Kurgan-Telecom Ru | Информационные технологии

Привет и с Новым годом, Хабр! Меня зовут Екатерина, я практикующий юрист, исследую эффективное применение нейросетей в юридических задачах. В декабре ушедшего года я провела необычный для себя и российского LegalTech-рынка эксперимент: с помощью одиннадцати коллег-оценщиков организовала небольшоенезависимое слепое сравнение пяти нейросетевых сервисов. В этой публикации хочу рассказать о вызовах human-eval бенчмарка в домене, где зачастую нет единственно правильных ответов, интересных выводах исследования, полученной мной обратной связи и дальнейших планах.

Эксперимент по хирургическому удалению слоёв из языковой модели

Современные LLM переобучены — многие слои делают одно и то же. Я проверил эту гипотезу на практике: взял TinyLlama (1.1B параметров, 22 слоя) и измерил, как удаление каждого слоя влияет на perplexity.

Результаты:
• Удаление 1 среднего слоя: +10% скорость, -4% качество
• Удаление 7 «безопасных» слоёв: +32% скорость, -2.5% качество
• Удаление первого слоя: модель полностью ломается

Неожиданно: Layer 2 важнее Layer 0 (perplexity +6.67 vs +3.92 при удалении).

Статья с кодом на PyTorch, графиками и практическими рекомендациями — какие слои можно удалять для ускорения инференса.

У людей главный признак, наряду с орудиями труда ( особенно состоящими из 2-3-4 частей ) это умение обучать друг друга через мифологию, присказки, легенды. Какова древность известных мифов? Ответ науки, основанный на массовом изучении всех мифов мира и прогоне их через компьютерные программы и географические карты - больше 40 000 лет некоторые мифы-сюжеты живут.

У мифов есть особенность - это не просто сказка. Это по сути обучение древним знаниям. Письменности не было у людей вплоть до 5 000 лет назад, большая часть населения планеты вплоть до 1000 лет назад знала только устную передачу информации. Те же саги Скандинавов это устные, заучиваемые наизусть сказания-мифы, записали их на бумагу только в 1200 - 1300 годах. Поэтому знать мифы вплоть до 1000 лет назад, это знать историю, культуру, тайны всякие и так далее. Это была основа обучения всех людей на протяжении десятков тысяч лет.

Про Self-Contained Systems часто говорят на уровне принципов: автономность, изоляция, отказоустойчивость. Но как понять, что эти идеи действительно работают в ландшафте из сотен и тысяч приложений, а не остаются красивыми словами в архитектурных гайдах? В статье показан практический подход, как превратить архитектурные принципы в ежедневные измеримые проверки и управлять трансформацией к SCS на уровне всей организации, опираясь на данные, а не на ощущения.

Современные подходы к безопасности ИИ часто сводятся к внешним запретам и попыткам заставить системы выглядеть «этичными». Однако системный анализ и опыт биологической эволюции указывают на то, что подобные методы прямого ограничения могут оказаться неэффективными при масштабировании систем до уровня искусственного интеллекта общего назначения (AGI).

В данной статье анализируется переход от биологических основ принятия решений к математическим моделям кооперации искусственного интеллекта. Мы рассмотрим, почему для стабильности ИИ-систем необходим контролируемый хаос, как парадокс бессмертия ведет к когнитивной ригидности и почему истинная безопасность ИИ лежит в плоскости проектирования среды, а не в попытках тотального контроля над кодом.

       Современные измерительные устройства формата LXI активно задействуют возможности современных компьютерных сетей, интегрируя наиболее эффективные функциональные особенности традиционных инструментальных интерфейсов GPIB, VXI и PXI. Ключевое преимущество состоит в отсутствии необходимости использования специфичных соединительных кабелей и встраиваемых аппаратных интерфейсных модулей, традиционно используемых в предыдущих стандартах. Это позволяет тестовым комплексам на основе LXI обеспечивать гибкое масштабирование архитектур измерений, начиная от компактных локальных решений (LAN) вплоть до распределённых инфраструктур, интегрированных с глобальной сетью Интернет.

Почта пережила десятки технологий и кажется довольно простой. Но её настройка на VPS до сих пор вызывает множество вопросов, ведь письма идут по цепочке серверов и протоколов, где каждая мелочь имеет значение. Если понять, как именно работают SMTP, IMAP и POP3, большая часть загадок исчезает сама собой. Поэтому в статье расскажу про них.

Отношение к ИИ, как к помощнику, у многих людей напоминает отношение суровых сибирских лесорубов к японской лесопилке из старого анекдота. Лесорубы совали в неё всё более толстые брёвна — и машина со всем справлялась. Тогда в неё засунули железный лом. Этого лесопилка уже не пережила. А лесорубы сделали вывод: ничего-то эта заморская техника не может.

С ИИ часто происходит то же самое. Либо «сделай всё и сразу», либо «ну нет, слабоват ты пока для серьёзных задач». А что если ИИ способен решить вашу задачу пусть не полностью, но процентов так на 80–90? И вы сами в этой сфере тоже несовершенны? Но области ваших ошибок с ИИ не совпадают! Что если, грамотно объединив с ним усилия, можно получить результат, близкий к 100% успеха?

Примерно так, как в фильме Moneyball (Человек, который изменил всё). Там три узкоспециализированных (а потому по отдельности посредственных) игрока, играя слаженно, смогли превзойти на поле одного игрока-суперзвезду. Который, разумеется, стоил в разы дороже их троих вместе взятых.

Именно такую технологию я и хочу передать в этой статье — эффективное использование пока ещё несовершенного ИИ-помощника. На примере создания схем бизнес-процессов. Пример выбран не случайно: на получившихся схемах очень наглядно видно наше с ИИ несовершенство по отдельности — и качественный результат, достигнутый совместно.

