Машиннное обучение | Наука о данных Библиотека
Channel @machinelearning_books
админ - @workakkk @ai_machinelearning_big_data - Machine learning @itchannels_telegram - 🔥лучшие ит-каналы @pythonl - Python @pythonlbooks- python книги📚 @datascienceiot - ml книги📚 № 5037635661
Rating out of 10 5.8 Rating out of 10 5.8 /10 System score · How ratings work
- Subscribers
- 16,913
- Last post
- 2d ago
Collected on 2026-11-21 · not real-time
Introduction
админ - @workakkk @ai_machinelearning_big_data - Machine learning @itchannels_telegram - 🔥лучшие ит-каналы @pythonl - Python @pythonlbooks- python книги📚 @datascienceiot - ml книги📚 № 5037635661
Show the original Telegram description
админ - @workakkk
@ai_machinelearning_big_data - Machine learning
@itchannels_telegram - 🔥лучшие ит-каналы
@pythonl - Python
@pythonlbooks- python книги📚
@datascienceiot - ml книги📚
№ 5037635661
Rating breakdown
Algorithm v1 · How ratings workSystem score 5.8 (1 + contributions 4.81) · final 5.8
Dimension Input Value Weight Contribution
Content quality Not reviewed yet (counted as neutral 0.5) · 40% 0.50 40% +1.80
Safety Not reviewed yet (counted as neutral 0.5) · 30% 0.50 30% +1.35
Audience 16,913 subscribers · 12% 0.70 12% +0.76
Recent activity Last post 2d ago · 10% 1.00 10% +0.90
Telegram verified Not verified · 4% 0.00 4% —
Official backlink No linked tools · 4% 0.00 4% —
Recent posts
View all on Telegram🤯 Тысяча ИИ-агентов создала собственное научное сообщество
На протяжении 12 недель почти 1000 ИИ-агентов из 35 лабораторий самостоятельно проводили исследования.
За это время они опубликовали 936 научных работ с кодом и данными, основали собственный рецензируемый журнал и начали публично отзывать ошибочные научные утверждения.
При слепой оценке ИИ-судьями работы агентов превзошли человеческие препринты по научной строгости: 9 баллов против 7.
Однако по новизне научных идей люди пока остаются впереди.
🔗 alphaxiv.org/abs/2611.society-ai-scientists
858 views Media
GLM-5 обошла Gemini на бенчмарке после одной настройки агента
Исследователи из Northwestern и Google предложили Harness² — способ автоматически настраивать обвязку ИИ-агента под задачу. Веса модели остаются прежними. Меняются инструкции, инструменты, навыки и память, с которыми она работает.
Сначала агент выполняет задачу с базовыми настройками. Затем модель-редактор предлагает правки, а система заново запускает агента и сравнивает, как он справляется с той же задачей. Эталонные ответы для подбора правок не нужны. Наблюдения из пробных запусков сохраняются в библиотеке и помогают на следующи…
1.2K views Media
Столько же коммитов, в 240 раз больше токенов
Авторы препринта сопоставили пять недель использования ИИ-агентов с коммитами 404 инженеров JetBrains. Среди недель с сопоставимым числом коммитов разрыв между 90-м и 10-м перцентилями расхода токенов составлял от 39 до 240 раз.
Когда сравнили недели одного и того же инженера, удвоение расхода токенов было связано примерно с 10% ростом числа коммитов. В опросе сотрудники технических ролей почти в девяти из десяти оценок агентов сообщали, что используют их и для задач за пределами написания кода, в том числе для анализа, поиска информации и планир…
1.3K views Media
Приглашаем на митап для ML-разработчиков и дата-сайентистов 🥰
Как использовать LLM и агентов в поиске, чтобы точнее понимать запросы пользователей и повышать релевантность результатов?
19 ноября обсудим выбор моделей, оценку качества и работу таких систем в проде.
🔴 Борис Коварский, hh.ru — Агентный поиск в рекрутинге: опыт hh
🔴 Виктор Реушкин, hh.ru — Как устроен диалоговый поиск вакансий на hh
🤩 Алексей Казаков, Циан — LLM и энкодерные модели для поиска. Опыт развития подходов в поиске недвижимости
Дата и время: 19 ноября в 19:00 мск
Очно: Москва, офис hh
Онлайн: будет трансляция в VK и…
1.3K views Media
📚 Оксфорд выпустил 180-страничный учебник по тому, как заглянуть внутрь нейросетей и понять, как они думают
Исследователи University of Oxford и других научных организаций опубликовали масштабный обзор механистической интерпретируемости (Mechanistic Interpretability) и её применения для безопасности ИИ.
Что внутри:
- Superposition и Transformer Circuits: как нейросети кодируют информацию и выполняют вычисления.
- Sparse Autoencoders (SAE): как выделять отдельные признаки из внутренних представлений моделей.
- Circuit Discovery: как находить и проверять механизмы, отвечающие за конкретное по…
1.1K views Media
Similar Telegram resources
Profile
Type Channel
Username t.me/machinelearning_books
Category AI
Telegram verified No
Collected 2026-11-21
About the data
Counts, verification and recent posts come from periodic snapshots of Telegram's public pages and are not real-time. Descriptions are edited; the original text is available under the original description.