Kurgan-Telecom Ru | Информационные технологии

Вы когда-нибудь задумывались о том, что принципиально отличает настоящую нервную систему от ее искусственных аналогов? Почему масштабирование модели не дает сопоставимого прироста качества? Не говоря уже об эмерджентных свойствах, которые теоретики пророчат для сложный моделей.

Давайте разберемся в этом вместе, а так же подумаем, как доработать механику нейросетей так, чтобы каждый слой/блок имел представление о глобальной задаче всей модели.

В этой статье я расскажу о собственных наработках, которые должны помочь связать признаки из разных слоев внутри одной сети. Как встроить возможность обобщения потока данных в саму механику модели, путем объединения показаний слоев на разных батчах. И о том, как адаптировать технологию для различных архитектур.

9 июня Anthropic выпустила Claude Fable 5 - первую публичную модель класса Mythos, на ступень выше привычного Opus. Релиз громкий: 80,3% на SWE-bench Pro, миграция кодбазы Stripe за день, "самая мощная публичная модель в истории компании". Но бенчмарки - это чужой опыт. 

Мне было интереснее проверить свое: может ли модель не просто написать кусок кода, а собрать маленький продукт целиком - с идеей, механикой, балансом, интерфейсом и концовками.

Поэтому я не стала просить змейку, To-Do планер или лендинг. Я попросила одним промптом собрать браузерную игру - симулятор админа Telegram-канала про ИИ. Получился Нейровестник. Поиграть можно и с телефона.

Спойлер: модель сама вшила в баланс мораль.

Компании тратят миллионы на обучение менеджеров, но дорогие ошибки часто совершают рядовые сотрудники: водители, кассиры, операторы производства. Проблема в том, что большинство корпоративных курсов изначально создавались не для них.

В реактивной системе все состояния связаны друг с другом инвариантами в единый граф. Когда мы изменяем что-то с одной стороны этого графа, рантайм обеспечивает каскадный пересчет зависимых состояний. Такие последовательности пересчетов — это ничто иное, как потоки информации (data-flow). Чем прямолинейнее эти потоки, чем меньше они разветвляются и затрагивают состояния, не относящиеся к изменениям, тем эффективнее работает система. И здесь есть два подхода к оптимизации потоков информации…

В прошлой статье мы разбирались с тем, как наука смотрит на вопросы увеличения прочности 3d модели, распечатанных с помощью fdm печати. 

Там же мы узнали, что огромное количество учёных занимает этот вопрос, и количество статей на эту тему исчисляется сотнями (если не тысячами), — исходя из чего, мы смогли до себя почерпнуть некоторое количество вводных параметров (толщина слоя, толщина стенок, параметры заполнения) — для разных пластиков, которые можно было бы использовать в своей практической деятельности. 

Практический смысл в этом знании такой, что мы там увидели, как можно было бы экономить пластик, и что 100%-заполнение при 3d печати — вовсе не единственный способ обеспечения гарантии высокой прочности распечатки. 

Однако, как я уже и говорил в этой статье, мы специально оставили в стороне, только немножко затронув, интереснейший вопрос — а как и в каких местах должны быть применены указанные параметры? 

Так как, даже интуитивно, многие, наверное, чувствуют, что «слои и заполнение надо сделать вот такими» — даже не изучав в своём институтском прошлом такую дисциплину как «сопротивление материалов» (попросту «сопромат» в обиходе), которая по большому счёту и изучает оптимальную форму конструкций для определённых материалов. 

Потому что, зачастую, это интуитивное ощущение оказывается верным, и пространственное расположение элементов конструкции распечатки весьма важно для прочности (и это мы уже увидели в прошлой статье) — однако это знание было бы неполным, без рассмотрения конкретных способов усиления определённых мест модели — что мы и рассмотрим в этой статье!

Привет, Хабр! Меня зовут Дмитрий, я руководитель проектов в РГС. И я решил рассказать, как я собирал свою умную дачу в лучших традициях, то есть «от балды». Вот здесь можно прочитать первую часть про, с чего вообще все началось и почему я взялся за модернизацию своего дома из 80-х.

