@senior_augur

Старший Авгур

Telegram-канал @senior_augur: 8,3 тыс. подписчиков, 6,3 тыс. просмотров на пост, оценка 70

Искусственный интеллект

70BВыше, чем у 8 из 10 каналов категории

Середина категории 46–63Этот канал 70

8,3 тыс.
Подписчики: 6,3 тыс.
Медиана просмотров за 30 дней: 75,6%
Просмотры / подписчики за 30 дней: 9
Постов за 30 дней

Данные на 1 октября 2026 г.

Открыть в Telegram

Поделиться В сторис

Об исследованиях искусственного интеллекта, языковых моделях и математике вокруг них — для тех, кто следит за новостями big tech и разработчиков. На 14 сентября: подписчиков 8,1 тыс., ER — 81,5 %, заметно выше медианы категории, при этом подписчиков меньше медианы, а постов за 30 дней вышло 11, реже, чем у соседей по категории. Среди недавних тем — история математиков Тристана Бакмастера и Левента Альпёге, пересекавшихся с OpenAI и Anthropic, разбор Flow Matching как подхода к генерации изображений в Stable Diffusion 3.5 и FLUX.2, запуск поискового бенчмарка Needle и переименование Web Query Language в Keenable SELECT. Автор пишет и про карту нейронов дрозофилы FlyWire, и про инциденты безопасности с языковыми моделями вроде Kimi K3.

описание каталога О канале от автора

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

Частые вопросы

Сколько подписчиков?: Подписчиков — 8,3 тыс. Медиана просмотров поста — 6,3 тыс. Просмотров на подписчика — 75,6%. Данные на 1 октября 2026 г.
Как часто выходят посты?: За 30 дней вышло постов: 9 — это несколько раз в неделю. 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+404 за 36 дней

8 2897 885

1 окт.8 289+1 за день

Наведите на график или проведите пальцем — покажем день.

Из чего складывается
Вовлечённость	28,3 из 30
Качество роста	13,1 из 20
Реакции и пересылки	8,7 из 15
Регулярность	5,4 из 12
Доверие	4,4 из 8
Отзывы	недостаточно данныхотзывов пока нет

Оценка 70 — по 5 показателям из 6: остальные пока не измерены. Методология

Как читается это число

Последние посты

21 сент.4,1 тыс.177 пересылок106 реакций67 комментариевОткрыть в 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.
Ещё
19 сент.12,7 тыс.46 пересылок24 реакции3 комментарияОткрыть в 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
18 сент.5,4 тыс.119 пересылок82 реакции45 комментариевОткрыть в 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.
Ещё
14 сент.6,3 тыс.17 пересылок73 реакции14 комментариевОткрыть в Telegram
Совпадение? Не думаю. Alt-man тоже не просто так! (
x.com/…
https://x.com/NeilJacobs/status/2098917538167988645
)
8 сент.10,7 тыс.86 пересылок78 реакций2 комментарияОткрыть в Telegram
8 сент.9,8 тыс.352 пересылки102 реакции52 комментарияОткрыть в 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?
Ещё
8 сент.4,4 тыс.85 пересылок102 реакции7 комментариевОткрыть в 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) 🐵
2 сент.5,4 тыс.70 пересылок31 реакция1 комментарийОткрыть в 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! 👈🏼
Ещё
1 сент.13,4 тыс.165 пересылок67 реакций33 комментарияОткрыть в 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.
Ещё
31 авг.5,7 тыс.14 комментариевОткрыть в 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.