При отправке запроса в openwebui, кроме самого чата по умолчанию ещё генерируются варианты вопросов для продолжения диалога и анализируется тема общения для генерации заголовка и иконки.

Пока я пользовался только локальными моделями, я в эти настройки не лез. А стоило бы, потому что при стандартных настройках для вспомогательных функций используется та же модель, что выбрана для основного чата. Генерировать заголовок чата gpt5.4 pro - это уже перебор 😬
Хорошо, что можно выбрать что-то маленькое и локальное или вообще всю шелуху отключить 😉

#ai #fail

Немного оптимизма 😊

#joke

Но не перебарщивайте 👆
А то получится, как в анекдоте:

пессимист: хуже быть уже не может...
оптимист: может! 😁

#joke

Перед тем как избавляться от глючащего холодильника стоит попробовать его полностью разморозить не надеясь на всякие no frostы, можно сэкономить кучу денег 😁

#lifehack #fail

Аппендикс всё-таки оказался не рудиментом: это хранилище с бэкапом здоровой микрофлоры кишечника, а бэкапы это хорошо 👍

Плюс в детстве лимфоциты учатся там отличать хороших бактерий от плохих 😊

Так что не торопимся его удалять, лучше следить за достаточным количеством клетчатки в пище, чтобы предотвратить образование фекалитов способных его заблокировать 🙈

#today_I_learned #health

Ребята из Voltropy сделали LCM - полезный инструмент для улучшения работы LLM с длинными контекстами.

Вместо того чтобы просить модель кратко пересказать весь предыдущий диалог своими словами и выкидывать все подробности для очистки контекстного окна, они предлагают эти подробности сохранять в виде дерева.

Корнем дерева является самый общий пересказ. От него можно спуститься по пересказам всё более мелких кусков до точных копий сообщений из исходного чата.

Чтобы нейросеть могла достать из контекстного архива то, что ей нужно, ей предоставляются инструменты вроде lcm_grep для поиска исходных сообщений и lcm_expand для спуска на более низкий уровень обобщения.

Этот подход уже внедрили в openclaw, ждём когда и остальные агентные системы подтянутся.

#ai #code

Пробую платный deep research в perplexity.ai. Нравится. Такой let me google that for you, только дружелюбный 🙃

Результаты можно скачать pdfкой. Умеет смотреть, что на картинке или в приложенных файлах.

Накопал себе материалов для пет-проектов, вероятность, что хоть какой-нибудь из них когда-нибудь воплотится серьёзно повысилась 😁

#ai

Дошли руки сравнить qwen3.5 35b и 122b.

Сравнивал на своей рабочей задаче, которая хороша тем, что она крайне нишевая и к ней нет готовых ответов в интернете.

Менее квантизованая модель заметно умнее, но, естественно, и заметно медленнее. В итоге оставлю обе, старые qwen3-next-coder, qwen3-vl и gpt-oss:120b удалил.

#ai #code

В перплексити есть режим "learn step by step". Решил подтянуть английскую грамматику с его помощью.

В принципе, неплохо. Прикольно, что можно не просто давать ответ, а объяснять почему ты так решил, и нейросеть может оценить ход рассуждений и обратить внимание на нюансы.

Из шероховатостей, по умолчанию, система сама решает какую нейросеть использовать, и они меняются по ходу диалога: тест может составить одна, а проверять его будет другая. Причём она может предлагать правильный вариант не предусмотренный заданием 😂

Скорее всего это решается просто ручным выбором нейросети на весь диалог. 🤔

#ai #education

Когда база слепой печати уже есть, прокачиваться дальше прикольно с TypInc.

Нужно продержаться 30 игровых дней-раундов, набирая всё больше и больше очков печатая тексты, и выбирая бонусы манипулирующие подсчётом. На удивление залипательно.

Особенно радует, что тексты не случайные, а выдержки из английской классики, которую раньше не читал. Получается, что пока играешь, прочитываешь демо версии известных книг, которые возможно захочется прочитать полностью. Ну и, как минимум, словарный запас можно расширить 😁

Часа за 3 получилось поднять скорость печати до 250 символов в минуту при 97.5% без ошибок.

#education #games

Наткнулся на канал легенды хабра milfgard. Ссылка на пост с разбором Пушкина - 🔥

Как-то так получилось, что Пушкин вроде сделал русский язык русским. Поэтому он не только очень успешный дуэлянт с уровнем побед 96,5%, но и замечательный писатель.

Про то, что именно крутого сделал Пушкин, я как-то объяснял вот здесь в разборе "Пиковой дамы".

