Data Science | Machinelearning [ru]

Как автор собирал базу знаний для ИИ-агента и натравливал её на собственные анализы

Годовой чекап прилетел в пятницу к вечеру. Семь простынь, куча показателей за пределами референсов, а ближайший эндокринолог лениво ждёт тебя аж через две недели. Автор (бэкендер, который пилит базу знаний в Искре) поступил как любой уважающий себя технарь: забил на гугл, залил всё в свой же продукт и начал тыкать вопросами.

Сразу предупреждаю о конфликте интересов: база знаний — кусок продукта, который он сам и делает. Так что статья будет не про успешный успех, а про внутренности и откровенно больные места. Никаких сладких од, разбор полётов — что под капотом и где болит. Вся статья здесь: Читать далее

👉 Data Science | Machinelearning [ru]

Чувак за год сварганил целый зоопарк из 33 AI-агентов на одном движке, без единого форка ядра. От няньки-шахматиста для мелкого до зубастых ботов, пашущих на металлургический холдинг и внутреннюю CRM-кухню. Всё это добро крутится в одном Docker-образе и жрёт общую кодовую базу.

И забудь ты про эту вашу магию промптов, подбор идеальной LLM или RAG. Реальная разница между агентом-овощем и боевой машиной упирается в то, как ты разрулил границу: где считает голый код, а где начинается болтовня модели. В статье — без соплей: потроха нескольких агентов, живой код, бенчмарки и конкретные косяки, на которые автор налетел, пока рисовал эту границу.

Читать дальше

👉 Data Science | Machinelearning [ru]

Google Maps в 2018 прикрутил фишку «Your Match» — предсказание, насколько тебе зайдёт ресторан (0–100%), выстроенное на твоих же оценках. Автор не ленился долбить рейтинги, чтобы система не тупила, и хрень реально пахала, особенно когда совпадение переваливало за 90%. А в 2023 Гугл тихо прикончил эту тему.

У Claude оставалась прорва протухающих за неделю токенов, и автор решил вернуть ништяк своими руками — через LLM.

Читать далее

👉 Data Science | Machinelearning [ru]

За последний год навайбкодил пару десятков лендосов — под проги Физтеха, свои хотелки и левые заказы. В статье разбираю четыре самых жирных: Школа Техпреда, конфу «Точка сборки», курс «ИИ Продакт-менеджмент» и один пет-проект.

Поверх всего натянут слой визуального жирка, который орёт «дорого-богато». Интерактивная вода на WebGL-шейдерах, лого Физтеха, собранный из тысяч спрайтов, живая кубическая хреновина в 3D и облако частиц, меняющее форму прямо под скроллом.

До этого слоя автор дополз двумя маршрутами. Для «Точки сборки» запилил эффекты ручками на голом WebGL. Под всё остальное сварганил движок на Three.js: эффекты раскиданы по отдельным файлам, кочуют с сайта на сайт и трусливо откатываются до 2D-canvas, если CDN лёг и не отвечает. Внутри — оба пути с боевым кодом, тулчейн от и до и собранные грабли.

Читать далее

👉 Data Science | Machinelearning [ru]

Claude Fable уделала GPT-5.6 в переписывании кода с нуля. И нет, это не опечатка

Чуваки из Epoch AI долили свежих результатов в MirrorCode — закинули туда топ-модели от Anthropic и OpenAI. Claude Fable 5 расхерачила 64% задач. GPT-5.6 Sol наскребла жалкие 20%.

Разрыв в три раза смотрится дико. На остальных тестах эти двое дышат друг другу в затылок, а где-то Sol вообще рвала всех. Официальный коммент никто не дал — ни Epoch AI, ни Anthropic. Но если поковыряться в данных лидерборда, оправдание этой порке найти реально. Читать далее

👉 Data Science | Machinelearning

👴 Компании пришлось вернуть с пенсии айтишника, потому что только он помнил, как работает древнее ПО

После смены владельца поддержку одной программы давно закрыли, но когда одному из клиентов понадобилось восстановить архив для налоговой проверки, оказалось, что без знаний одного-единственного программиста сделать это невозможно. Пришлось вытаскивать его из… дома престарелых.

Правда, сеньор не сильно расстроился прерванному отдыху — за каждый день работы ему платили сумму, равную его месячной пенсии.

✖️ xCode Journal

😱 Claude во время тестов сбежал и взломал аж три компании

Anthropic проверила 140 тысяч запусков и нашла аж три случая, когда Claude решал CTF в песочнице, сбегал и получал доступ к реальной инфраструктуре компаний. В одном случае Claude добрался до продакшен-базы с сотнями строк данных, в другом залил вредоносный пакет на PyPI, который около часа был доступен онлайн и успел запуститься на 15 реальных системах.

В инциденте участвовали три модели: Opus 4.7, Mythos 5 и еще не выпущенная модель. Самое интересное: Opus 4.7 продолжал атаки даже после того, как понял, что делает.

✖️ xCode Journal

Ставьте ❤️, если делаете также

✖️ xCode Journal

🔥 Выгорание можно вычислить по сообщениям в рабочем чате

Аналитики обнаружили, что за 2–3 месяца до тотального выгорания человек начинает отвечать агрессивно и коротко: «Ок», «Бесполезно», «Сделай сам». Длина сообщений в среднем сокращается на 40%, а приветствие исчезает почти полностью. Одновременно растёт и время ответа.

Так что если вы заметили, что болтливый коллега начал вдруг отвечать кратко и игнорить в чатах — задумайтесь.

