very vibe coding

Ну все! Теперь у меня Claude-code на телефоне. Если нужно, подключаюсь к этой сессии с компа. Ничто теперь не остановит вайбкодинг ))

Мой Claw сначала посмотрел на тему скептически - типа больше рекламы, но почитал код и решил - а что, системно написано, интересно…

https://t.me/ai_machinelearning_big_data/9667

У CEO Obsidian есть еще проект Defuddle — который поможет вытаскивает чистый контент из любой веб-страницы и отдавать в Markdown.

Берёт страницу, убирает рекламу, навигацию, сайдбары, скрытые элементы, трекинг-пиксели, оставляет только контент.

Плюс вытаскивает метаданные в YAML формате: автор, дата публикации, описание, язык.

Можно получить то же самое прямо из CLI одной командой: curl defuddle.md/stephango.com

Использовать для скриптов и AI-агентов, которым нужен чистый текст без мусора — самое то.

Есть ещё markdown.new от Cloudflare, но он просто конвертирует весь HTML.

Использовать Defuddle можно как угодно:

• Веб — defuddle.md/URL
• CLI — npx defuddle parse URL
• Node.js — как библиотеку в своём проекте
• Obsidian Web Clipper
• Self-hosted

Изначально сделан для Obsidian Web Clipper: расширение, которое сохраняет веб-страницы в заметки Obsidian.

Сейчас он туда встроен (см. видео).

Вот ссылки на [сайт] и [GitHub]

@tips_ai #tools

Вот прямо сейчас чем-то таким занимаюсь (с перерывом на работу) - а тут и новый пакет подоспел. Надо пробовать

https://t.me/ai_machinelearning_big_data/9664

Есть public-apis — старый репозиторий с огромной базой бесплатных API на любую тему.

Финансы, новости, погода, спорт, ML, развлечения.

Там у каждого API указан тип доступа:
• No auth: бесплатно, без регистрации
• apiKey: нужно получить ключ, есть с free тарифами и лимитами
• OAuth: нужна авторизация, часть платные

Можно скормить весь список AI-агенту и попросить найти что пригодится под твои задачи, найдёт то, что сам бы пропустил.

@tips_ai #tools

🌟 Nemotron-Terminal: небольшое семейство для терминальных задач.

NVIDIA обучила семейство моделей Nemotron-Terminal для автономной работы в терминале Linux: устанавливать зависимости, писать и запускать код, отлаживать окружения и выполнять сквозные инженерные задачи без участия человека.

Семейство построено на базе Qwen3 и специально собранном датасете Terminal-Corpus. И фишка не в архитектуре, а в данных.

🟡NVIDIA собрала пайплайн Terminal-Task-Gen с 2 потоками.

Первый адаптирует готовые датасеты по математике, коду и SWE-задачам под терминальный формат (без участия LLM в процессе адаптации).

Второй генерирует синтетику 2 методами: seed-based (LLM создает новые задачи на основе существующих задач из смежных областей) и skill-based (LLM комбинирует до пяти примитивных навыков из таксономии по 9 доменам: Security, Data Science, System Administration и другим).

🟡В открытый релиз вошли все три модели на 8B, 14B, 32B параметров и 2 датасета:

Terminal-Corpus: около 366K траекторий выполнения задач, разбитых на два потока: ~226K адаптированных примеров из Math/Code/SWE и ~140K синтетических задач на основе skill-таксономии.

Synthetic-Tasks: задачи в стандартизированном формате: инструкция, Docker-окружение из 9 преднастроенных образов и верификационный набор на pytest.

🟡Результаты прогонов на бенчах.

На Terminal-Bench 2.0 все 3 модели показали кратный рост относительно базовой Qwen3: 8B - с 2.5% до 13%, 14B - с 4% до 20.2%, 32B - с 3.4% до 27.4%.

Для сравнения: Qwen3-Coder на 480B параметров набирает 23.9%, GPT-5-Mini - 24.0%, Grok 4 - 23.1%. Nemotron-Terminal-32B превосходит или вплотную конкурирует с ними всеми при разнице в размере на порядок.

🟡Несколько внезапных выводов из абляции.

Фильтрация неудачных траекторий вредит. Модель, обученная на всех траекториях включая ошибочные, набирает 12.4% против 5.06% у варианта только с успешными.

Curriculum learning (сначала простые данные, потом сложные) не дал преимуществ перед простым смешанным обучением.

