Kurgan-Telecom Ru | Информационные технологии

В среду, 18 марта, Минцифры РФ представило проект закона, определяющего функционирование искусственного интеллекта. Документ пока не внесен в парламент и проходит общественное обсуждение, поэтому многое может поменяться. Рассмотрим текст, актуальный на март 2026 года.

Когда в последний раз вы ходили на свидание и ловили себя на мысли: «Блин, надо рассказать про мои хорошие качества как будущего(й) мужа/жены»?
Или собирались на встречу с клиентом и ловили себя на другой: «Нужно одеть что-то поярче»?

На самом деле, между карьерой и личной жизнью куда больше общего, чем нам хотелось бы признать. Потому что и там, и там — мы продаем себя. Да, вот так вот грустно. В 12 часов дня вас называют "специалист", а в 12 часов ночи... тут уже у кого какая фантазия на "должности".

Не верите? Давайте сделаем сравнительную таблицу. Покажем, что собеседование и свидание — это два вида одного и того же ритуала: выбора «подходящего», презентация себя и тест на совместимость.

На реддите кто-то собрал с levels.fyi данные по з/п software engineer в tech hubs после налогов, добавил аренду скромного жилья с numbeo, учел стоимость жизни и rent index.

К точности данных могут быть вопросы, многим указанное на levels кажется завышенным. Может и так, но нам важна разница между городами. Выводы актуальны для любых айтишников, просто разработчики - самые горячие пирожки.

Данные хорошо иллюстрируют многие мои тезисы:

Показываю, как запустить локальную LLM и подключить её к IDE за 15 минут, а также четыре бесплатных облачных альтернативы.

Локальный вариант: LM Studio + Qwen3-Coder + Kilo Code. Работает офлайн, без подписки и лимитов на запросы.

Облачные варианты: Kilo Code со своими бесплатными моделями, Qwen Code с 1 000 запросов в день, OpenCode с ротируемыми open source free моделями и OpenAI Codex — пока бесплатный для Free-аккаунтов.

Подробный разбор возможностей нейросети для генерации изображений Seedream 5.0. Узнайте, как бесплатно создавать реалистичные фото и коммерческую графику из РФ. Тесты и примеры промптов.

В этой статье мы подробно разберем, как работают основные функции протокола Aave V2, и узнаем, как их использовать заемщикам, ликвидаторам и депозитариям.

1. Введение

Aave — это децентрализованный протокол кредитования с открытым исходным кодом, не требующий посредников, банковских счетов или кредитных рейтингов. Изначально запущенный в 2017 году как ETHLend и ребрендированный в Aave в 2020 году, протокол стал лидером рынка DeFi. По состоянию на 2026 год, общая заблокированная стоимость (TVL) превышает $40 млрд, обеспечивая глубокую ликвидность в мультичейн-среде: Ethereum, Polygon, Arbitrum, Optimism, Avalanche, Base и других сетях L2.

- Ключевые особенности экосистемы:

- aTokens (Процентные токены): Вкладчики получают токены (например, aUSDC, aETH), которые представляют их долю в пуле. Баланс aToken'ов растет автоматически каждую секунду («rebasing»), отражая начисленные проценты. Эти токены можно использовать как залог в других протоколах.

- Гибкие процентные ставки: Заемщики выбирают между стабильной ставкой (фиксированная, защищает от скачков, но может быть пересмотрена при сильных рыночных изменениях) и переменной ставкой (зависит от утилизации актива в реальном времени).

- Флеш-кредиты (Flash Loans): Уникальная возможность брать кредиты без залога при условии возврата средств в рамках одной транзакции. Используется арбитражными трейдерами и для рефинансирования долгов.

- Безопасность и управление:

Протокол управляется DAO держателей токена AAVE через голосования (AIP).

Safety Module выступает в роли страхового фонда: стейкеры токена AAVE защищают протокол от дефицита, получая взамен вознаграждение.

12-го и 14-го марта, после длительного затишья, состоялись выпуски 1.10.0 и 1.10.1 библиотеки cpp-peglib, реализующей PEG (грамматику, разбирающую выражение).

Библиотека поддерживает синтаксис, подробно описанный Брайаном Фордом на странице 2 документа «Parsing Expression Grammars: A Recognition-Based Syntactic Foundation», со многими дополнительными улучшениями.

В отличие от таких проектов, как PEGTL, Lexy и многих других, cpp-peglib позволяет задать выражение PEG и во время выполнения.

( читать дальше... )

>>> Попробовать онлайн (пример грамматики JSON на скриншоте)

 c++, cpp-peglib, parsing, peg, библиотека

Владелец прав не оценил программу для ЭВМ предпринимателя и подал к нему иск. Обнаружили три обстоятельства, которые рушат позицию истца. Отразили их в отзыве на иск.

В начале ноября прошлого года ко мне обратился индивидуальный предприниматель – создатель программы для ЭВМ.

Подробный гайд, как сделать видео с танцем через Kling Motion Control 3.0. Разбираем точный перенос движения с видео на любую фотографию без сложного софта.

Обнаруженный в змеях метаболит подавляет аппетит у мышей.

Исследователи из Университета Колорадо в Боулдере обнаружили в крови питонов метаболит, который подавляет аппетит и может объяснить, как змеи контролируют питание после огромных порций пищи, при этом сохраняя здоровый метаболизм.

Это исследование, проведенное совместно с учеными из Стэнфордского и Бейлорского университетов, может послужить основой для разработки новых методов лечения ожирения, способствующих насыщению без тошноты и потери мышечной массы, которые могут сопровождать прием существующих лекарств.

