15113
life = curiosity + irreducible noise Whois: https://t.me/boris_again/1652 Лс: @btseytlin
За два месяца было 12 мок собеседований и карьерных консультаций.
К моему удивлению брали в основном консультации. Мне казалось, что ценность мока гораздо проще оценить, а карьерная консультация это нечто непонятное. Но моков было всего три штуки, а всё остальное это консультации. Чаще всего приходили с запросом вида: "у меня всё уже неплохо, но не очень понятно что делать дальше со своей карьерой." Часто с приставкой вроде "я всего лишь пишу на C++ и копаюсь в GPU, кому я сейчас такой нужен..." 😂 В общем, подрабатываю дорогим терапевтом для ML-щиков, записывайтесь.
—
Мок собеседования и карьерные консультации по 150 евро всем и каждому
Мой питч остается таким же, как когда я менторил людей в течение всего поиска работы. Искать работу тяжело. Может иметь смысл заплатить кому-то (мне), чтобы сделать этот процесс проще, повысить шансы на успех и увеличить будущий оффер.
Я могу помочь с собеседованиями и карьерным путем в ML/DS или Backend разработке (а так же в меньшей степени в других направлениях в IT). Вы можете оценить мой подход по моей Методичке по поиску работы в DS/ML, посмотрев запись мок-собеседования по ML system design или по постам в канале на тему карьеры. Вот тут есть несколько отзывов.
Стоимость 150 евро.
Забронировать слот можно здесь:
https://calendly.com/iambtseytlin
Бронируя слот не забудьте заранее отправить мне в личку своё CV и нужный контекст, чтобы я мог подготовиться
Dogfooding? Слышал об этом, я тоже кормлю своих разработчиков собачьей едой
Читать полностью…
про нейронки и машинное обучение простыми словами
Из каждого утюга сказали про нейронки, но никто так и не смог донести до меня простыми словами, как именно чат жпт и дипсик выдают ответ на наши вопросы.
Ко мне на подкаст пришел Борис, который пишет книгу про ИИ для всех. В своей книге Борис рассказывает простыми словами для таких как я, что под капотом у нейросетей.
Обсудили с Борисом:
🟡как именно текстовые нейронки анализируют запрос и как именно выдают ответ
🟡как обучают нейронки и почему их бьют палками
🟡почему нейросети галлюцинируют
Получился насыщенный подкаст, послушать можно:
на youtube
на яндекс.музыке
в apple подкастах
У админа немного течет крыша, накидайте мемов в комментариях
Читать полностью…
Сегодня любим Claude Code
В голове давно витала идея: что если все формулы в книге заменить на красивые картинки с подписями? Можно и визуально облегчить, и текст сделать проще.
Проблема в том, что перерисовывать всё сил нет.
Подумано — завайбкожено. Показываю Claude Code и говорю — там же есть вроде бы какая-то либа, чтобы сделать математические визуализации из кода. Найди все Latex формулы и переделай, чтобы у меня был скрипт из которого генерируются картинки с формулами для каждой главы, и чтобы md файлы исходников их сразу подтягивали.
Он откопал manim, придумал как адаптировать его для создания картинок, очень долго страдал над latex шаблонами и шрифтами. В итоге получается такая красота и почти бесплатно. Всё равно много приходится поправлять руками (у моделей всё плохо с вижном), но клево же. Сам бы я не осилил это сделать.
To mitigate eval awareness you don't necessarily have to make the sandboxes more realistic
Читать полностью…
Платформа VoiceKit от Т-Технологий теперь анализирует и живые разговоры сотрудников с клиентами
Если раньше платформа работала только с чатами и звонками контакт-центров, то теперь она может обрабатывать записи диалогов в офлайн точках: медклиниках, отелях и т.д. Все, что нужно сделать, – перекинуть запись беседы на платформу с аудиобейджа или микрофона сотрудника в конце смены. Платформа сама уберет ненужный шум на фоне, превратит речь в текст и сегментирует запись на отдельные консультации.
Транскрибировать аудио не новая задача. Самое сложное это получить из горы записей ценную информацию. VoiceKit использует для этого дашборды и семантический поиск, однако разработчики пошли дальше и добавили AI агента на базе собственной большой языковой модели T-Pro. С его помощью бизнес может получить ответы на основные беспокоящие вопросы, вроде: «почему клиенты отказываются от допуслуги», «каких товаров не хватало» или «что не нравится покупателям». Подбирать слова для запроса не нужно — инструмент распознает вопрос даже в свободных формулировках, а потом проверит гипотезу на выборке диалогов.
В платформу также встроен быстрый умный поиск по множеству коммуникаций – с его помощью компании могут понять, носит ли конкретная проблема системный характер или нет.
