NVIDIA представила и открыла исходный код NOOA — нового фреймворка для создания ИИ-агентов.

Его главная идея — описывать агента как один Python-класс, а не разносить логику по промптам, схемам инструментов, колбэкам и графам выполнения.

В NOOA:
• методы — это действия агента;
• поля — его состояние;
• docstring становятся промптами;
• тип возвращаемого значения задаёт контракт ответа.

Самая интересная особенность — «пустые» методы. Если тело метода содержит только ..., его реализацию во время выполнения генерирует LLM. Если внутри есть обычный Python-код, он выполняется без участия модели. Так в одном классе сразу видно, где модель может принимать решения, а где поведение полностью детерминировано.

Ещё одна сильная сторона — работа с данными. Если методу передать список из 100 элементов, модель увидит только имя переменной, её тип, размер и несколько элементов с начала и конца. Все данные остаются в памяти процесса, а модель взаимодействует с ними через код, который пишет на лету. Благодаря этому ограничения начинают определяться не размером контекстного окна, а ресурсами машины, на которой выполняется код.

По словам NVIDIA, на SWE-bench Verified с GPT-5.5 NOOA набирает 82,2% против 78,6% у OpenCode, используя примерно вдвое меньше обращений к модели и токенов.

Статья: http://arxiv.org/abs/2607.20709
Репозиторий: http://github.com/nvidia-nemo/labs-OO-Agents

✈️ Python Ninja

NVIDIA открыла исходники Голосовые ИИ больше никогда не будут прежними

Nemotron VoiceChat — первый открытый голосовой агент, который вызывает любые инструменты в реальном времени.

• Общается естественно, почти без пауз, и поддерживает эмоциональную речь.
• Позволяет перебивать себя прямо во время ответа с задержкой всего 480 мс
• Вызывает инструменты: поиск в интернете, календарь и другие сервисы.
• Поддерживает мультимодальность.
• Настройка стиля и голоса.
• Обучен на 550 тысячах часов.

Универсальный голосовой ИИ-агент для самых разных задач 💻

☝️ Ссылка источник

✈️ Python Ninja

🐍 Потокобезопасность в Python: гайд на использование Lock и другие методы — https://realpython.com/python-thread-lock/

✈️ Python Ninja

«Introduction to Machine Learning» — ещё один бесплатный учебник по машинному обучению объёмом около 600 страниц, который делает акцент на глубоком математическом понимании предмета.

Книга начинается с математической базы, необходимой для дальнейшего изучения: линейной алгебры, математического анализа, теории вероятностей, матричного анализа и методов оптимизации. Затем разбираются основные алгоритмы обучения с учителем: линейная и логистическая регрессия, метод ближайших соседей, деревья решений, случайные леса, бустинг и нейронные сети.

Значительная часть книги посвящена вероятностным и генеративным моделям. Рассматриваются методы Монте-Карло, графические модели, байесовские сети, вариационные методы, нормализующие потоки, вариационные автокодировщики (VAE) и генеративно-состязательные сети (GAN).

В заключительных главах обсуждаются кластеризация, метод главных компонент (PCA), обучение на многообразиях и теоретические оценки способности моделей к обобщению.

На мой взгляд, это отличный справочник для тех, кто хочет получить широкое представление о машинном обучении и разобраться в математике, лежащей в основе ключевых методов, а не воспринимать их как «чёрный ящик».

https://arxiv.org/pdf/2409.02668

✈️ Python Ninja

Это важно: OpenAI запускает Agent Plugins.

Открытый стандарт для упаковки навыков и MCP-серверов в единый пакет, который можно использовать в разных клиентах.

Стандарт поддерживают AWS, Cursor, GitHub, Microsoft, Vercel и другие.

https://github.com/agentplugins/agent-plugins-spec

✈️ Python Ninja

Этот проект позволяет бесплатно запускать AWS локально.

Без аккаунтов и каких-либо обходных схем. Отлично подходит для практики.

