Теперь канал можно поддержать. Было полезно, интересно или хотя бы смешно? Boosty: https://boosty.to/kisel_it
Один большой пост в канал - это в среднем 3-6 часов: найти первоисточник, перечитать его (а не пересказ пересказа), поресёрчить смежные темы, сверить цифры, написать, выкинуть половину, переписать. Иногда цикл повторяется по 2-3 раза и далеко не всё в итоге доходит до публикации.
Подписка - это способ сделать так, чтобы такие посты продолжали выходить и не уходили в фоновую очередь после рабочих задач.
Доступно два уровня:
300 ₽ - «Поддержка». Закрытый чат, инсайды из бигтеха про найм и настроения, цифры по развитию канала (что работает в продвижении, что нет), 2 длинных закрытых поста в месяц.
900 ₽ - «Поддержка++». Всё то же плюс backstage по моим проектам: продвижение, провалы, планы. Перебор стартап-идей, разборы рынка труда: вилки, грейды, совмещение работы со своим делом. Плюс ещё 1-2 поста в месяц.
Если канал даёт ценность - подписка делает её устойчивой и постоянной. Отменить можно в любой момент.
https://boosty.to/kisel_it
Один большой пост в канал - это в среднем 3-6 часов: найти первоисточник, перечитать его (а не пересказ пересказа), поресёрчить смежные темы, сверить цифры, написать, выкинуть половину, переписать. Иногда цикл повторяется по 2-3 раза и далеко не всё в итоге доходит до публикации.
Подписка - это способ сделать так, чтобы такие посты продолжали выходить и не уходили в фоновую очередь после рабочих задач.
Доступно два уровня:
300 ₽ - «Поддержка». Закрытый чат, инсайды из бигтеха про найм и настроения, цифры по развитию канала (что работает в продвижении, что нет), 2 длинных закрытых поста в месяц.
900 ₽ - «Поддержка++». Всё то же плюс backstage по моим проектам: продвижение, провалы, планы. Перебор стартап-идей, разборы рынка труда: вилки, грейды, совмещение работы со своим делом. Плюс ещё 1-2 поста в месяц.
Если канал даёт ценность - подписка делает её устойчивой и постоянной. Отменить можно в любой момент.
https://boosty.to/kisel_it
2🎉10👍2🔥1
В апреле в Claude Code появился skill
Что делает: сканирует транскрипты последних 50 сессий в
Ранжирование по частоте, паттерны с частотой меньше 3 отбрасываются, показывается топ-20. Клод проверяет каждую команду на предмет безопасности. Запуск произвольного python-кода к примеру в список разрешенных не попадёт.
Если пропустили и всё еще не попробовали - очень рекомендую. После запуска удалось снизить количество ненужных подтверждений почти в два раза.
#claude
/fewer-permission-prompts. Многие пропустили - анонс был в треде Бориса Черного на фоне auto mode и релиза Opus 4.7.Что делает: сканирует транскрипты последних 50 сессий в
~/.claude/projects/<dir>/*.jsonl, находит bash- и MCP-команды, на которых регулярно жмёшь approve, и предлагает добавить их в allowlist проекта.Ранжирование по частоте, паттерны с частотой меньше 3 отбрасываются, показывается топ-20. Клод проверяет каждую команду на предмет безопасности. Запуск произвольного python-кода к примеру в список разрешенных не попадёт.
Если пропустили и всё еще не попробовали - очень рекомендую. После запуска удалось снизить количество ненужных подтверждений почти в два раза.
#claude
2👍6🔥3❤2
Вы знали, что нейронки портят документы? Ага, 30-50% повреждений от исходного текста.
Microsoft совсем недавно изучали этот вопрос. Прогнали 19 моделей через 20 последовательных правок в 52 разных темах. Результат: даже самые современные модели повреждают около 25% содержимого документа, средняя деградация по всем моделям - 50%. Подключение агентских инструментов не спасает, а добавляет ещё +6% потерь сверху. Ситуация приемлемая только в программировании, и то только на Python. Во всем остальном - нет. Причем "слабые" модельки удаляют куски грубо, почти целиком - и это очевидно при перепроверке. А вот топовые работают аккуратнее. Неточности копятся постепенно, со временем всё больше искажая суть исходного текста.
А теперь представьте, сколько артефактов уже накопилось в современных научных статьях. Ух...