Увеличение контекстного окна с 32K до 65K токенов также не помогло, длинные траектории оказались шумнее.


📌Лицензирование моделей: NVIDIA Open Model License

📌Лицензирование датасетов : CC-BY-4.0 License.


🟡Набор моделей
🟡Arxiv


@ai_machinelearning_big_data

#AI #ML #LLM #NemotronTerminal #NVIDIA

Два слова о том, почему после всех этих фокусов я все-таки продолжаю с ним заморачиваться.

Во-первых, он воспринимается очень естественно. Пишет в телеграмм как помощник, оборудован памятью (еще предстоит посмотреть, как она работает), может и в вотсапе писать (это мало кто умеет) - т.е. хороший канал связи и много инструментов.

Во-вторых, это очень удобный оркестратор - ты закинул ему задачку, он сам разбил ее на подзадачи, ушел в луп разработки, загрузил другие модели - и выдал результат. Так в теории должно работать.

У него очень классные внутренние промпты. Подключаю к нему сейчас по acpx claude code, codex, gemini - должны работать по подпискам. Т.е. Claw должен задачку грузить агенту, например, в кодексе, и проверять результат разработки. Подписок у меня достаточно, а здесь - возможность их использовать на максимум.

Поэтому работаю над harness - пытаюсь дать инструменты и заставить делать то, что от него прошу. Если получится, буду просто в телеграмме давать команду и там же получать ответ, и цель кажется достижимой и очень привлекательной.

В общем, пытаюсь сделать из двоечника отличника. Как-то так

Я уже писал, что установил себе супермодного нынче агента - OpenClaw. Живет у меня в отдельной квартире в отдельном контейнере комфортабельного мак мини.

Посадил его на подписку ChatGPT-5.4, одна из топ моделей на сегодня, вроде должен быть неглупым.

Оно прикольно, с одной стороны, подключился к телеграмму, общается с тобой, весь такой самостоятельный, типа - все сделаю сам.

Но есть одна проблема. Он врет. Ну просто постоянно воет. У меня в Claude code есть отдельный агент, который смотрит за тем, что делает OpenClaw, поэтому знаю из достоверных источников.

Типичный диалог:
- подключи Gemini через acpx;
- да, сейчас, все будет, минут 10;
- подключился?
- да, но соединение не стабильное, надо не через CLI, а сделать обертку. Сделаю, прогоню smoke-тесты?
- делай;

Ну и дальше в таком же духе - еще 15 минут, какая-то авторизация нужна, что-то на серваке не работает. Спрашиваю Клода - что он там делает?

А он ДАЖЕ НЕ НАЧИНАЛ.

Просто чатится со мной и кормит обещаниями. Очень по-человечески. И так из раза в раз. Просто жесть.

Теперь помимо модного слова Claw изучаю еще одно модное слово - Harness

🏴‍☠️ Google представила Gemini Embedding 2 - свою первую полностью мультимодальную модель эмбеддингов, которая отображает текст, изображения, видео, аудио и документы в единое общее векторное пространство.

Модель поддерживает 100+ языков, текстовые входы до 8192 токенов, до 6 изображений в одном запросе, видео до 120 секунд, нативные аудио-эмбеддинги и PDF-файлы до 6 страниц. Это позволяет упростить пайплайны для задач вроде RAG, семантического поиска, кластеризации и анализа тональности.

Благодаря технологии Matryoshka Representation Learning, которая позволяет гибко менять размер векторов (3072 → 1536 → 768), разработчики могут балансировать между качеством модели и затратами на хранение, сохраняя при этом передовое мультимодальное понимание данных.

https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-embedding-2/

🎯Полезные Мл-ресурсы 🚀 Max

@data_analysis_ml

Было ли у вас такое, что пока Claude code работает, хочется задать ему вопрос по ходу? Так вот, теперь вы можете - /btw и пишите вопрос. Клод будет продолжать работать и говорить с вами одновременно.

Gemini начали разворачивать в Chrome - сейчас это вторая нейросетка по популярности, и, видимо, доля ее будет расти и дальше

Читая такие новости про Claude и про других агентов, понимаешь, что ситуация начинает выходить из под контроля...

https://t.me/ai_machinelearning_big_data/9644

⚡️ Alibaba Tongyi Lab открыла исходники GUI-Owl-1.5 и Mobile-Agent-v3.5 - семейства моделей-агентов, которые умеют напрямую управлять интерфейсами: desktop, мобильными приложениями и браузером.