#дайджест
Дайджест AI/ML за неделю 16-22 февраля
Google: Gemini 3.1 Pro
В ежемесячной ротации компании с SOTA LLM настало время Google.
На SWE-Bench прорывов нет, по большинству бенчмаркрв небольшой отрыв, во многом потому что модели начиают упираться в потолок. Самый заметный рост в агентных (ARC-AGI 77.1% [+9пп], использование MCP 69% [+9пп]) и научных (Humanity's Last Exam 44.4% [+4.4пп], SciCode 59% [+3пп]) бенчмарках. Длина контекста все также 1М. Цена $2/$12, то есть сравнимо с GPT-5.2 и в 2 раза дешевле Opus 4.6.
Доступно как обычно в Google AI Studio, Gemini CLI, Google Antigravity и по API.
бэнчмарки, блогпост.
Google: Lyria 3
Генератор музыки от Google. Треки всего по 30 секунд, из необычного - мультимодальность, можно приложить картинку как референс. Больше ориентируются не на на диктовку текста песни в промпт, а на общее описание "напиши мне песню о X". Теперь это модель по умолчанию в YouTube Dream Track - инструменте для создания саундтреков к видео.
Попробовать здесь, Блогпост
Anthropic: Sonnet 4.6
Качество Opus 4.5 по цене Sonnet 4.5 ($3/$15). При этом по Computer use, tool use и другим агентским бенчмаркам находится на уровне Opus 4.6, по эрудиции и MMMU ожидаемо отстает и от Opus 4.5. Также увеличили контекст до 1М.
Доступна везде как модель по умолчанию.
Блогпост
xAI: Grok 4.20 (Beta)
Четыре Grok 4.1 агента в пальто и шляпе с разными ролями спорят чтобы получить ответ. В общем, Mixture of Mixtures of Experts. Текущая бета - вариант на 500B параметров, крупнейший ещё тренируется.
Доступно на grok.com для подписчиков SuperGrok
ByteDance: Seedance 2.0 Выпуск API откладывается, чтобы зачистить генерации от копирайта
Claude Code Security: агент для поиска уязвимостей в коде, успел уронить акции Cloudflare и CrowdStrike
FireRed: FireRed-Image-Edit 1.0 еще один китайский оупенсорс-стартап выпустил редактор картинок. Обгоняет всех подряд на их собственном бенчмарке REDEdit-Bench (верим). github, HF
Sarvam: Indus AI (105B)
We’re gradually rolling out Indus on a limited compute capacity, прокомментировал CEO компании. Объявляется конкурс шуток про название
@boris_again
Gemini 3.1 Pro
model card
Обновили нашу флагманскую модель, основной фокус в этом релизе на агентских способностях и кодинге, но и в общих способностях моделька подкачалась. Цена осталась такой же, как на 3 Pro.
Поиграться, как обычно, можно на ai.dev
# Как книга, Борис? Пост боли
В своем канале принято писать о том как у тебя всё круто. Это обязательно будет, но не сегодня.
Давно я не писал про свою книгу под рабочим названием "ИИ для всех." Вот что происходило: под новый год, спустя более 14 месяцев работы вместо ожидаемых изначально 9, я дописал рукопись. Ура! Теперь мы с издательством будем вместе её редактировать! Подумал я.
Но оказалось, что теперь мне нужно найти научного редактора и первый раз отредактировать книгу вместе с ним самостоятельно. Научред — это такой именитый и технически подкованный в теме человек, желательно с мощным хиршем, который поставит на книге подпись: "здесь всё четко."
Я был к этому готов, позвал своего бывшего начальника из Яндекса, PhD, постдока и именитого NLPшника — Диму. Мы вместе месяц редактировали книгу. В этот период я работал над ней почти каждый день. В спорах было сломано много копий. В основном потому, что я бываю тем ещё упертым бараном, а относительно книги ещё включается режим "я художник, я так вижу." Многие главы были переписаны, иллюстрации переделаны, формулы выброшены, объяснения упрощены. Книга объективно стала намного лучше.
Однако это был тяжелый период. Вероятно самый тяжелый до сих пор. Дело в том, что писать трудно, но весело. Ты изучаешь, творишь и развиваешься. Редактировать ощущается как более техническая работа: тяжело и муторно. Похоже на написание диплома. Хочется просто побыстрее разделаться с этим. Но в отличие от диплома это будут читать и ты не можешь сделать абы-как.
