«Transformer с полной пропускной способностью»

Обычно Transformer передаёт на следующий шаг только выбранный токен, хотя сама модель только что вычислила гораздо более богатое скрытое состояние.

В этой работе скрытое состояние тоже подаётся обратно в модель. За счёт этого она может продолжать внутренне развивать идею, не расписывая всё токен за токеном.

На масштабе 1 млрд параметров подход улучшает результаты в математике, программировании и тестах языковых моделей, добавляя менее 1% к стоимости декодирования.

При этом модель может показывать результаты на уровне моделей, обученных примерно на вдвое большем объёме данных.

https://alphaxiv.org/abs/2608.08888

✈️ Python Ninja

Кто-то сделал детектор, который ловит характерные паттерны ИИ-текста ещё до публикации.

Работает полностью локально: без модели и без подключения к сети. Он проверяет текстовые файлы, отмечает подозрительные шаблоны и просит агента переписать проблемные места. Репозиторий написан на Python и использует только стандартную библиотеку.

GitHub: https://github.com/seyedehsanhadi/sloptrim

✈️ Python Ninja

🐱 GitHub — это тысячи новых репозиториев каждый день.

Но сколько из них реально стоят внимания?

Нашёл канал, где уже отбирают самое интересное:
🟢AI и нейросети
🟢self-hosted
🟢полезные утилиты
🟢инструменты для разработки
🟢автоматизация и многое другое

Короткое описание, ссылка на репозиторий, ничего лишнего.

➡️ @GitHubRadar

Как в Python развернуть строку и список одним и тем же кодом.

✈️ Python Ninja

Строки и replace()

Что выведет код 🧠

✈️ Python Ninja

Competitive Programmer’s Handbook — руководство по спортивному программированию.

Книга рассчитана на студентов, которые хотят изучить алгоритмы и, возможно, готовиться к Международной олимпиаде по информатике IOI или Международному студенческому чемпионату по программированию ICPC.

PDF доступен бесплатно.

https://cses.fi/book/book.pdf

✈️ Python Ninja

DeepSeek открыла исходный код полноценного агентного фреймворка для программирования, который бесплатно может заменить тариф Claude Code за $200 в месяц.

→ Здесь всё построено на плагинах: адаптеры моделей, инструменты, журналы сессий и сам цикл агента можно менять через конфигурацию.

→ В основе лежит Cordis — собственная среда плагинов DeepSeek.

→ Локальный веб-интерфейс запускается одной командой:

npx @deepseek-ai/dsh web

→ В репозитории есть полноценная документация по архитектуре и AGENTS.md, написанный специально для того, чтобы агенты сами могли разбираться в кодовой базе.

→ TypeScript, лицензия MIT, пока статус developer preview — ожидаются несовместимые изменения.

https://github.com/deepseek-ai/deepseek-harness

✈️ Python Ninja

На Stepik запустили мощный курс по «Troubleshooting Docker и Kubernetes: поиск и устранение проблем»

В программе только важные аспекты:

— troubleshooting Docker и образов
— диагностика сетевых проблем
— настройка readiness/liveness probes
— отладка pod’ов, деплоев и ingress
— анализ логов контейнеров и кластера
— разбор ошибок CrashLoopBackOff, OOMKilled, ImagePullBackOff и других

Собеседования на DevOps/SRE сейчас всё чаще строятся вокруг реальных инцидентов. Данный курс фокусируется именно на таких сценариях и помогает в подготовке к практическим вопросам

48 часов доступен со скидкой 25%

↗️ Пройти курс на Stepik

За один час между прочим 📖

✈️ Python Ninja

«Natural Language Processing and Large Language Models» — новая книга в открытом доступе от Springer, написанная Chengqing Zong, Yang Zhao и Yanjun Ma.

Почти 400 страниц с введением в современную обработку естественного языка и большие языковые модели.

Внутри: нейросети, распределённые представления, языковые модели, Transformers, BERT, GPT, токенизация, классификация тональности, извлечение информации, суммаризация текста, машинное понимание текста, машинный перевод, ответы на вопросы и RLHF.

На мой взгляд, это хороший справочник для тех, кто хочет разобраться в этих темах без слишком высокого порога входа. Я бы сохранил.

https://link.springer.com/book/10.1007/978-981-92-0682-7

✈️ Python Ninja

Обновлённый курс CS 8803 «Large Language Model» в Georgia Tech на 2026 год.

Список материалов охватывает предобучение, MoE, рассуждения, обучение с подкреплением и self-play, агентов, длинный контекст, масштабирование во время инференса, диффузионные языковые модели, безопасность, интерпретируемость и многое другое.

