🟠 В Claude Code нашли секретный режим для вайбкодеров

Оказывается, если ввести /ultracode, агент переходит в своеобразный турбо-режим.

Интерфейс начинает светиться всеми цветами радуги, строка ввода красиво мерцает, а сам Claude внезапно начинает требовать от пользователя «настоящую работу» вместо простых вопросов.

tags: #интересное

➡ Data Scientist | Чат

🔖 Большая коллекция AI-проектов для практики

Нашли репозиторий, который поможет перейти от теории к реальной разработке AI-приложений.

Внутри десятки готовых проектов: AI-аналитики, RAG-системы, OCR-приложения, агенты для ревью кода, помощники для путешествий и многое другое.

⛓️ Ссылка на GitHub

tags: #полезное

➡ Data Scientist | Чат

📰 Вышла Kimi-K2.7-Code — новая open-source модель для агентных задач

По опубликованным бенчмаркам она конкурирует с GPT-5.5 и Claude Opus 4.8, а заодно обещает более экономное использование токенов.

Для тех, кто строит агентные системы и автоматизирует разработку — точно стоит посмотреть.

⛓️ Код на Hugging Face или запускать через Kimi Code

tags: #новости

➡ Data Scientist | Чат

🔖 Изучаем Deep Learning на практике

Нашли мощный бесплатный курс, который поможет погрузиться в мир нейросетей без тонны скучной теории.

Вас ждут реальные проекты, работа с PyTorch, FastAI и Hugging Face, а также задачи по компьютерному зрению, NLP и анализу данных.

⛓️ Ссылка на GitHub

tags: #полезное

➡ Data Scientist | Чат

9 популярных мер расстояния в Data Science и Machine Learning

➡ Data Scientist | Чат

🔖 Google фактически стандартизировали LLM-вики

Компания представила Open Knowledge Format (OKF) — простой формат хранения знаний для AI-агентов и LLM.

По сути, это обычные markdown-файлы, которые можно хранить в Git-репозитории, переносить между сервисами и использовать без специальных инструментов.

⛓️ Подробнее здесь

tags: #полезное

➡ Data Scientist | Чат

🔖 Нашли скилл, который отучает ИИ писать лишний код

Ponytail заставляет Claude Code, Codex и других агентов сначала подумать, а уже потом кодить.

По словам автора, на простых задачах агенты писали на 80–94% меньше кода, работали в несколько раз быстрее и заметно экономили токены.

⛓️ Ссылка на GitHub

tags: #полезное

➡ Data Scientist | Чат

🔖 Шпаргалки по Transformers и LLM от Stanford

Нашли отличный набор материалов из курса Stanford CME-295 по большим языковым моделям.

Охватывают токенизацию, механизм самовнимания, prompting, дообучение, LLM-as-a-judge, RAG, AI-агентов и модели рассуждений.

⛓️ Забираем здесь

tags: #полезное

➡ Data Scientist | Чат

🔖 Нашли агентный фреймворк, который учится на своих ошибках

Большинство AI-агентов используют статические навыки: написал один раз — и надеешься, что они всегда будут работать.

Memento-Skills идёт другим путём. Если навык не справляется с задачей, система сама анализирует ошибку, переписывает проблемный скилл и сохраняет улучшенную версию в библиотеку.

⛓️ Ссылка на GitHub

tags: #полезное

➡ Data Scientist | Чат

🔖 Джек Дорси передал своего AI-агента Goose в Linux Foundation

Goose — это не просто очередной кодогенератор, а полноценный агент для разработки.

Самое интересное — Goose может использовать Claude Code и Codex как субагентов, распределяя между ними задачи.

У проекта уже 46 000+ звёзд на GitHub и сотни контрибьюторов. Похоже, экосистема агентной разработки становится всё серьёзнее.

⛓️ Ссылка на GitHub

tags: #полезное

➡ Data Scientist | Чат

📰 Вышла опенсорс-модель для извлечения данных из документов

Datalab открыли доступ к Lift — 9B-модели, заточенной под обработку PDF-файлов и изображений.

Что умеет:

— Извлекает структурированные данные в формате JSON;
— Показывает 90,2% точности — почти на уровне Gemini 3.5 Flash (91,3%);
— Обходит популярные open-source решения вроде NuExtract3;
— Обрабатывает документы в среднем всего за 9,5 секунды.

⛓️ Hugging Face тут, GitHub здесь

tags: #новости

➡ Data Scientist | Чат

🔖 Гайд по Codex 5.5, который поможет получать результаты лучше

Многие жалуются, что Codex стал работать хуже. Но проблема не всегда в модели.

Несколько советов:

— Декомпозируйте задачи через /goals;
— Используйте Krypton для расширения возможностей агента;
— Планируйте на XHigh, кодируйте на High;
— Не забывайте про Browser Use и Computer Use.

Дополнительно стоит подключить GitHub-репозиторий и использовать Pro-модель для ревью, тестирования и проектирования решений.

⛓️ Ссылка на дополнительный скилл

tags: #полезное

➡ Data Scientist | Чат

🔖 Собираем собственную GPT-подобную модель на PyTorch

Нашли отличный репозиторий для тех, кто хочет понять, как устроены современные LLM под капотом.

Внутри — 10 Jupyter-ноутбуков с пошаговыми объяснениями и реализацией ключевых компонентов языковых моделей.

⛓️ Ссылка на GitHub

tags: #полезное

➡ Data Scientist | Чат

📰 Baidu выложила в опенсорс Unlimited-OCR

Новая OCR-модель умеет обрабатывать сотни страниц за один запуск и при этом сохраняет контекст даже на очень больших PDF-документах.

При размере всего 3B параметров она показывает 93% на OmniDocBench, обгоняет DeepSeek-OCR и сохраняет стабильную производительность даже при обработке сотен страниц за один проход.

⛓️ Ссылка на GitHub

tags: #новости

➡ Data Scientist | Чат

🔖 AI, который читает Reddit и Hacker News за вас

Проект собирает контент из крупнейших технологических площадок, анализирует его через AI, убирает дубли и формирует компактную сводку с самым важным.

Один инфоповод — одна запись. Без повторов, шума и бесконечного скроллинга.

⛓️ Ссылка на GitHub

tags: #полезное

➡ Data Scientist | Чат

🔖 Ошибка при выборе AI-железа

Вопрос не в том, «потянет ли видеокарта модель», а в том, что станет узким местом после загрузки.

Рынок сейчас:

• NVIDIA — максимум bandwidth
• Apple — максимум памяти
• Strix Halo — интересный x86 с unified memory
• Tenstorrent — open-source стек

Но после загрузки модели начинают решать KV-cache, декодирование, батчинг и качество софта.

Локальный AI сегодня — это не про гигабайты памяти. Это про баланс памяти, скорости и программного стека.

⛓️ Ссылка на источник

tags: #полезное

➡ Data Scientist | Чат

🔖 Вышла интерактивная карта всех работ с ICML 2026

Если не знаете, с чего начать изучение материалов одной из главных ML-конференций года — вот отличный вариант.

Можно исследовать статьи по тематикам, открывать краткие описания, переходить к полным версиям и сохранять интересные материалы в свою коллекцию.

⛓️ Смотрим здесь

tags: #полезное

➡ Data Scientist | Чат