Хотите разобраться, как PyTorch работает изнутри, а не только вызывать .fit()?

Держите: awesome-cuda-books, кураторский список лучших книг по CUDA и параллельным вычислениям на GPU. 668 звёзд на GitHub.

CUDA от NVIDIA — основная платформа, поверх которой работают PyTorch, TensorFlow и большинство ML-фреймворков. Чтобы разобраться в том, что происходит на уровне ядер и памяти видеокарты, без хорошей книги не обойтись. Учебников по теме немало, и отфильтровать подходящие без ориентира непросто. А тут прямо готовая библиотека, так что забирайте.

#python #pytorch

@tproger
Читайте также в VK, Max и Дзен

Каждая часть системы работала правильно. Приложение всё равно падало

Веб создаёт данные, бэкенд обрабатывает, мобилка показывает — и каждый кусок по отдельности проходит тесты. А баг рождается ровно там, где они встречаются впервые.

Собрали пять кейсов из практики мобильного тестирования:

— Промокод с кириллицей, который веб спокойно создавал, а мобилка отказывалась принимать.
— RatingBar, который на Samsung стабильно накидывал лишнюю звезду.
— Пуши, отвалившиеся на всех iPad из-за одной строки «iPadOS» в JSON.
— Кнопка в чате бота, уехавшая за край экрана у клиентов с длинным списком счетов.
— WebSocket, который не закрывался при выходе из чата и копил соединения до краша.

@tproger
Читайте также в VK, Max и Дзен

Self-hosted платформа для агентов с песочницами и audit log

Один агент с shell-доступом выглядит удобно ровно до момента, когда надо понять, кто разрешил действие, в каком контейнере оно выполнялось и можно ли повторить цепочку. Horizons пытается закрыть именно эту инженерную часть.

В проекте агенты описываются декларативно: имя, sandbox image, доступные инструменты, расписание. Действия проходят approval gates, записываются в append-only audit log, а MCP gateway поддерживает stdio и HTTP. Получается не «чатик с инструментами», а среда исполнения с правилами.

Можно разобрать репозиторий как пример self-hosted agent execution. Внутри полезно смотреть не только на SDK, но и на модель разрешений, журнал действий и границы песочницы.

@tproger
Читайте также в VK, Max и Дзен

Агенты становятся быстрее не от промптов, а от runtime-подсказок

Когда агентный пайплайн тормозит, первое желание: переписать промпт или заменить модель. NVIDIA NeMo Agent Toolkit смотрит ниже: на маршрутизацию, приоритеты, трассировку и выполнение графов агентных задач.

В проекте есть Dynamo Runtime Intelligence для выбора cache-control и приоритетов по профилю запроса, Agent Performance Primitives для ускорения графовых фреймворков, интеграция с LangSmith и публикация workflow как MCP-серверов через FastMCP. Это уже не демо-чат, а инфраструктура вокруг агентных систем.

Если вы собираете не одного бота, а цепочку инструментов, стоит изучить подход. Детали помогают понять, какие части агентного стека стоит измерять до того, как винить модель.

@tproger
Читайте также в VK, Max и Дзен

MCP-сервер, который лечит галлюцинации документации

У AI-ассистента есть неприятная привычка: он уверенно вспоминает API из старой версии библиотеки и пишет код, который выглядит правдоподобно до первого запуска. Grounded Docs MCP Server предлагает скучное, но сильное решение: дать ассистенту свой актуальный индекс документации.

Проект позиционируется как open-source альтернатива Context7, Nia и Ref.Tools. Идея в том, чтобы локально собрать документы, держать их свежими и отдавать через MCP в инструменты кодинга, вместо того чтобы просить модель угадывать сигнатуры из памяти.

Можно посмотреть, как устроен такой сервер и какие сценарии он закрывает. В деталях особенно полезна мысль: качество AI-кода часто упирается не в модель, а в источник контекста.

@tproger
Читайте также в VK, Max и Дзен

Коллеги из Tproger собрали подборку облачных GPU-провайдеров для ML на 2026 год. Внутри — какие карты реально доступны у разных провайдеров (от Tesla T4 до H200 и B300), под какие сценарии берут конкретные конфигурации и сколько это стоит за час аренды.

Рекомендую, пишут про решения, которыми я лично пользуюсь.

@neuro_channel (теперь ещё в VK и Max)

Как искать инвестиции и партнёров для своего проекта? И как получить первых клиентов?

Если эти вопросы вас волнуют, приходите в онлайн-школу МФТИ «Предпринимательское планирование: от идеи до бизнес-модели».

За пять недель вы соберёте проектное предложение, с которым можно идти на разговор с инвестором, заказчиком или соучредителем.

Вас ждёт:
— Обучение в малой группе из шести человек.
— Живое общение с двумя преподавателями-практиками, подробный разбор проектов.
— Пересборка мышления с постоянной доработки продукта на проектирование компании.

Школа стартует через неделю, 1 июня.