А в этом статье поговорим про контроль напряжения, водоснабжение, газовое оборудование, отопление и систему освещения. Без лишних предисловий — поехали.

Если вы запускаете GPU-нагрузки (графические ускорители) на Kubernetes — vLLM, Triton, обучающие задачи или более новые стеки агентного инференса, — вы наверняка сталкивались со знакомой проблемой: стандартный автоскейлинг по-прежнему мыслит в категориях CPU и памяти, а GPU, который реально делает работу, остается невидимым. Из-за этого простаивает дорогая емкость ускорителей, растет задержка инференса и расходуется лишняя энергия — ровно там, где компании пытаются ответственно масштабировать LLM и Agentic Ops (подходы к эксплуатации Agentic-систем).

VK Cloud перевела статью автора, который хотел бы, чтобы KEDA масштабировался по сигналам, которые важны для GPU-нагрузок: утилизации, памяти, температуре и энергопотреблению. На практике это не только вопрос стоимости. Это еще и вопрос GreenOps (экологичный подход к эксплуатации с минимизацией углеродного следа): впустую потраченные GPU-циклы напрямую превращаются в потраченную энергию и более высокие выбросы категории Scope 3 (косвенные выбросы в цепочке создания стоимости).

Оказалось, что это сложнее, чем кажется. Дальше повествование идет от его лица

Около года назад я разработал небольшое приложение для доступа к файлам на Wear OS. Рассказываю о том, как я добавил новый функционал: передача файлов со смартфона на часы, а также просмотр изображений и документов прямо на часах.

Я реализовал свою первую задачу по замене «Яндекс Диска», довёл скорость до 1,1 ГБ/с и пошёл дальше — установил Kubernetes дома. Я не инженер DevOps, но на своём кластере из старых Mac mini я запустил полноценный K8s с Managed Services.

Чем больше у вас сбоев, тем больше зарабатывает подрядчик. И это не злой умысел. Так устроена типовая модель оплаты, где исполнителю платят за закрытые заявки и отработанные часы. У него просто нет причины сокращать количество заявок. Разберем, почему «чинить быстро» и «сделать, чтобы не ломалось» — две разные бизнес-модели и как достичь того, чтобы аутсорсер работал по второй. Также поделимся почему дело не столько в модели, сколько в зрелости обеих сторон.

В этом проекте собрали систему мониторинга для помещения арендатора под ЦОД. На объекте уже работали отдельные подсистемы — электроснабжение, кондиционирование, ИБП, тепловой узел, датчики протечек — но каждая из них существовала сама по себе. Оператору не хватало общей картины: параметры приходилось смотреть в разных интерфейсах, а часть событий можно было просто пропустить.

Задача состояла в том, чтобы объединить все источники данных в единую диспетчеризацию без вмешательства в работу оборудования. В результате построили систему, которая собирает данные, отображает их в единой мнемосхеме, фиксирует события и помогает не только реагировать на аварии, но и анализировать режим работы объекта.

Если у вашей компании на ОСНО входящий НДС превышает начисленный, вы фактически беспроцентно кредитуете бюджет: деньги заморожены, вместо того чтобы работать в обороте. Возмещение возвращает их на счет. Разберем механику системно: где возникает право на возврат, какой порядок выбрать под свою ситуацию и как пройти камеральную проверку без потерь. Речь не про «схемы», а про штатную процедуру для бизнеса на общей системе.

Технически НДС — это поток. Весь входящий налог из счетов-фактур поставщиков идет в книгу покупок, весь исходящий с вашей реализации — в книгу продаж, а разница за квартал подлежит уплате. Когда вход превышает выход, образуется отрицательное сальдо, которое можно вернуть. Но бизнес опасается заявлять возмещение. Дело не в самой камеральной проверке: ее проходят все декларации. Дело в том, что возврат — это расход бюджета, и налоговая обязана убедиться в его обоснованности. При возмещении она проверяет отчет не только автоматикой (АСК НДС-2 ищет разрывы по цепочке), но и вручную, и запрашивает много документов. Задача не в том, чтобы искать лазейки, а в том, чтобы заранее закрыть слабые места: счета-фактуры, реальность сделок и раздельный учет. Покажем, где эти места искать и как их усилить.

