Яндекс обновил модель прогнозирования конверсий и управления ставками в рекламе. Теперь внутри — многоголовая архитектура, где несколько нейросетей работают параллельно 💃

Что нового:
— Более 25 сигналов для анализа: глубина просмотра, время визита, добавления в корзину и другие штуки, которые выдают реальное намерение купить;
— Встроили прокси-модель: она ловит свежие изменения в поведении аудитории без долгого переобучения и сразу передаёт их основной модели;
— Отдельно научились учитывать отложенные конверсии.

Вместе с нейронкой Argus, которую внедрили в начале 2026 года, новая дискриминативная модель Gorgona помогает точнее оценивать ценность пользователя для рекламодателя в реальном времени.

Fable 5 уже вернулся — Anthropic открыли доступ к мощнейшей ИИ-модели 💗

17 дней страданий позади. Пока что ей можно пользоваться по подписке, но скоро доступ останется только через оплату токенов.

Фрилансеры, готовимся к худшему: Fable 5 уже закрывает реальные заказы лучше других ИИ 😫

Модель набрала рекордные 16,1% в Remote Labor Index — бенчмарке, где ИИ дают реальные фриланс-проекты, а оценщики сравнивают результат с работой профессионала + смотрят, принял бы клиент такую работу или нет. Среди задач есть всё: от 3D/CAD, рендеров, архитектуры до анализа данных и веб-приложений.

Для понимания скачка и масштаба: Opus 4.8 набирает на бенче 8,3%, а GPT-5.5 всего 6,3%.

Завод всё ближе 🚬

«Лаборатория Касперского» представляет новое решение корпоративного уровня для централизованного управления уязвимостями в ИТ-инфраструктуре организации – Kaspersky Vulnerability Management.

Инструмент не просто находит слабые места и уязвимости, а закрывает риски бизнеса. Он помогает ИБ-командам выстраивать контролируемый процесс приоритизации и исправления — от обнаружения активов до полного устранения уязвимости них 👍

16 июля эксперты проведут в 11:00 стрим, где разберут все главные фичи новинки с подробным обсуждением.

Регистрируемся на эфир — здесь.

Нашел классную обучалку по VIM, где нужно развозить мороженое и прокачивать скиллы ⌨️

Всего внутри более 30 уровней: сначала учат базово двигаться по тексту, а потом постепенно добавляют команды, режимы и, конечно, показывают, как выйти из VIM. Короче, после тренажера руки точно привыкнут к hjkl.

Джуны забирают ☺️

Робот сочинит симфонию напишет ядро ОС? Да 😢

Claude Fable 5 за 38 минут с нуля собрал NT-подобное ядро на Rust: планировщик, менеджер памяти, потоки, прерывания и I/O — всего ~5100 строк в 27 файлах. Всё это загрузилось в QEMU и прошло self-tests.

Самое неприятное для скептиков: модель не просто строчила код, а сама ловила баги, объясняла риск дедлока и чинила архитектурные косяки по ходу работы. А через 8 дней ядро уже научили грузить настоящие Windows-драйверы и запускать реальные Windows-проги.

Вкатываемся в музыку 🎧

💵 GFusion: как мы обучали диффузионную LLM в GigaChat

«А что, если LLM будет генерировать не строго по одному токену слева направо, а сразу блок текста?»

Именно эту идею мы проверяли в проекте GFusion — диффузионной языковой модели на базе GigaChat3-10B-A1.8B-base.

Отдельно хочется отметить, что этот проект начал и довёл до релиза стажер команды GigaChat Pretrain. Он прошёл весь путь от идеи и первых экспериментов до обучения модели, оптимизаций, поддержки в inference runtime и публикации в open source.

Почему это интересно?

Классические LLM генерируют текст авторегрессионно: каждый следующий токен зависит от всех предыдущих. Это устоявшийся подход, но шаги генерации модели выполняются строго последовательно.

