@rybolos_channel
Kali Novskaya
Telegram-канал @rybolos_channel: 19,2 тыс. подписчиков, 7,8 тыс. просмотров на пост
Оценки пока нет
За последние 30 дней здесь вышло меньше 5 постов.
- 19,2 тыс.
- Подписчики
- 7,8 тыс.
- Медиана просмотров за 30 дней
- 40,9%
- Просмотры / подписчики за 30 дней
- 3
- Постов за 30 дней
Данные на 18 ноября 2026 г.
описание каталога О канале от автора
Обзор
Составлен автоматически по данным канала, обновлён 23 октября 2026. Числа в тексте — на эту дату; свежие стоят плитками выше.
О научном ИИ изнутри: технические репорты по собственным моделям, бенчмарки для агентов, которые делают ML-рисёрч, разговоры про автоматизацию математики и других наук. Автор разбирает архитектуру открытых моделей — число параметров, мультимодальность, длину контекста — и тут же объясняет, зачем это нужно. Рядом соседствуют анонсы выступлений и стримов, ссылки на arXiv и HuggingFace, субботний мемотред.
Стиль — голос исследователя, который пишет коллегам: теги #nlp и #про_nlp, пометка TL;DR в начале длинного разбора, прямая речь без редакторского сглаживания. Ирония тоже допускается — от шуточной редакционной политики для комментариев ботов до ворчания о спорах про замедление обучения моделей.
На 22 октября: 19 091 подписчик при медиане категории 12 203 — канал крупнее половины из 91 записи в «Искусственном интеллекте». Медиана просмотров поста 7 714, ER 40,4 % против медианы категории 23,3 %: читают не по касательной. Постов за 30 дней 11 при медиане категории 20. За 28 дней наблюдений подписчиков прибавилось 52, средние просмотры опустились на 902. Place Score — 72.
Частые вопросы
- О чём канал @rybolos_channel?
- Об исследованиях в ИИ: технические репорты по моделям, бенчмарки для агентов, разборы открытых мультимодальных архитектур. Отдельная линия — автоматизация математики и науки, споры про замедление обучения моделей. Бывают анонсы выступлений, стримы и мемотред.
- Можно ли купить рекламу в @rybolos_channel?
- Прайс владелец не открывал, поэтому условий и сумм на странице нет. Договариваться придётся напрямую с владельцем в Telegram.
- Сколько подписчиков?
- Подписчиков — 19,2 тыс. Медиана просмотров поста — 7,8 тыс. Просмотров на подписчика — 40,9%. Данные на 18 ноября 2026 г.
- Как часто выходят посты?
- За 30 дней вышло постов: 3 — это реже раза в неделю. Данные на 18 ноября 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 владениеЗаймёт 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.
Наведите на график или проведите пальцем — покажем день.
Последние посты
- 🌸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/ - Реклама
- 🌸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!
О канале в цифрах
- Создан
- 11 марта 2022 г.
- Фото
- 1,2 тыс.
- Видео
- 23
- Файлы
- 7
- Ссылки
- 600
По данным Telegram на 18 ноября 2026 г.
Отзывы
Оставить отзыв
Отзывов пока нет. Ваш будет первым.