Наконец, я отправил заветные 220 страниц рукописи издательству. Даже все опечатки оттуда убрал и пунктуацию расставил (спасибо Gemini 3 Pro). Вот теперь они примут рукопись, мы начнем совместную работу, за дело возьмутся профессионалы и мячик будет не на моей стороне! Подумал я. И снова оказался неправ. Издательство пропало на две недели и вернулось с комментарием уровня: "Нашим читателям будет такое не понятно, попробуйте написать понятнее, в таком виде принять книгу не можем."
Вы когда нибудь пробовали 15 месяцев писать самую понятную на свете книгу про искусственный интеллект, чтобы услышать предложение написать понятнее?
При том, что я буквально давал онлифанс модели прочитать первую главу книги и она всё поняла (я хорошо знаю свою целевую аудиторию).
Я уже представил во всех красках прекрасный опыт поиска нового издателя в середине процесса. Но мы созвонились с Альпиной и, насколько я вижу, смогли найти общий язык. Будет ещё как минимум одна итерация редактирования с моей стороны. С более конкретными ожиданиями чем "сделайте понятнее." Книга станет ещё лучше. Надеюсь оно того стоит!
По текущему плану книга выйдет в печать в ноябре 2026.
Как же я был наивен в начале! Кажется по изначальным представлениям я уже должен был её опубликовать. Очень страшно не успеть. Вдруг ИИ хайп пройдет? Вдург её содержание устареет? Вдруг мы все станем скрепками и читать будет некому? Вдруг будет бутлерианский джихад и за нейросети будут вешать на столбах? Вдруг книга не поможет мне стать Forbes 30 понтов до 30? Вдруг книга не выиграет "Просветителя", или вообще не будет никому интересна? Вдруг всё это зря?
Конечно ко всему этому надо относится стоически. Слишком много факторов не под моим контролем. Книга это долгосрочная история. Я сделаю всё, что в моих силах, а выйдет она когда выйдет. Главное в процессе не словить 30 инсультов до 30.
Стараюсь для себя рефреймить ситуацию: трудности это плата за попытки что-то делать. Если бы я лежал на диване и не писал бы никакой книги, то не было бы никаких переговоров с издательством. Но раз уж решил делать, то такова цена.
Как видите можно вообще не читать. Видео не ускорено
Ревьюить статьи до того как они загрузились: 🧠🧠🧠
Очень забавно: просто выбираешь то ревью, что хуже (без форматирования, короче, более агрессивное) и в 9/10 случаях это Human
Читать полностью…
🐉 Открыт набор на Technical AI Safety курс по оценке LLM: подходы, бенчмарки и методология
Evals for AI Safety — это методология измерения качества, надежности и безопасности ИИ-систем. В условиях повсеместного внедрения языковых моделей в продакшн умение корректно оценивать их возможности и риски становится приоритетным навыком.
Как устроен курс:
🔘Анализ методологии evals на основе современных и классических статей в области
🔘Менторы из Apollo research, AI Lab SKOLKOVO, AIRI Institute, Яндекс и др
🔘Обучение в мини-группах, по 4-6 человек
🔘Формат: оффлайн в Москве или онлайн
🔘Ожидаемая нагрузка: 10-15 часов в неделю
🔘Стоимость: бесплатно, отбор на конкурсной основе
Цель курса:
Дать базу для начала карьеры в области оценки ИИ и понимание того, какую роль evals играет в AI Safety. Программа знакомит с основными концепциями evals, учит анализировать существующие бенчмарки, проектировать собственные оценки и разрабатывать дизайн экспериментов в области evals. Участники курса освоят Inspect AI (один из самых популярных фреймворков для оценки LLM).
Кого мы ждем:
🔘Студентов STEM-направлений, планирующих карьеру в области ИИ
🔘IT-специалистов, желающих освоить навык тестирования языковых моделей
🔘Продвинутых и начинающих специалистов в области ML, которые хотят углубиться в методологию оценки моделей
Подробнее: тут
Подать заявку на участие в курсе, а также на фасилитацию можно до 22 февраля: тут
Если вам интересно менторство, преподавание, сотрудничество с курсом или вы хотите задать вопрос, то напишите Юле
Подался в https://30-under-30.forbes.ru/get-in в категории "Наука и технологии."
Это мой последний шанс туда податься. Чуть не провафлил: дедлайн уже 15 февраля. Если вы хотели подаваться, то тоже не вафлите
Я хочу быть самым успешным безработным. Попробуем не соскамиться (слишком быстро)
Хороший анализ тропов которые выдают AI текст. Так же может служить хорошим гайдом для людей: как писать, чтобы не быть похожим на корпоративного зомби с Linkedin.