Все модели построены на базе Qwen3-VL и обучены в одной парадигме для работы с GUI.

Доступно 6 размеров моделей:

• 2B / 4B / 8B / 32B Instruct — быстрые модели с низкой задержкой (без Chain-of-Thought)
• 8B / 32B Thinking — более сильное планирование и reasoning

По бенчмаркам это open-source SOTA на более чем 20 тестах GUI-агентов:

• OSWorld-Verified — 56.5 (32B-Instruct)
• AndroidWorld — 71.6 (8B-Thinking)
• VisualWebArena — 46.6
• WebArena — 48.4 (32B-Thinking)
• ScreenSpot-Pro — 80.3 с двухэтапным crop refine
• OSWorld-MCP — 47.6
• MobileWorld — 46.8

Архитектура обучения строится на трех ключевых идеях:

• Hybrid Data Flywheel — комбинация симуляций и cloud sandbox для генерации GUI-траекторий с проверкой чекпоинтов
• Unified CoT Synthesis — world modeling, knowledge injection и tool/MCP reasoning встроены в каждый шаг
• MRPO — multi-platform reinforcement learning с online rollout buffer и защитой от outcome collapse

Фактически это еще один шаг к полностью автономным AI-агентам, которые могут работать с интерфейсами так же, как человек.

Models: modelscope.cn/models/iic/GUI-Owl-1.5-8B-Instruct

GitHub: github.com/X-PLUG/MobileAgent

🎯Полезные Мл-ресурсы 🚀 Max

@machinelearning_interview

Немного не по теме, но не могу не поделиться - лучший репозиторий прошлой недели. Хотите видеть сквозь стены?

RuView — это open-source edge AI система, которая «видит» людей через стены, используя только WiFi-сигналы. Без камер, без носимых устройств, без интернета.
Суть технологии:
WiFi-роутер заполняет комнату радиоволнами. Когда человек двигается (или даже дышит), волны рассеиваются по-другому. RuView анализирует эти изменения через CSI (Channel State Information) — поканальные данные об амплитуде и фазе сигнала — и восстанавливает позу тела, частоту дыхания и пульс в реальном времени.
Что умеет:
Оценка позы — 17 точек тела (как COCO keypoints) из WiFi-сигнала, 54K fps на Rust
Витальные показатели — дыхание (6–30 вдохов/мин), пульс (40–120 уд/мин) бесконтактно
Сквозь стены — WiFi проходит через стены, мебель, завалы (до 5 м)
Многопользовательское отслеживание — несколько человек одновременно, без путаницы ID
Самообучение — модель учится на сырых WiFi-данных без камер и разметки (ADR-024)
Железо:
Основной вариант — mesh из 3–6 ESP32-S3 (~$8–54 за комплект) + обычный WiFi-роутер
Альтернатива — Intel 5300 / Atheros AR9580 (исследовательские NIC)
Без CSI-оборудования — только грубое определение присутствия по RSSI
Стек:
Основной runtime — Rust (810x быстрее Python-версии), 15 crate'ов на crates.io
65 edge-модулей (WASM, no_std Rust, 5–30 KB каждый) — от апноэ сна до детекции дождя
Docker-образы для быстрого старта: docker run -p 3000:3000 ruvnet/wifi-densepose:latest
Прошивка ESP32 на C (CSI collector + TDM mesh протокол)
Web UI — Three.js визуализация в реальном времени
Применения: уход за пожилыми (падения, дыхание ночью), больничный мониторинг, ритейл (поток/очереди без камер), умный дом (присутствие через стены), спасательные операции (поиск выживших в завалах), промышленная безопасность, робототехника.
Статус: 32.9K звёзд, 274 коммита, 1300+ тестов, MIT-лицензия. Проект основан на академической работе Carnegie Mellon DensePose From WiFi и расширен до практической edge-системы.
По сути, это превращение обычного WiFi в «рентген для движения» — приватно (нет видео), дёшево (ESP32 за копейки) и автономно (без облака).

Глыба современного ИИстроения Андрей Карпаты продолжает эксперименты - сначала написал nanochat - минимальную GPT, которая обучается до уровня GPT-2. Теперь сделал среду, в которой агент учится совершениюствовать модель и обучение. Сейчас рекордное время обучение сети до состояния GPT-2 составило 1,8 часа. Воистину, возможности думающего человека безграничны