🟡 https://arxiv.org/abs/2604.15597
Microsoft совсем недавно изучали этот вопрос. Прогнали 19 моделей через 20 последовательных правок в 52 разных темах. Результат: даже самые современные модели повреждают около 25% содержимого документа, средняя деградация по всем моделям - 50%. Подключение агентских инструментов не спасает, а добавляет ещё +6% потерь сверху. Ситуация приемлемая только в программировании, и то только на Python. Во всем остальном - нет. Причем "слабые" модельки удаляют куски грубо, почти целиком - и это очевидно при перепроверке. А вот топовые работают аккуратнее. Неточности копятся постепенно, со временем всё больше искажая суть исходного текста.
А теперь представьте, сколько артефактов уже накопилось в современных научных статьях. Ух...
🟡 https://arxiv.org/abs/2604.15597
1😱7🔥5😢5😁1
И помни, брат, нейросети нужны, чтобы приносить пользу, брат. Вспоминаем SOLID.
2🤣15👍5✍2
Сегодня узнаем про еще один скилл для Claude Code:
Работает просто. Скилл упаковывает diff текущей ветки против main и отправляет в облачный sandbox, где параллельно работают от 5 до 20 агентов под разными углами - логика, edge cases, безопасность, производительность. Каждый найденный баг независимо валидируется вторым агентом, прежде чем попасть в отчёт. На выход прилетают подтверждённые баги.
Вызвать можно двумя способами. Первый - как skill.
Второй - как команду в консоли:
Есть так же CLI-сабкоманда claude ultrareview с --json и exit 0/1 для CI
Судя по всему промо-период продлили дальше. У меня всё еще доступно по 3 ревью в день.
После серьезных изменений прям хорошо. Работает правда криво - 1-2 запуска из трёх тупо отваливаются по таймауту.
Обратите внимание на сам принцип работы скила - одна и та же модель с разной "инструкцией" способна выявлять разные баги. Я локально тоже это использую, гоняя скептика и безопасника над своим кодом.
#claude
/ultrareview.Работает просто. Скилл упаковывает diff текущей ветки против main и отправляет в облачный sandbox, где параллельно работают от 5 до 20 агентов под разными углами - логика, edge cases, безопасность, производительность. Каждый найденный баг независимо валидируется вторым агентом, прежде чем попасть в отчёт. На выход прилетают подтверждённые баги.
Вызвать можно двумя способами. Первый - как skill.
/ultrareview # сравнивает локальную ветку (включая uncommitted) с дефолтной веткой
/ultrareview 1234 # запуск ультраревью определенного пул реквеста
Второй - как команду в консоли:
claude ultrareview # diff vs default branch
claude ultrareview 1234 # PR mode
claude ultrareview origin/main # diff vs указанной ветки
Есть так же CLI-сабкоманда claude ultrareview с --json и exit 0/1 для CI
Судя по всему промо-период продлили дальше. У меня всё еще доступно по 3 ревью в день.
После серьезных изменений прям хорошо. Работает правда криво - 1-2 запуска из трёх тупо отваливаются по таймауту.
Обратите внимание на сам принцип работы скила - одна и та же модель с разной "инструкцией" способна выявлять разные баги. Я локально тоже это использую, гоняя скептика и безопасника над своим кодом.
#claude
2🔥6❤4👍3
Forwarded from Метаверсище и ИИще (Sergey Tsyptsyn ️️)
This media is not supported in your browser
VIEW IN TELEGRAM
А тем временем OpenAI приподубил еще сотенку стартапов.
Новый апдейт chatGPT может подключаться к вашим банковским счетам, карточкам, инвестиционным вкладам и давать вам дашборд для управления своими финансами. Также как делают все эти многочисленные приложения для аналитики личных расходов и финансов.
Используя GPT-5.5, ChatGPT анализирует ваши реальные транзакции, чтобы:
→ Отслеживать ежедневные расходы и регулярные платежи
→ Составлять планы достижения основных целей по экономии
→ Сокращать ежемесячные расходы без использования банальных советов
Утверждается, что chatGPT не имеет контроля над счетами и не сможет тратить ваши деньги. Только наблюдать, как бездумно тратите их вы сами.
Пока раскатывают на тариф Pro и только в US.
https://openai.com/index/personal-finance-chatgpt/
@cgevent
Новый апдейт chatGPT может подключаться к вашим банковским счетам, карточкам, инвестиционным вкладам и давать вам дашборд для управления своими финансами. Также как делают все эти многочисленные приложения для аналитики личных расходов и финансов.