Привет! Я — Мария, руководитель направления автоматизации процессов управленческого учета, бюджетирования и контроля расходов.

На проектах регулярно сталкиваюсь с тем, что в организации автоматизировали согласование заявок на расходы, но вопросы о свободных лимитах, обязательствах и план-факте по-прежнему приходится решать вручную.

Со стороны это выглядит странно: автоматизация есть, а полноценного бюджетного контроля нет.

В этой статье я хочу посмотреть на проблему с архитектурной точки зрения. Разберем жизненный цикл бюджетного лимита и пять типовых разрывов процесса, которые чаще всего становятся причиной возврата к Excel-сверкам, ручному план-факту и спорам о доступном бюджете уже после внедрения.

Статья будет интересна бизнес-аналитикам, архитекторам, руководителям проектов автоматизации, а также сотрудникам финансовых подразделений, участвующим в развитии бюджетного процесса и управленческой отчетности.

Статья призвана познакомить читателя с тем, как биологические механизмы могут применяться при разработке искусственных нейронных сетей для создания сильного искусственного интеллекта (AGI).

История Maersk началась еще в 1886 году, когда жена капитана Петера Мёллера внезапно тяжело заболела. В отчаянии мужчина начал молиться со всей силой, и в конце своей молитвы он попросил у Бога какой-то знак, чтобы появилось какое-то доказательство того, что его молитва услышана. И тогда посреди неба, полностью погребенного под густыми тучами, сквозь тьму внезапно пробилась одна яркая звезда.

Эта статья является продолжением цикла статей. В предыдущей статье мы узнали как организован модуль спутниковой связи Satellite и как его установить в симулятор NS-3. В этой же статье мы познакомимся с наиболее употребляемыми классами симулятора NS-3, без знания которых в моделировании не обойтись

Каждый SQL-разработчик помнит свое первое столкновение с конструкцией OVER(). Когда после понятных и уютных SELECT и GROUP BY ты видишь этот перегруженный синтаксис, появляется непреодолимое желание закрыть IDE и пойти работать руками на свежем воздухе.

Но вот главный спойлер: оконные функции — это не закрытый клуб для избранных. На деле это изящная замена километровым самоджойнам (JOIN) и многоэтажным подзапросам, которая бережет ваши нервы и вычислительные ресурсы базы данных.

В этой статье мы без академической духоты разберем базовую механику оконных функций: ROW_NUMBER(), RANK(), LAG() и SUM() OVER(). Чтобы не страдать на скучных примерах, всё тестирование проведем на датасете с результатами матчей по CS2. Погнали!

Началось все с того, что я, ощущая на рынке кризис, решила поговорить с предпринимателями и узнать, как его ощущают они. В итоге из этого выросло полноценное исследование, о результатах которого я уже рассказывала тут.

В результате выяснилось, что 60% респондентов планируют делать ставку на развитие партнерского канала в 2026 году, чтобы оставаться на плаву. 

Из этого появилась идея разобраться, как ведет себя рынок вакансий и резюме менеджеров по работе с партнерами, результатами которого делюсь.

Пользователь столкнулся с ошибкой в вашей программе. Трекер ошибок ее зафиксировал. Стек-трейс показывает место сбоя. Но что делал пользователь за несколько секунд до этого? Какие запросы выполнялись? На каком шаге сценарий пошёл не так?

Для ответа на эти вопросы в трекерах ошибок используются Breadcrumbs — цепочка событий, предшествующих ошибке. Разберём, как они работают в Хоуке и как помогают быстрее расследовать сбои в приложениях.

Есть такая городская байка: если угадать правильную скорость, то можно проехать десяток светофоров подряд и ни разу не остановиться, поймав «зелёную волну». Водители из разных городов охотятся за этим ощущением десятилетиями. А мы взяли щепотку данных, немного технологической магии, дизайна и превратили эту байку в работающую фичу в навигаторе 2ГИС. 

Меня зовут Даня. Я продуктовый дизайнер команды Транспорт и сейчас расскажу, как мы собирали зелёную волну: от первого скетча до запуска.