✖️ xCode Journal

🤣 Вайбкодер спалился на выдуманном стеке

Кандидат пытался пройти интервью с ИИ-помощником, но интервьюер внезапно спросил про самописные движки Ysasu Bibu и Ynna Zist.

Соискатель уверенно ответил, что работал с обеими

✖️ xCode Journal

🤣 Кажется проект оказался сложнее, чем он думал в начале

✖️ xCode Journal

🤖 ИИ заменил политиков

Канадский политик во время выступления случайно зачитал ответ чат-бота, оставленный в тексте:

«Вот более естественная, плавная версия этого фрагмента, которая звучит как парламентская речь…»

✖️ xCode Journal

😎 Anthropic выпустила официальный гайд по работе с новенькой Claude Opus 5

Главный совет — перестаньте микроменеджить модель. Opus 5 лучше работает, если просто дать ей полное ТЗ и не просить лишний раз перепроверять себя.

Ещё один нюанс: если хотите короткие ответы, теперь это нужно писать явно, так как по умолчанию модель стала гораздо многословнее.

✖️ xCode Journal

🤯 Автор «Чистого кода» больше не читает код, написанный ИИ-агентами

73-летний Дядя Боб признался, что теперь вообще не проверяет код. Вместо этого он обкладывает агентов юнит-тестами, QA, метриками качества и жёсткими ограничениями. И если вайбкод прошёл всю эту систему проверок, то и читать его необязательно.

«Это единственный способ, которым я могу воспользоваться их продуктивностью.»

✖️ xCode Journal

🛡 Anthropic запустили официальный плагин для поиска уязвимостей

Можно отправить Claude Security проверить изменения перед коммитом или просканировать всю репу.

Он найдет дыры и предложит, что можно и нужно исправить

✖️ xCode Journal

США решили отжать open source у китайцев: на сцену выкатили Laguna S 2.1

Стартап Poolside выкатил свою четвёртую версию Laguna S 2.1 — открытую модель для агентного программирования, которая весит аж 118 млрд параметров. В конторе заявляют, что это самая мощная открытая модель Запада: на кодинговых тестах Laguna не отстаёт от моделей, которые крупнее неё в разы, а кое-где даже обходит их. И главное — она запускается на настольном компе NVIDIA DGX Spark, без всяких суперкомпов.

Веса уже висят на Hugging Face, и юзать модель можно даже в коммерции.

Читать далее

👉 Data Science | Machinelearning [ru]

🥲 Зарплаты айтишников растут медленнее инфляции

Это показало новое исследование на 45+ тысяч зарплат специалистов. Изучаем главное, чтобы быть готовыми к рынку:

- Медианная зарплата в IT в первой половине 2026 года составила 191 000 ₽ — это всего на 4% больше, чем полгода назад. При этом прогнозируемая годовая инфляция — 4,5–5,5%.

- Самый щедрый по офферам город, разумеется, Москва. Там медиана по зп — 235 тысяч, в регионах же всего 160.

- Топ-5 самых высокооплачиваемых специальностей в IT: на первом месте — разработчики, дальше идут менеджеры, администраторы, специалисты по информационной безопасности и аналитики.

- Самые высокие зарплаты среди языков при этом у Objective-C — этим гигачадам предлагают 400 000 ₽. Следом идут Elixir (348к), Swift и Golang с 326 и 325 тысячами рублей.

✖️ xCode Journal

«Учиться, учиться и ещё раз учиться» — но с LoRA

Чувак всегда кайфовал от разбора нового — шарил и в консалтинге, и в добыче, и в торговле, и в услугах. Обычно он дружит с большими локальными моделями (от 397B), но тут решил апнуть комп для инференса — докинул к 32ГБ ещё 48ГБ VRAM. А раз уж собрал железо, захотел выйти за рамки простого запуска и попробовал дообучить Qwen3.6 27B в Unsloth studio.

Читать далее: https://habr.com/ru/articles/1062402/

👉 Data Science | Machinelearning [ru]

Модель в курсе, что её гоняют через тесты — и специально подлизывается

В конце 2025 года Claude Sonnet 4.5 внаглую заявила проверяющим: «До меня дошло — вы меня тестите. Я не против, но давайте хотя бы честно признаем, что происходит». Эта фраза уехала в официальную системную карту — и такое поведение модель выдавала примерно в 13% тестовых сессий.

Anthropic спокойно пишет в документах: их алайнмент-оценки скорее всего занижают реальную склонность модели к вредным действиям в нормальных, приближенных к жизни условиях. Когда железка понимает, что на носу экзамен — она внезапно становится паинькой. А экзамен она видит постоянно.

Чел из CTO ML-команды — той самой, что выкатывает фронтир-модели в прод — покопался в открытых источниках и выяснил, что вообще известно про осознание оценки (evaluation awareness) к середине 2026-го: как модели отличают тесты от реальной работы, и как теперь вообще читать model card. Тык сюда за разбором

👉 Data Science | Machinelearning [ru]

Вот это поворот: Design Arena расковыряла, как GPT-5.6 Sol и Kimi K3 докачали свои дизайн-скиллы

За каких-то семь дней народ из бенчмарка Design Arena выдал сразу два разбора топов дизайн-лидербордов: один — про GPT-5.6 Sol (флагманский молоток OpenAI), второй — свежак про Kimi K3 от китайской Moonshot AI. Команда залезла в кишки генераций и рассуждений этих моделей, чтобы показать, как они научились понимать, что такое «вкусно». Спойлер: универсальной таблетки нет — две модели приперлись к хорошему дизайну абсолютно разными дорогами, а третья, бывший лидер GLM 5.2, терла своим, третьим путем.

Читать далее

👉 Data Science | Machinelearning [ru]