Используя GPT-5.5, ChatGPT анализирует ваши реальные транзакции, чтобы:
→ Отслеживать ежедневные расходы и регулярные платежи
→ Составлять планы достижения основных целей по экономии
→ Сокращать ежемесячные расходы без использования банальных советов
Утверждается, что chatGPT не имеет контроля над счетами и не сможет тратить ваши деньги. Только наблюдать, как бездумно тратите их вы сами.
Пока раскатывают на тариф Pro и только в US.
https://openai.com/index/personal-finance-chatgpt/
@cgevent
🔥2👍1
Пользоваться этим будут явно очень смелые люди. Пока ни одна модель не показала себя достаточно финансово граммотной в моих любимых опытах с "ии-предпринимателями". Но тренд есть тренд, я думаю уже через год-полтора раскатят на весь мир. Но я бы побоялся привязывать карту. Задонатит еще куда не надо, а потом думай, как это расхлёбывать... Я рядом стоял, это всё чатбот виноват?)
1😁7🐳2💯1
Однажды утром я проснулся знаменитым.
Точнее, проснулся с 8000 подписчиков на канале. А перед сном их было 1000. Спойлер: это были не люди.
За два года ведения @kisel_it я собрал коллекцию таких историй. И коллекцию рабочих методов, к которым в итоге пришёл - через 130 000 ₽ бюджета и десяток слитых экспериментов.
Собрал весь опыт в большой пост на Boosty. Что внутри:
- как работают сети ботов, охотящихся на розыгрыши Premium
- почему статья на Хабре с 56 000 просмотров даёт 5 подписчиков
- как канал вырос с 250 до 4000 - и какая у этого цена
- что я делал бы по-другому, если бы стартовал сейчас
Да, это анонс первой большой статьи на Boosty, над которой я работал последнее время. Без волшебных методов и обещаний. C реальными цифрами из статистики и провалами.
https://boosty.to/kisel_it/posts/7423439c-955c-4d36-82ad-4103bd2b321f
Точнее, проснулся с 8000 подписчиков на канале. А перед сном их было 1000. Спойлер: это были не люди.
За два года ведения @kisel_it я собрал коллекцию таких историй. И коллекцию рабочих методов, к которым в итоге пришёл - через 130 000 ₽ бюджета и десяток слитых экспериментов.
Собрал весь опыт в большой пост на Boosty. Что внутри:
- как работают сети ботов, охотящихся на розыгрыши Premium
- почему статья на Хабре с 56 000 просмотров даёт 5 подписчиков
- как канал вырос с 250 до 4000 - и какая у этого цена
- что я делал бы по-другому, если бы стартовал сейчас
Да, это анонс первой большой статьи на Boosty, над которой я работал последнее время. Без волшебных методов и обещаний. C реальными цифрами из статистики и провалами.
https://boosty.to/kisel_it/posts/7423439c-955c-4d36-82ad-4103bd2b321f
1👍6🔥4💯3
Нейрослоп-семена и скам дачников 🌱
Благодаря новым моделькам картинки теперь выглядят достаточно реалистично, чтобы люди поверили в их существование. Так что старая схема развода обрела буквально вторую жизнь. ИИ потихоньку входит в массовый сегмент. И многие к этому точно еще не готовы 🍆
P.S Отзывы кстати в основном хорошие. Люди ждут всходов семян и первого урожая.
Благодаря новым моделькам картинки теперь выглядят достаточно реалистично, чтобы люди поверили в их существование. Так что старая схема развода обрела буквально вторую жизнь. ИИ потихоньку входит в массовый сегмент. И многие к этому точно еще не готовы 🍆
P.S Отзывы кстати в основном хорошие. Люди ждут всходов семян и первого урожая.
2😁7🤣3👍2😱1
This media is not supported in your browser
VIEW IN TELEGRAM
Ну а что ещё делать, если лимиты кончились?
😁10❤5🐳4
20 мая 1935 года родился Владимир Иосифович Левенштейн - человек, чью идею использует почти каждый поиск, мессенджер и телефон на планете.
Имени его почти никто не знает. А идеей пользуются миллиарды людей каждый день, даже не догадываясь об этом. И самое интересное здесь не то, что он сделал, а то, для чего он это делал.