Но русский язык меняло очень много людей. И там было дофига этапов — тот же Чехов, например, в какой-то момент повыкидывал всё лишнее. Карамзин ещё до Пушкина избавился от мегапафоса и начал писать в разговорном стиле. И ещё принёс длинное тире и ё, ага. Державин дал инструменты, чтобы Пушкин выстрелил. Достоевский придумал, что автор — не главный в произведении, и кроме блогов появились другие жанры.

Если начать копаться, можно узнать много нового и интересного. Если это ещё сопоставить с мировыми событиями — ещё больше.

Мне хотелось разобраться, и пока я представлял, как это будет удобнее читать, мы взяли и запилили страницу, где можно поковыряться со всем этим:

https://awarness.ru/russian-lit/

От Ломоносова до Шнура и вообще.

Там можно просто почитать, как оно, а можно залипнуть минут на 20 в тесты, приколы и пасхалки. В разворачиваемых блоках пруфы и больше деталей, но можно и не разворачивать.

Чем больше я смотрю на так упакованные научные отчёты — с интерактивами, мини-играми и прочим — тем больше понимаю, что так что-то узнавать очень прикольно. И да, если хотите, чтобы мы сделали подобную страницу вам по вашей теме (например, если вы Росатом) — вот ещё пример для Айкадеми про нейросети.

Магниты - это всё-таки какое-то волшебство 😄 Вот скейтборд с магнитной подвеской вдогонку к гитаре.

#youtube #magnets

Когда зима достаточно снежная, весной может внезапно оказаться, что всё это время ты ходил прямо над лавочкой 😂

#joke

✨ окей тут такое

модель на 4B параметров обогнала GPT-5 и Claude Sonnet 4.5 на Text-to-SQL и QA. четыре миллиарда. не четыреста, не сорок — четыре

статья "Learning to Self-Evolve" (2603.18620) — RL-фреймворк который учит модель улучшать собственный контекст прямо во время инференса. tree-guided evolution loop, если по-научному

что происходит: модель получает задачу, генерирует несколько вариантов контекста (промпт + подсказки + примеры), оценивает их, выбирает лучший и итерирует. по сути учится делать промпт-инжиниринг сама для себя

и вот эта крошечная модель обученная таким методом бьёт фронтирные модели которые в 100+ раз больше

мой тейк: мы слишком зациклились на скейлинге параметров. да, большие модели мощнее. но если маленькая модель умеет правильно думать о том КАК думать — она может компенсировать разницу в размере

это не первый такой сигнал. test-time compute scaling уже показывал себя в o1/o3, но тут другое — модель не просто "думает дольше", а активно перестраивает свой рабочий контекст

ощущение что через год мы будем запускать 7B модели которые решают задачи уровня GPT-5 просто за счёт умного self-prompting. звучит безумно но год назад и текущая ситуация звучала безумно

arxiv.org/abs/2603.18620

Случайно заглянул в спам папку в почте, а там уведомление о замене госномера дрона от росавиации, мог пропустить 😬

У них, кстати, оказывается, и канал в телеграме есть. 😁

В нём пишут, что таки да, нужно покупать глонас-трекер на все дроны от 250г. 😩 Сколько он, интересно, сам весит? 🤔

В общем, не забываем проверять спам хотя бы пару раз в месяц...

#fail #drones

Настоящая причина блокировок telegram: это просто массовый курс повышения квалификации населения в области системного администрирования по бразильской системе 😁

Сегодня приснилось, что стоит поднять форум на phpBB и общаться там 😂

#joke #education

Продолжим про админство 😁

При работе с чужими bash-скриптами, стоит разобраться в приоритете операторов:

cmd1 || cmd2 | cmd3 выполняется не просто слева направо 😅

В своих скриптах лучше, конечно, на всякий случай, в явном виде скобки ставить 👍

#linux #fail

"JEPA Яна Лекуна тренируется всего за несколько часов." - мог бы я написать, если бы он не переименовал её в LeWorldModel 😁

Новая версия модели, понимающей физику, и способной предсказать, что если не остановиться на краю обрыва, то грохнешься вниз, содержит жалкие 15 миллионов параметров и тренируется даже на домашнем компе.

Для тренировки нужно видео, на котором что-то происходит, и цепочка команд/действий, соответствующая происходящему.

Модель учится строить эмбеддинги (векторные признаки) сцены, и если показать ей исходную и целевую картинки, может оценить, какая последовательность действий позволит ближе подобраться к цели.

Кажется роботы и дроны скоро сильно поумнеют 😬

#ai #robotics