- https://cocoxu.github.io/CS8803-LLM-spring2026/
- https://docs.google.com/spreadsheets/d/1Oisf4imoNL3fs4UWGYAUlMCuYfCACMHCDb0iqEYU8wc/edit?usp=sharing

✈️ Python Ninja

А вы знали, что в Python можно делать перегрузку функций с помощью functools?

Вот пример:

✈️ Python Ninja

Большой брат следит за тобой. 😂

https://github.com/arxhr007/Aliens_eye

Aliens_eye - ищет аккаунты по одному имени пользователя сразу на 840+ платформах и с помощью ИИ определяет, какие профили действительно принадлежат нужному человеку.

Aliens_eye также извлекает доступные данные из найденных профилей. Проект написан на Python, распространяется по лицензии MIT и сейчас набрал около 3,1 тыс. звёзд на GitHub.

✈️ Python Ninja

Python Tip: не просто вызывайте ошибку базы данных — откатывайте транзакцию.

Если транзакция завершается с ошибкой, недостаточно просто узнать, что что-то пошло не так. Нужно убедиться, что вся транзакция отменена.

Именно для этого используется rollback().

✈️ Python Ninja

Освой сети и командную строку с лучшими обучающими каналами

🤩 Network Admin - обучающий канал по сетевым технологиям

🤩 Network Admin | Guides - канал, где рассказывают полезную информацию про Windows/Linux

📱 BashTex - обучение работе с командной строкой

Python может помочь инженерам-механикам автоматизировать рабочие процессы, анализировать данные и решать сложные инженерные задачи.

В этом курсе разбирается Python именно для машиностроения — от базовых концепций программирования до практического применения в инженерных задачах.

В программе NumPy, Pandas и Matplotlib, работа с ИИ в инженерных процессах и несколько практических кейсов.

https://freecodecamp.org/news/python-for-mechanical-engineering/

✈️ Python Ninja

GitHub объявил причину своего масштабного глобального сбоя, который произошёл два дня назад.

17 августа GitHub пережил продолжительный сбой длительностью 7 часов 47 минут, который затронул Issues, PR, API, Actions, Copilot и другие сервисы.

В пиковые моменты доля ошибок в веб-версии и API составляла около 20%, а при скачивании архивов репозиториев и raw-файлов доходила до 50%.

Изначальная ошибка на самом деле была довольно небольшой.

В дата-центре GitHub Central US один из sidecar-подов Istio достиг лимита одновременных соединений, но политика автомасштабирования была настроена неправильно. Она отслеживала только нагрузку основного сервиса и не учитывала собственные ограничения sidecar.

В результате sidecar перестал справляться с нагрузкой, после чего сбой начал распространяться дальше по системе.

В итоге лимиты потоков на всех четырёх узлах HAProxy были исчерпаны. Это затронуло путь аутентификации через шлюз GitHub и вызвало массовые тайм-ауты при аутентификации сервисов.

А дальше началась уже действительно абсурдная часть.

Механизм повторных запросов, который изначально должен был повышать надёжность системы, фактически начал атаковать её сам.

Неудачные запросы постоянно повторялись, создавая ещё большую нагрузку на внутренний балансировщик и только усугубляя ситуацию.

В итоге GitHub обнаружил, что если просто остановить проблемный HAProxy, система практически сразу начинает восстанавливаться целиком.

Вечная тема в истории инженерии снова сработала: код, написанный для повышения надёжности системы, в итоге сам становится причиной её падения.

А Copilot устроил второй раунд проблем.

Один из внутренних эндпоинтов GitHub начал отвечать медленнее, что активировало скрытую ошибку в механизме повторных запросов VS Code и увеличило объём запросов примерно в 10 раз.

Обычная нагрузка Copilot Token Service составляет всего:

7 000–9 000 запросов в секунду.

Во время сбоя она взлетела до:

70 000–100 000 запросов в секунду.

Даже один неудачный запрос токена мог породить огромное количество дополнительных запросов и попасть в цикл повторных попыток.

Поэтому даже после того, как основные сервисы GitHub постепенно восстановились, аутентификация Copilot продолжала сбоить ещё несколько часов.

Меры, которые GitHub в итоге принял, были довольно прямолинейными.

Они сократили количество повторных запросов на шлюзе и даже начали возвращать ошибку 403 для части запросов Copilot Token Service прямо на балансировщике, чтобы клиенты перестали бесконечно повторять запросы.

После этого трафик начали постепенно восстанавливать небольшими порциями.

И ещё небольшая деталь: GitHub отдельно упомянул, что во время восстановления также происходили атаки со скрейпингом на эндпоинт codeload, что дополнительно усложнило ситуацию.

Ну и вот.

✈️ Python Ninja