В 1965 году в Докладах АН СССР вышла его статья "Двоичные коды с исправлением выпадений, вставок и замещений символов". Название звучит как что-то про текст и опечатки. На деле работа была про связь.
Шестидесятые: спутники, телеграф, военные радиоканалы. Сигнал передаётся битами. По дороге часть битов пропадает, часть появляется лишняя, часть инвертируется. Приёмник должен восстановить исходное сообщение. Левенштейн придумал, как кодировать данные, чтобы это было возможно.
В качестве инструмента он ввёл метрику: минимальное число вставок, удалений и замен, чтобы превратить одну последовательность символов в другую. Её назвали расстоянием Левенштейна.
Пример из учебника:
"кот" → "кит"
Заменили одну букву, расстояние равно 1.
Дальше произошёл странный поворот. Метрика, придуманная для битовых потоков в каналах связи, идеально легла на строки букв. И её стали использовать совсем не для того, для чего она писалась.
Сегодня расстояние Левенштейна всё еще активно используется. К примеру простейший поиск с учетом опечаток часто строится именно на основе Левенштейна. А еще сверка адресов, имён и записей в банках и налоговых.
В задачах, где важен не только набор символов, но и контекст, его потеснили языковые модели:
- автозамена в телефоне: первые поколения считали именно edit distance и превращали "прювет" в "привет", сейчас SwiftKey и Gboard работают на нейросетевых языковых моделях
- подсказки поисковика "возможно, вы имели в виду..."
- дедупликация текстов для обучения LLM: на современных масштабах применяют MinHash и LSH, но логика "найти почти дубликат" та же самая
История с Google показательна. В начале двухтысячных под капотом "Did you mean" стоял именно Левенштейн плюс частотность слов. Питер Норвиг, директор по исследованиям Google, тогда показал, что весь спелл-корректор умещается в 36 строк Python. Языковые модели и анализ кликов пришли позже, когда у компании накопилось достаточно поведенческих данных. Сейчас расстояние Левенштейна там - один сигнал из многих, но фундамент был заложен именно им.
Маленькая, но важная поправка. Левенштейн не придумал способ быстро считать это расстояние. Привычный код на динамическом программировании за O(m*n) - это работа Вагнера и Фишера, 1974 год. Левенштейн дал метрику. Алгоритм её вычисления появился девятью годами позже.
В 2006 году IEEE вручила ему медаль Хэмминга - одну из главных наград в теории информации. На церемонию он не приехал: после инсульта почти не мог работать. Умер в Москве в сентябре 2017-го.
Человек проектировал коды для спутниковой связи. А в итоге дал миру первый язык, на котором компьютеры научились говорить "это почти то же самое". Дальше пришли нейросети и языковые модели, но точка отсчёта осталась за ним.
Имени его почти никто не знает. А идеей пользуются миллиарды людей каждый день, даже не догадываясь об этом. И самое интересное здесь не то, что он сделал, а то, для чего он это делал.
В 1965 году в Докладах АН СССР вышла его статья "Двоичные коды с исправлением выпадений, вставок и замещений символов". Название звучит как что-то про текст и опечатки. На деле работа была про связь.
Шестидесятые: спутники, телеграф, военные радиоканалы. Сигнал передаётся битами. По дороге часть битов пропадает, часть появляется лишняя, часть инвертируется. Приёмник должен восстановить исходное сообщение. Левенштейн придумал, как кодировать данные, чтобы это было возможно.
В качестве инструмента он ввёл метрику: минимальное число вставок, удалений и замен, чтобы превратить одну последовательность символов в другую. Её назвали расстоянием Левенштейна.
Пример из учебника:
"кот" → "кит"
Заменили одну букву, расстояние равно 1.
Дальше произошёл странный поворот. Метрика, придуманная для битовых потоков в каналах связи, идеально легла на строки букв. И её стали использовать совсем не для того, для чего она писалась.
Сегодня расстояние Левенштейна всё еще активно используется. К примеру простейший поиск с учетом опечаток часто строится именно на основе Левенштейна. А еще сверка адресов, имён и записей в банках и налоговых.
В задачах, где важен не только набор символов, но и контекст, его потеснили языковые модели:
- автозамена в телефоне: первые поколения считали именно edit distance и превращали "прювет" в "привет", сейчас SwiftKey и Gboard работают на нейросетевых языковых моделях
- подсказки поисковика "возможно, вы имели в виду..."