Насколько модели будут писать лучше если вставить это в промпт — не знаю. Если кто-то заметит реальное улучшение отпишите пожалуйста
https://tropes.fyi/tropes-md
Поумнели немного и хватит. Давно не показывал вам как продвигается моё хобби — стендап на английском. Ловите новые четыре минуты.
Раньше показывать было особо нечего. Но на днях планеты выстроились в ряд, я хорошо выступил и это попало на запись.
Любопытно, что у меня довольно дегенератская простая по темам комедия. Возможно потому, что в жизни хватает мест где надо быть умным, а на сцене скорее хочется быть простым веселым парнем с обостренной самоиронией.
🚀 Открыта регистрация:
Agentic Legal RAG Challenge 2026
Если вы строите RAG / agentic pipelines (ingestion → retrieval → generation) и вам важны метрики, близкие к реальному продакшену, это соревнование для вас.
Что именно оценивают:
✅ Answer quality — насколько ответ корректный по сути
✅ Grounding / faithfulness — подтверждён ли ответ конкретными фрагментами из юридических источников (c citations / chunk-level evidence)
✅ Latency / TTFT — скорость, включая time-to-first-token (как быстро система начинает отдавать ответ)
Формат: Online участие / Live leaderboard + финальная проверка на private test set (без возможности “подгонки под паблик”)
Данные: 300+ юридических документов и 1 000+ вопросов
🏆 $32 000 призовой фонд — один из крупнейших в мире в сегменте Legal RAG/Agentic
📅 Период соревнования: 11 - 25 марта 2026 (регистрация уже открыта)
👉 Детали и регистрация: www.agentic-challenge.ai
Если у вас команда и уже есть свой стек (embeddings / vector DB / rerankers / LLM / tooling) — отличный шанс сравнить подходы на нормальной постановке и метриках.
Спустя час после того как пересел с Claude на Grok:
Читать полностью…
Bullshit Benchmark https://github.com/petergpt/bullshit-benchmark
Читать полностью…
А вы говорили у Антропика нереалистичные сценарии для эвалов на безопасность
Читать полностью…
OpenTalks.ai 2026 был просто супер. Хочу сказать отдельное спасибо Роме за то, что позвал меня.
Общаться по 12-14 часов каждый день три дня подряд обычно не в моем стиле, но здесь получалось легко и естественно. Поймал ощущение легкой дереализации как в детском лагере в детстве.
Только тут все умные. Обсуждают как заставить агентов хорошо писать научные статьи про агентов, в чем природа сознания и какие корпорации стоило бы национализировать. Остаёшься с желанием умнеть и скорее что-то делать.
На фотографии: проблемы любой команды разработчиков в понедельник
AI 2012: garbage in -> garbage out
AI 2026: while True:
garbage in -> garbage out
Маль кто знает, но на собеседовании на Senior AI Engineer в РФ задают только один вопрос:
Как произносится "Claude"?
Подписчики: - Мы хотим детекцию сгенерированных текстов.
Я: - У нас есть детекция сгенерированных текстов дома.
Детекция сгенерированных текстов дома: https://www.reviewer3.com/evidence/arena - попробуй угадать сам, какая рецензия написана человеком, а какая - LLMкой!
Один из прикольных случаев с GUI агентом под мобилки. Я посадил его проходить обучение в 4х стратегии. На одном из этапов ему нужно было ткнуть на казарму подсвеченную золотым свечением. Так же на неё указывала сверху стрелка.
Агент упорно, раз за разом, тыкал на стрелку и возмущался, что не работает. Реалистичная симуляция пользователя!
https://github.com/brimtown/claude-fortress
Две самые великие консольные тулы в истории объединили
Покажу над чем я работал последние недели. Мы с кофаундером (продукта которого пока нет 😂) сделали прототип AI агента для тестирования мобильных приложений и игр.
Идея в том, что агенты могут увеличить покрытие — ты спишь, а оно тестирует. Можно тестировать длинный хвост случаев, которые не под силу автотестам. Пример на видео: наш агент играет в Wordle и сам, исходя из описанных правил игры, обнаруживает какие тест кейсы нужно проверить.
Есть глобальный вижн про то, что QA становится болтнеком в мире где софт делается за минуту. Но это всё не важно. Важно, что делать агентов неожиданно прикольно! Я один из тех программистов кто начинал с написания игр в детстве. Там было клевое ощущение: закодил фичу и вдург человечек ходит. С GUI агентом я испытываю что-то подобное. Придумал как сформировать для него контекст и вдруг LLMка проходит онбординг.
Сейчас мы хотим собрать обратную связь. Если вы занимаетесь QA мобильных приложений или игр, то мы бы хотели с вами пообщаться чаc, в идеале прогнать агента на вашей задаче. Напишите в лс: @btseytlin