Результаты исследования опубликованы 19 марта в журнале Natural Metabolism.

Статья рассказывает о внедрении автоматизированных тестов для CROSSOUT.

В статье описан процесс создания тестового окружения и обоснован выбор инструментов, которые позволили нам справиться с требованиями проекта.

Триумфальный успех покорения Северного полюса на дирижабле «Норвегия» впечатлил весь мир и особенно итальянцев. Умберто Нобиле вскоре после возвращения начал подготовку новой полярной экспедиции на дирижабле, уже сугубо итальянской и подчёркнуто научной. Новый N-4 назвали «Италия» и достроили целенаправленно под полёты в условиях Крайнего севера. Экспедиция поначалу шла вполне успешно — но в очередной раз очередной воздушный корабль угодил в погодные условия, которые не смог пережить. За самым известным крушением дирижабля после гибели «Гинденбурга» началась крупнейшая в истории полярная спасательная операция.

Иногда возникает странное ощущение: железо стало безумно быстрым, процессоры научились выполнять миллиарды операций в секунду, памяти стало больше, чем раньше было дискового пространства. Но почему-то программы всё равно тормозят. Открываешь простой веб-интерфейс — и ноутбук начинает шуметь вентиляторами. Запускаешь приложение для заметок — и оно ест полгигабайта RAM. Я долго думал, откуда это ощущение. Потом начал копаться: читать дизассемблер, смотреть профилировщики, запускать микробенчмарки. И постепенно стало понятно, что дело не в железе. Дело в том, как мы пишем код.

Предлагаю поговорить о кэше процессора, о том, сколько стоит случайный доступ к памяти, о том, как CPU исполняет ваш цикл.

Простой вопрос, который разделяет инженеров и «операторов фреймворков»

Дисклеймер для опытных: если вы знаете ответ – внутри реальный кейс, как этот баг сломал мой паспорт в проде, и история с собеседования, от которой хочется плакать.

Linux (и когда то в далеком прошлом FreeBSD) как рабочую станцию я начинал использовать где то в 2002-2003 годах. Двигало мною и любопытство исследователя, и желание лучше освоить эти системы, и некоторая гордость (неТАкизм), а также желание быть не хуже сокурсников, которые уже умели что то ставить и настраивать.

Любой комп, неттоп, ноутбук, что попадал мне в руки, обязательно на какой то период был подвергнут установке той или иной версии Linux, тратилось изрядное количество часов на подбор нужного на тот момент программного обеспечения, браузеры настраивались на почту, синхронизацию паролей и вкладок, VPN подключения, RDP коннекты и т.п.

Тем не менее, я не оставался на Linux навсегда (хотя периоды были до пары лет). Рано или поздно мне приходилось либо ставить Windows как вторую ОС, либо запускать ее в виртуальной машине.

В начале года я снова, в который раз, поставил на рабочий ПК свежий Linux (в этот раз ALT Linux Workstation 11, KDE Edition) – и спустя почти 3 месяца меня прям «распирает» консолидировать ВЕСЬ прошлый опыт и сделать для себя некоторые выводы.

То что с Википедией что-то не так, признают многие. Но что именно не так? Как до этого дошли? Что нужно изменить, чтоб стало "так"? Как запустить реформы? На эти вопросы отвечает сооснователь Википедии Ларри Сэнг в отдельном интервью. Интервью получилось большим, вопросы в нем обсуждаются всякие, от погоды до законов США и ядерного апокалипсиса. Но, поскольку мы на Habr, предлагаю в данной статье ограничить вопросы для обсуждения следующими тремя темами:

В этой подборке несколько новых устройств разного уровня. Есть компактные платы на CM5 и RK3588 с упором на сеть и простые задачи. А есть мини-ПК на Strix Halo и Panther Lake с поддержкой до 128 ГБ памяти, быстрыми накопителями и встроенными ИИ-ускорителями. По этим моделям хорошо видно, насколько разными сейчас делают компактные системы: от базовых до вполне производительных конфигураций. Что ж, поехали!

В соцсетях постоянно делятся сетапами рабочих мест и обсуждают, что действительно удобно, а что выглядит красиво только на фото или в залетевшем рилсе.

Я Саша, работаю техническим лидером в Cloud.ru уже три года, большую часть — на удаленке. Поэтому очень пекусь о своем домашнем офисе и рабочем столе. И когда натыкаюсь на интересные штуки в интернете, у друзей или коллег, то сохраняю их себе в заметки. Решил собрать самые полезные, на мой взгляд, варианты и поделиться в статье. Добавил реальный опыт использования, цены и ссылки. Enjoy.

Трансформерная архитектура достигла потолка. Не по нашему мнению, по данным HEC Paris, Nature, arXiv и самих создателей frontier-моделей.
Фундаментальные ограничения архитектуры (квадратичная сложность, неспособность к композициональному рассуждению, отсутствие рекурсии) не решаются увеличением параметров. В этой статье мы разбираем, почему трансформер - это локальный максимум, какие архитектурные альтернативы уже показывают результаты, и почему следующий прорыв в AI - смена вычислительной парадигмы.

Привет, это команда Яндекс Практикума. Сегодня поговорим про то, как погружаться в профессии DE, ML, CV, NLP так, чтобы с одной стороны, получить основательный теоретический фундамент, а с другой — освоить навыки, которых ждут работодатели. Очевидный спойлер: нужно прокачивать теоретическую базу и параллельно много практиковаться — про практику отдельно расскажем на примере учебного проекта в онлайн-магистратуре НИЯУ МИФИ в партнёрстве с Яндекс Практикумом «Специалист по работе с данными и применению ИИ».