- дедупликация текстов для обучения LLM: на современных масштабах применяют MinHash и LSH, но логика "найти почти дубликат" та же самая
История с Google показательна. В начале двухтысячных под капотом "Did you mean" стоял именно Левенштейн плюс частотность слов. Питер Норвиг, директор по исследованиям Google, тогда показал, что весь спелл-корректор умещается в 36 строк Python. Языковые модели и анализ кликов пришли позже, когда у компании накопилось достаточно поведенческих данных. Сейчас расстояние Левенштейна там - один сигнал из многих, но фундамент был заложен именно им.
Маленькая, но важная поправка. Левенштейн не придумал способ быстро считать это расстояние. Привычный код на динамическом программировании за O(m*n) - это работа Вагнера и Фишера, 1974 год. Левенштейн дал метрику. Алгоритм её вычисления появился девятью годами позже.
В 2006 году IEEE вручила ему медаль Хэмминга - одну из главных наград в теории информации. На церемонию он не приехал: после инсульта почти не мог работать. Умер в Москве в сентябре 2017-го.
Человек проектировал коды для спутниковой связи. А в итоге дал миру первый язык, на котором компьютеры научились говорить "это почти то же самое". Дальше пришли нейросети и языковые модели, но точка отсчёта осталась за ним.
1👍10🔥3
Forwarded from Олимпиада по программированию
Алгоритмы & ML: регистрация открыта!
30 мая с 15:00 до 19:30 мск приходите участвовать в олимпиаде по программированию онлайн или офлайн в кластере «Ломоносов» в Москве.
Эта олимпиада для инженеров, разработчиков, аналитиков из разных IT-компаний, а также студентов старших курсов. Здесь каждый пишет свой код, а после на отдельной онлайн-встрече может увидеть решения других участников и узнать лучшие практики.
🔵 Формат — только индивидуально.
🔵 Время на решение задач — два часа.
На выбор будет два трека:
1️⃣ Алгоритмы — пять задач: простые, средние и одна оптимизационная. Способ решения — самостоятельно, без помощи ИИ.
2️⃣ ML — три хардкорные оптимизационные задачи, можно пользоваться ИИ-помощниками.
В каждом треке определим победителей и наградим призами :)
Мы всегда рады новым участникам в нашем олимпиадном комьюнити. Приходите сами и зовите друзей!
Зарегистрироваться
30 мая с 15:00 до 19:30 мск приходите участвовать в олимпиаде по программированию онлайн или офлайн в кластере «Ломоносов» в Москве.
Эта олимпиада для инженеров, разработчиков, аналитиков из разных IT-компаний, а также студентов старших курсов. Здесь каждый пишет свой код, а после на отдельной онлайн-встрече может увидеть решения других участников и узнать лучшие практики.
На выбор будет два трека:
В каждом треке определим победителей и наградим призами :)
Мы всегда рады новым участникам в нашем олимпиадном комьюнити. Приходите сами и зовите друзей!
Зарегистрироваться
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4👍3
Снова олимпиада. Собираюсь на трек ML. В этот раз оффлайн, давно пора посмотреть на кластер Ломоносов. В этот раз хочу проверить новые подходы решения задач с быстрыми моделями (haiku, flash 3,5 и т.д).
Предыдущий опыт с Opus 4.6 и Gemini 3 Pro был относительно неудачным. Сложные задачи триггерят режим thinking, который со временем выпадает в таймаут через 20-30 минут. Причем не оставляет ни намёка на решение. Колоссальная потеря времени. А вот постепенная оптимизация/эволюция слабого решения быстрыми моделями показала себя намного лучше. Чтож, проверим.
Кто с Москвы - присоединяйтесь оффлайн. Если нет - приходите онлайн.
Предыдущий опыт с Opus 4.6 и Gemini 3 Pro был относительно неудачным. Сложные задачи триггерят режим thinking, который со временем выпадает в таймаут через 20-30 минут. Причем не оставляет ни намёка на решение. Колоссальная потеря времени. А вот постепенная оптимизация/эволюция слабого решения быстрыми моделями показала себя намного лучше. Чтож, проверим.
Кто с Москвы - присоединяйтесь оффлайн. Если нет - приходите онлайн.
❤8👍5🔥2