В то же время диффузионная LLM берёт частично замаскированный блок и постепенно восстанавливает токены внутри него. За один forward pass модель может финализировать не один, а сразу несколько токенов.

Так и появляется ускорение. Чем больше токенов модель уверенно восстанавливает за один проход, тем меньше шагов ей нужно для генерации ответа.

Вместо дорогостоящего обучения с нуля мы взяли сильную авторегрессионную LLM и перевели её в диффузионный режим генерации.

Цикл обучения включал:
🔘адаптацию AR-модели к диффузионной генерации;
🔘постепенное увеличение размера блока;
🔘сравнение полностью диффузионного обучения и гибридного подхода AR+dLLM;
🔘SFT с complementary masking и стадией confidence tuning для дополнительного ускорения генерации.

Результаты:

🔘GFusion в режиме одного пользователя генерирует в среднем на 70% быстрее GigaChat3-10B-A1.8B.
🔘Даже по сравнению с GigaChat3-10B-A1.8B + MTP-головой ускорение составило около 39%.
🔘Просадка качества относительно авторегрессионной модели осталась в пределах 2–4 п.п., а сам трейд-офф между скоростью и качеством можно контролировать параметрами диффузионной генерации.
🔘Добавлена поддержка GFusion в SGLang и реализован entropy-bounded sampling — алгоритм семплирования, который ускоряет генерацию не только GFusion, но и других диффузионных LLM.
🔘Для обучения написана и выложена в open-source своя реализация attention на TileLang под структуру диффузионной маски и получено до +77% end-to-end ускорения относительно Flex-Attention на длинном контексте.

💡 Главный вывод GFusion состоит в том, что ускорение LLM может требовать переосмысления самого подхода к генерации. Однако, чтобы это заработало на практике, важно довести до рабочего состояния весь стек от обучения и SFT до декодинга, attention-ядер и поддержки в inference runtime.

➡️Подробности — в статье на Habr.
➡️HF: GFusion-10B-A1.8B-base GFusion-10B-A1.8B
➡️GitVerse

POV: джун выбирает будущий карьерный путь 😂

Сюжет достойный Гая Ричи: лопата для снега открыла хакерам доступ к корпоративной сети 😐

Два профессиональных пентестера приехали проверять физическую безопасность офиса крупной компании зимой. Заметив открытую дверь хозблока, они спокойно зашли внутрь, представились новыми сотрудниками IT без пропусков и вежливо предложили местным наивным рабочим помочь почистить снег и лед.

Пока один вовсю махал лопатой на улице, второй прошел вглубь здания, нашел конференц-зал и спрятал Raspberry Pi за мусорными ведрами, подключив его к активной сетевой розетке.

Дальше всё по классике — через малинку они нашли десятки аккаунтов с паролем вроде winter2023!, расковыряли Active Directory и в итоге получили domain admin.

Зато с уборкой помогли 📹

➕ «В Яндекс я попал только с третьего раза!». Побывали в офисе Яндекс Еды, потрогали самурайский меч и поговорили со старшим iOS-разработчиком Львом Бондаренко — обсудили его любимые проекты, тренды мобильной разработки и алгоритмы на собеседованиях.

↘️ Это «1х1» — формат, в котором яндексоиды проводят с вами личную встречу на работе. Смотрите здесь, на YouTube и в VK Видео.

👀 Присоединяйтесь к нашей команде

Я что, так много прошу? 😭

Найдена еще одна причина отказов на собесах — месть сисадминов 😁

Айтишник из России получил штраф за изощренную месть бывшей начальнице. После ссоры парень взломал ее аккаунт на HH, удалил все реальные заслуги и переписал резюме, щедро насыпав туда нелестных комментариев. Чтобы закрепить успех, мститель запустил веерную рассылку откликов по работодателям, сопровождая их оскорблениями.

Потерпевшая долго не могла понять, почему ее никто не зовет на собеседования, пока случайно не зашла в свой профиль. Суд оценил кибер-месть от бывшего коллеги в 55 тысяч рублей.

Не переходите дорогу программистам 🤣