Многие дизайнеры используют 2-3 источника референсов: Dribbble, Behance, Pinterest. Проблема в том, что это решает лишь 20% задач. Статичные картинки не показывают анимации. Нет доступа к исходникам. Невозможно увидеть, как дизайн менялся во времени.

Я решил найти все существующие сервисы для поиска референсов и детально изучить их возможности. Потратил кучу времени на исследование 50+ платформ. Выяснилось: Dribbble и Behance — это лишь верхушка айсберга.

Парадокс эпохи: фреймворк на пике популярности, трафик и установки растут, но доходы упали в пять раз, и компания оказалась на грани разорения — ещё чуть-чуть, и не хватило бы денег на зарплаты.

Во время длинных новогодних выходных я решил заняться новым пет-проектом. Хотелось попробовать что-то интересное, связанное с нейронными сетями, и мне показалась новой для меня идея сделать приложение для распознавания растений, определения вида, возраста и их болезней прямо на мобильном устройстве без сервера, а потом рекомендация того, как лечить, ухаживать и прочее.

В этой статье поговорим о том, что получилось: от выбора моделей до их оптимизации и интеграции в React Native, а также поделюсь своим открытым кодом запуска, обучения и экспортом моделей нейронных сетей в ONNX, и ссылками на датасеты и проекты с нейронными сетями для растений.

В коллективном сознании современного общества прочно засела мысль, что программисты — это интеллектуальная элита. Люди в толстовках с логотипами стартапов, способные заставить компьютер делать магию, будто бы превосходят в умственных способностях среднестатистического обывателя. Эта уверенность основана на целом ряде железобетонных аргументов. Во-первых, программисты знают языки программирования, а значит, они полиглоты особого рода. Во-вторых, они решают сложные алгоритмические задачи, требующие логического мышления. В-третьих, они работают с абстракциями высокого порядка и способны держать в голове архитектуру целых систем. В-четвертых, они постоянно учатся новым технологиям, что свидетельствует о гибкости ума. В-пятых, их работа требует точности и внимания к деталям, ведь одна пропущенная точка с запятой может обрушить всю систему. И, наконец, программисты получают высокие зарплаты, а рынок, как известно, не ошибается в оценке интеллектуального труда.

Все это выглядит примерно настолько же убедительно, как реклама зубной пасты с участием актера в белом халате. Давайте же сравним этих титанов мысли с представителями других профессий и посмотрим, кто на самом деле заслуживает медали за умственное превосходство.

Что сделала уязвимость react2shell c моим сайтом на nextjs 15, как мне удалось понять, что это именно она и что я предпринял чтобы снизить риски.

Нередко разговор о показателях процесса начинается сразу с KPI — и очень быстро превращается в бесконечный список пересекающихся метрик и разрезов. В статье предлагается более практичный ход: сначала разложить предметную область на бизнес-объекты, метрики и аналитические разрезы, а уже потом собирать показатели для управления процессом. Подход вырос из опыта BI-внедрений и помогает двигаться от отклонения показателя к поиску причин и решениям.

Исследователи Медицинского центра Ратгерса картировали нейронные связи головного мозга 960 добровольцев в режиме реального времени. Эта карта показала, как быстрые и медленные нейронные процессы объединяются для создания сложного поведения. Ученые обнаружили, что внутренние нейронные временные масштабы, временные окна обработки информации для каждого участка мозга, напрямую формируются путями белого вещества. И само белое вещество распределяет сигналы по всему мозгу. У людей с более полной синхронизацией между нейронными связями и синхронизацией локальной обработкой сигналов, мышление было более здравым и целостным.

Последние годы в нейробиологии ознаменовались фундаментальным сдвигом: от анализа субъективных отчетов («мне стало спокойнее») мы перешли к прямой регистрации физиологических параметров высокочувствительными датчиками.

Мы собрали подборку из топ-10 проектов по рейтингу на сайте Product Radar за декабрь 2025 года. Это проекты, за которые проголосовало большинство пользователей сайта.

Любой «более простой» инструмент DevOps — это просто Kubernetes в темных очках.

Я — Саша Краснов, СТО «Штурвала». Недавно я наткнулся на волшебную статью о Kubernetes, и просто не смог справиться с желанием перевести ее. Мой собственный опыт знакомства с Kubernetes был другим, но путь был похожим: от отрицания и «зачем же так сложно» до восторга от элегантных решений в отдельных контроллерах. Даже архаичные винтажные части, вроде API группы “”, встречающиеся тут и там, больше не раздражают, а вызывают любопытство археолога. Кубер — он сложный, но это не просто так.

Архитекторы ПО уже сейчас получают 448 000 рублей (медиана по Хабр Карьере). Сеньоры в ML и финтехе — 500 000-550 000. На отдельных проектах — 700 000 и выше. И это не потолок: эксперты прогнозируют рост на 10-20% сверх инфляции для опытных специалистов. Но есть нюанс.

У нас на слуху яркие истории про Apple и Стива Джобса, Microsoft и Билла Гейтса, Intel и Эндрю Гроува, Tesla / SpaceX и Илона Маска, Telegram / ВКонтакте и Павла Дурова, Virgin Group и сэра Ричарда Брэнсона. Но я решил расширить свой кругозор и разобрать кого-нибудь из неизвестного мне списка. Я подумал, что мир музыкального стриминга и кто-нибудь из известных исполнителей прекрасно подойдет для этой цели. Надеюсь, что мой обзор будет вам полезен и пополнит вашу копилку историй о компаниях и лидерах, а также даст почву для размышлений и действий в области строительства непобедимых брендов и компании.