Называется Floci и поддерживает 69 сервисов, включая S3, SQS, Lambda, DynamoDB и RDS.

http://github.com/floci-io/floci

✈️ Python Ninja

Наткнулся на весьма неплохой гайд на Хабре для новичков Pytest

Если давно хотел разобраться, что за зверь этот pytest и с чего начать, — вот тот самый материал. Минимум занудства, максимум пользы: фикстуры, метки, примеры, лайфхаки

После прочтения реально хочется пойти и написать свой первый тест 💪

☝️ Ссылка источник

✈️ Python Ninja

Rio — это Python-фреймворк для создания сайтов и приложений с компонентами в стиле React, но без необходимости писать HTML, CSS или JavaScript.

— всё приложение пишется на Python, отдельный фронтенд-стек не нужен;
— есть готовые компоненты, из которых можно собирать собственные элементы и целые приложения;
— работает локально и в браузере;
— есть туториал, примеры и документация для быстрого старта.

https://github.com/rio-labs/rio

✈️ Python Ninja

Директор по исследованиям Google написал корректор орфографии всего в 21 строку Python.

Питер Норвиг сделал его как простой пример того, как работает вероятностное исправление опечаток.

Скрипт генерирует слова, отличающиеся на одно или два изменения, а затем выбирает наиболее вероятный вариант на основе корпуса текста.

✈️ Python Ninja

Кто-то выложил в открытый доступ Python-скрапер для Google Flights.

Он собирает цены на билеты, расписания и данные для бронирования по более чем 180 странам, используя строготипизированные схемы и Protobuf, закодированный в Base64.

GitHub:
https://github.com/AWeirdDev/flights

✈️ Python Ninja

Хотите узнать, сколько ядер у вашего процессора с помощью Python? Для этого можно использовать модуль multiprocessing.

👉 @PythonPortal

Не нарушайте принцип единственной ответственности SRP.

Функция должна делать одну вещь, делать её хорошо и заниматься только ей.

Здесь функция делает слишком много:

def calculate_final_total(
    price: float,
    quantity: int,
    discount_rate: float,
    tax_rate: float
) -> float:
    subtotal = price * quantity

    discounted_amount = subtotal * (1 - discount_rate)

    final_total = discounted_amount * (1 + tax_rate)

    return final_total

Проблема в том, что расчёт суммы, скидки и налога объединён в одном месте. Любое изменение одного из этапов может затронуть всю функцию.

Лучше разделить логику на небольшие функции:

def calculate_subtotal(price: float, quantity: int) -> float:
    return price * quantity

def apply_discount(subtotal: float, discount: float) -> float:
    return subtotal * (1 - discount)

def calculate_tax(amount: float, tax_rate: float) -> float:
    return amount * (1 + tax_rate)

Так намного лучше.

Небольшие функции с одной конкретной задачей проще покрывать юнит-тестами: у них меньше зависимостей и реже нужны моки.

Плюс такие компоненты проще переиспользовать в других частях приложения или пайплайна, не подтягивая лишнюю логику.

Поэтому держите функции простыми и сфокусированными. Одна функция — одна ответственность.

✈️ Python Ninja

Коварный аргумент по умолчанию

Что выведет код 😎

✈️ Python Ninja

Откопал полезное руководство для изучения кластеризации на Python

Наткнулся на суперполезный гайд по кластеризации — и если ты ещё не пробовал группировать данные в Python, то пора. Там всё объяснено максимально понятно: от подготовки датасета до того, как K-Means находит свои центроиды и зачем DBSCAN шарахается от шумных точек

Короче, инфа, которую реально можно применить уже сегодня — особенно если у тебя есть данные, которые давно просят “разложи нас по смыслу” 👍

☝️ Ссылка источник

✈️ Python Ninja

Awesome Math — огромная подборка материалов по математике в одном репозитории.

Там собраны Khan Academy, MIT OpenCourseWare, конспекты лекций, учебники и другие бесплатные материалы по разным разделам математики.

Проект живой и довольно популярный: сейчас у него больше 16 тысяч звёзд на GitHub.

https://github.com/rossant/awesome-math

👉 @PythonPortal

Замыкания в Python: Динамика переменных

Что выведет код? 🪑

✈️ Python Ninja

«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