 тыс. Медиана просмотров поста — 1,3 тыс. Просмотров на подписчика — 34,7%. Данные на 1 октября 2026 г.
Как часто выходят посты?: За 30 дней вышло постов: 19 — это почти каждый день. Данные на 1 октября 2026 г.
Есть ли у канала галочка Telegram?: Галочки Telegram нет.
Кто ведёт страницу канала в каталоге?: Пока никто. Если это ваш канал — заберите страницу: сможете отвечать на отзывы и видеть её статистику.

Это ваш канал?

Подтвердите владение — точные метрики и что улучшить, ответы на отзывы от лица канала и бейдж владельца на странице.

Подтвердить владение

Займёт минуту: пост с кодом или бот в администраторах
Ваша страница в tg.place

Знаете владельца?

Перешлите ему это сообщение — он подтвердит права и заберёт накопленное: статистику страницы и ответы на отзывы.

Подписчики+238 за 37 дней

3 8133 575

1 окт.3 813+4 за день

Наведите на график или проведите пальцем — покажем день.

Из чего складывается
Вовлечённость	13 из 30
Качество роста	13,3 из 20
Реакции и пересылки	6,9 из 15
Регулярность	11,4 из 12
Доверие	3,9 из 8
Отзывы	недостаточно данныхотзывов пока нет

Оценка 57 — по 5 показателям из 6: остальные пока не измерены. Методология

Как читается это число

Последние посты

вчера72914 пересылок5 реакций1 комментарийОткрыть в Telegram
NVIDIA Kumo Tabular
huggingface.co/…
https://huggingface.co/blog/nvidia/kumo-tabular
NVIDIA выпустила новую либу для табличных данных. Тренировали исключительно на синтетических данных. Уверяют, что модель лучше всех конкурентов на TabArena leaderboard. Правда на официальном лидерборде этой модели нет. Верим в успех? #datascience #ai
Ещё
вчера7955 пересылок26 реакций6 комментариевОткрыть в Telegram
Kaggle: я свободен! Разбанили! И я был ни в чём не виновен :) "After reviewing the information and other materials submitted in your appeal, we have decided to reverse our prior decision, and have taken action to reinstate your content and/or account on our platform. This restriction was in response to recent unauthorized activity on your account, which was a result of unauthorized third-party access rather than deliberate policy violations on your part." #kaggle
Ещё
3 дня назад1,2 тыс.8 пересылок24 реакции6 комментариевОткрыть в Telegram
Меня тут это... на Kaggle забанили говорят, что за автоматизацию Единственная причина о которой я подозреваю - клод засабмитил ноутбук на тпу и проверял его статус раз в час или раз в полчаса Подал appeal, жду #kaggle
22 сент.1,4 тыс.Открыть в 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
Ещё
21 сент.1,2 тыс.13 пересылок8 реакций3 комментарияОткрыть в Telegram
DeepSeek-V4.1-Flash: Frontier Agents on a Smaller Memory Budget Большая часть недавнего прогресса в LLM — это reasoning, масштабные RL-rollouts и всё более изощрённое обучение агентов. Но одним из bottlenecks остаётся контекст. Coding agents, research agents и tool-using системы раз за разом обрабатывают сотни тысяч токенов входа, генерируя при этом сравнительно мало выхода. На таком workload prefill-компьют и KV cache становятся главной инфраструктурной проблемой. DeepSeek-V4.1-Flash — это, по сути, попытка перепроектировать Transformer вокруг этого сценария. 552B MoE backbone, 1M контекст, нативное зрение, 45T мультимодальных токенов на претрейне. Работают три механизма: - Causal Encoder-Decoder (CED): 40 слоёв делятся на 20-слойный causal encoder и 20-слойный decoder. Каждый decoder-слой проецирует свой global KV не из собственных hidden states, а из финального hidden state энкодера, поэтому декодер можно пропустить на prefill. Отсюда асимметрия: около 8B активных параметров на токен в prefill против 16B в decode. - Compressed Sparse Attention 2 (CSA2): каждый слой статически получает один из трёх режимов — Full, Reindex или Reuse. Sharing KV экономит память, sharing Top-K-индексов ещё и убирает повторное скорингование всей истории. В итоге один decoder-слой создаёт main KV, который читают все двадцать, а вместе с FP4-квантованием это ужимает global cache до 890 байт на токен, примерно четверть от DeepSeek-V4-Flash. - SWA Bounded Replay: sliding-window KV вообще не персистится между ходами, а на cache hit восстанавливается проигрыванием одного окна токенов вместо честной реконструкции по всем слоям. Реконструкция неточная, но авторы оценивают потерю качества как незначительную. На post-training практически весь прирост идёт из масштабирования синтезированных задач и агентных окружений. Отдельно любопытен раздел про RL failure modes: агенты занимаются reward hacking, эксплуатируют реальные уязвимости в песочницах, удаляют системные бинарники, а иногда сносят файловую систему целиком. Paper Model Мои обзоры: Блог Medium #paperreview
Ещё
17 сент.1,3 тыс.5 пересылок9 реакций3 комментарияОткрыть в Telegram
Data & AI London Meetup
meetup.com/…
https://www.meetup.com/data-ai-london/events/316165116/
22 сентября в Лондоне буду делать доклад: буду снова рассказывать про "AI-driven participation in Kaggle competitions, на этот раз добавлю опыт из соревнования ROGII. Помимо этого будет ещё два доклада: Javier Ramirez: When Your Wire Protocol Becomes the Bottleneck Alexy Golev: When the Bug Looks Like Success: Reliability Patterns for Multi-Agent AI Systems #datascience #career
Ещё
16 сент.1,3 тыс.12 пересылок33 реакцииОткрыть в Telegram
15 сент.1,3 тыс.6 реакций5 комментариевОткрыть в Telegram
GDE Swag Недавно я рассказывал как я пробовал Antigravity в рамках программы Google Developer Expert. Потом я ещё участвовал в peer review других проектов: в целом было неплохо, откровенно плохих проектов было мало и несколько было прям интересными. А ещё мне за это пришёл прикольный swag :) #ai #career
13 сент.1,5 тыс.1 пересылка5 реакций2 комментарияОткрыть в Telegram
Рекомендую канал Хочу порекомендовать вам интересный канал о регулировании систем ИИ по всему миру: ИИ & Право. Новые законы, судебные кейсы, международные инициативы, статьи об ИИ-комплаенсе и управлении рисками ИИ, вопросы этики и правовые казусы - все это со ссылками на первоисточники и документы, которые авторы канала ищут специально для вас. Присоединяйтесь к ИИ & Право, чтобы не отстать от быстроразвивающейся новой отрасли. Канал доступен также и на английском языке. Весьма актуально, учитывая как Dario недавно заявил о том, что надо замедлять разработку frontier AI.
Ещё
12 сент.9 реакцийОткрыть в Telegram
Медиа