Посмотреть программу и записаться: techpredschool.ru

Свой AI-агент без магии: CRUD-подход, память и инструменты

Когда говорят «агент», легко представить огромную платформу, которую страшно трогать без команды ML-инженеров. Автор FastStream и мейнтейнер AG2 предлагает инженерный взгляд: агент состоит из понятных частей, а не из чёрного ящика.

В разборе OpenClaw используется как повод показать базовую конструкцию: модель, инструменты, контекст, память, интеграции и правила выполнения. Смысл не в том, чтобы срочно писать свой фреймворк, а в том, чтобы перестать бояться архитектуры агентов.

Если хочется разобрать агентную механику на пальцах, материал хорошо работает как инженерная карта. Детали помогут отличить полезную автоматизацию от красивой кнопки «сделай всё».

@tproger
Читайте также в VK, Max и Дзен

Стрим о защите контейнеров, который нельзя пропустить

Что реально угрожает контейнерным приложениям сегодня и как это отражается на их жизненном цикле?

Dev friendly контейнерная безопасность: shift-left с помощью Kaspersky Container Security и не замедлять релизы?

Какова роль ИИ в защите контейнеров?

Настоящее и будущее контейнерных сред обсудят эксперты «Лаборатории Касперского» и платформы «Штурвал» 28 мая в 11:00.

Чтобы не пропустить, регистрируйтесь.

Это #партнёрский пост

Стройка уже во всю присматривается к ИИ, но до сих пор не понимает, как его внедрять

В строительстве уже дошли до знакомой айтишной стадии: демо работает, презентация красивая, а дальше начинается интеграция с реальными процессами, данными и ответственными людьми. Вот тут и начинаются трудности. По данным ДОМ․РФ и Сколково, 17% цифровых решений в отрасли уже используют ИИ, но в проектировании таких решений всего 3%. При этом в «ДОМ․РФ Технологии» ждут, что к 2028 году ИИ будет больше чем у половины девелоперов.

То есть проблема уже не в том, чтобы «прикрутить нейросеть». Это как раз нетрудно. Руководителям, проектировщикам и городским командам нужно понимать, где взять данные, какой процесс нужно менять и как правильно считать эффект. Москва с этим уже экспериментирует на уровне города: Сколтех и правительство Москвы развивают ИИ для градостроительства, а городской Центр ИИ сделал сервисы для планировок и цифрового нормоконтроля.

На этом фоне курс от Академии «ДОМ.РФ Технологии» и Сколтеха выглядит не как очередное «обучим нейросетям», а как симптом рынка. Два месяца онлайн или очный интенсив про данные, аналитику, ИИ-агентов и внедрение в операционные процессы. То есть ровно про ту часть, в которой сейчас возникла сложность в сфере.

#новости #ии

Сайт узнаёт ваши вкладки не через куки, а через SSD

Если вы думали, что приватность в браузере — это про куки, новая техника FROST добавит вам бессонницы. Вредоносный сайт создаёт гигабайтный файл в изолированном хранилище OPFS и измеряет задержки чтения вашего SSD. Когда другая вкладка обращается к диску, задержки меняются. Свёрточная нейросеть по этим колебаниям определяет, что именно у вас открыто.

Исследователи показали полноценную атаку на macOS с чипом M2, базовый примитив подтверждён на Linux. Пока это лабораторный proof-of-concept, но работает во всех основных браузерах без единого клика.

Держите: Claude Opus 4.8 с fast mode втрое дешевле и сотнями параллельных агентов

Anthropic обновила флагман до версии 4.8 по той же цене, а для разработчиков главное новшество простое: режим fast mode теперь стоит втрое меньше и работает в 2,5 раза быстрее.

Модель заметно прибавила в надёжности. По оценкам Anthropic, Opus 4.8 в четыре раза реже молча пропускает собственные ошибки в коде. На бенчмарке Super-Agent она стала единственной моделью, дошедшей до конца во всех сценариях, и обошла GPT-5.5 при равной стоимости.

В Claude Code появились динамические рабочие процессы — теперь можно запускать сотни параллельных подагентов в одной сессии. Подробности на Tproger.

Как RWB строит промышленный ИИ

На Inside AI Meetup команда RWB открыто рассказала, как выглядит промышленный ИИ на масштабе Wildberries: миллионы пользователей, десятки миллионов заказов, тысячи ML-сервисов и GPU.

Главный вывод неожиданный: серебряной пули нет. Нельзя просто взять правильную модель и получить готовый продукт. Сначала данные, архитектура, инфра, 100500 экспериментов — и только потом, возможно, что-то полетит.

Из интересного:

• AIOps у RWB сработал не потому, что там волшебный ИИ, а потому что команда выстроила нормальную автоматизацию.

• LLM не спасает, если в данных хаос: сырые отзывы, вопросы и описания товаров нельзя просто скармливать модели — их надо сначала привести в нормальный вид.

• А еще LangChain, по версии RWB, хорош для прототипов, но в продакшене может превратиться в болото абстракций. Там уже решают vLLM, Triton, token-aware routing, KV-cache routing и скучная инженерка.

В общем, ИИ — это дорогое, сложное и очень инженерное продолжение старой доброй автоматизации.

Полный обзор митапа читайте на Tproger