Kurgan-Telecom Ru | Информационные технологии

Привет, Хабр! Я Алеся Бикбулатова, руковожу отделом обучения IT-холдинга ICL, а еще тренер и фасилитатор. В этой статье я хочу честно поговорить о выгорании лидеров: почему самые ответственные часто оказываются в зоне риска, как отличить обычную усталость от устойчивого истощения, где провести границу между эмпатией и самопожертвованием и что можно сделать уже на этой неделе.

Привет, Хабр! Я Олег, управляющий директор Центра развития финансовых технологий в Россельхозбанке. Отвечаю за чаты как для клиентов, так и для сотрудников банка. На нашей платформе сейчас работают такие каналы коммуникации:

Приложение Gemini преодолело миллиард пользователей в месяц, а рост поисковых запросов стал самым высоким за пять лет. «Обзором от ИИ» в поисковой выдаче пользуются более 2,5 млрд человек в месяц, «Режимом ИИ» — более миллиарда. Среди них и россияне, так как чат-бот Gemini им недоступен, ChatGPT отключает аккаунты, а Claude требует паспорт и блокирует россиян вместе с историей диалогов.

Всем привет!

Во второй части разбираю, почему разворот одного направления в двух слоях Qwen на порядок поднимает шанс выйти из петли, и почему тот же приём в принципе не может «вложить» в модель отсутствующий навык. Ещё здесь мой зонд по слоям, связь с ROME, refusal direction и task arithmetic, реальные числа о том, где лежат веса у Qwen, Gemma, Llama и MoE, а также риски и открытые вопросы.

В этом году обсуждается законопроект об обязательной маркировке агрессивного контента в играх. Предупреждать нужно будет о наличии элементов жестокости, паники, мата, сексуальных сцен, табака/алкоголя/наркотиков. Впервые его выдвинули в 2024 году, сейчас проект уже прошёл первое чтение. И направлено это, в том числе, на защиту детей.

Зачем нужен этот закон прокомментировал Володин: «71% проголосовавших (у него в Telegram-канале выступает за ограждение детей от сюжетов, содержащих насилие и агрессию, "а также навязывание чуждых нам ценностей”». Это то, на что я хочу сегодня посмотреть. Разбираюсь, как изучали влияние игр на агрессивность детей и что самого свежего есть на этом пути. 

Спойлер: однозначного ответа всё ещё нет, но есть интересные подвижки в идеях, а КАК измерить такое влияние. 

Думаю, что Хабр — это не то сообщество, где нужно подробно рассказывать о нынешнем состоянии ИИ-моделей — каждый день юзеры с жаром обсуждают последние новости и пишут о новых кейсах. Особенно всех волнуют случаи явно незаконного и в целом морально сомнительного использования ИИ-шек в отношении интеллектуальной собственности. Взломы программ, рекомпиляции, буквально копирование целых приложений.

Я в основном интересуюсь всем, что связано с видеоиграми, и этот вопрос вышедших из-под контроля моделей меня очень волнует. Кажется, что всё, что дала эта ранняя волна разыгравшихся с нейронками моддеров, пока положительно влияет на геймерское сообщество и даёт возможности, о которых помыслить ещё пять лет назад было бы безумием. Но в долгосрочной перспективе, как бы прискорбно это ни было, я думаю, что нас могут ждать изменения индустрии поистине тревожные.

Приглашаю вас окунуться в страшную историю о том, как мы посреди тёмной ночи, пока никто не видит, на велосипеде перевезли 400 сервисов между кластерами KaaS. И всё это с возможностью отката.

А всё потому, что три месяца хорошо готовились: переносили окружения одно за другим, оттачивали процесс, ловили и исправляли возможные точки отказа. Мы перебрали несколько готовых инструментов, но в итоге всё-таки сделали свой велосипед.

Краткий экскурс в страшный сон девопса: переезд ядра банка между кластерами k8s или особенности национальной инфраструктуры.

MIT CSAIL показали, как фронтирная LLM читает сырые веса чужой нейросети и правит их без градиентов: у Qwen3.5-0.8B доля зацикленных ответов упала с 93 % до 33 %. Я скачал базовый и отредактированный чекпойнты и сравнил их. Правка оказалась одной осью на двух слоях, и это не «вычитание», а разворот с множителем −5. Разбираю, почему такая правка вообще работает и почему она минимальна.

Паща о̄лэн, Хабр! (Привет, Хабр!)

На связи снова Югорский НИИ информационных технологий (ЮНИИИТ). Продолжаем цикл статей о проекте «Корпус мансийского языка». В первой части мы рассказывали, как с нуля собрали 300 тысяч параллельных предложений и обучили нейросеть переводить с русского на мансийский и обратно. Сегодня поговорим о модели, которая умеет читать мансийский печатный текст. Это OCR, оптическое распознавание символов.

Сразу о главном. Мы дообучили открытый движок Tesseract 5, и доля ошибочных символов упала с 18,5% до 0,85%. Это примерно в 20 раз меньше ошибок. Модель лежит в открытом доступе на Hugging Face, ей уже можно пользоваться.

В статье расскажем:

• почему готовые OCR-движки не справляются с мансийским текстом;

• как собрать обучающую выборку, когда отсканированных книг почти нет;

• как мы дообучали Tesseract и как проверяли качество;

• какой точности удалось добиться и где взять модель.

Зачем мансийскому языку OCR

Большая часть мансийских текстов до сих пор существует только на бумаге. Это книги, учебники, сборники фольклора, подшивки газет. Чтобы эти тексты попали в корпус и стали обучающими данными для нейросетевого переводчика или языковой модели, их нужно превратить в цифровой текст. Перепечатывать вручную долго и дорого. Носителей языка мало, и их время лучше тратить на перевод и экспертизу.

OCR решает эту задачу. Сканируем страницу, получаем текст, который можно искать, редактировать и добавлять в датасеты. Это работает не только у нас. Исследователи показали, что OCR помогает улучшить машинный перевод для 60 малоресурсных языков.

Почему готовые движки не справляются

Мансийская письменность построена на кириллице, но со своими особенностями. Из-за них у стандартного OCR возникают две проблемы:

Проблема 1. Буквы, которых нет в русском алфавите

Это долгие гласные с макроном (чертой над буквой), например а̄, о̄, ӯ, э̄, ы̄. Есть и отдельная буква ӈ, которой обозначают звук «нг». Долгота гласной в мансийском важна, и потеря макрона может превратить одно слово в другое.

Мы попробовали стандартную русскую модель Tesseract. Буквы с макроном и ӈ она просто не знает. Черту над буквой модель теряет, а иногда превращает знакомую букву в мусор. На мансийском тексте русская модель ошибается примерно в 18 символах из 100. Для оцифровки корпуса это не годится.

Проблема 2. Одна буква, разные коды

Вторая проблема менее заметна глазу. Одну и ту же букву с макроном можно записать в Unicode разными способами. Мы уже сталкивались с этим при сборе корпуса для переводчика. Для человека буквы выглядят одинаково, а для модели это разные последовательности символов. Как мы с этим справились, расскажем в шаге 1 следующего раздела.

Где взять дан

Обработку входа в систему можно организовать и без сервиса авторизации. Можно с нуля написать полноценную систему аутентификации, работающую на основе сеансов. Для этого портребуется связать базу данных PostgreSQL с веб-приложением — и такая конструкция будет работать с любым фронтендом, будь то JavaScript, фреймворк, Java, ещё что-то. Логика авторизации заключена в базе данных, поэтому не важно, какой именно фреймворк используется на фронтенде.

В этом руководстве я расскажу, как реализовать систему аутентификации на основе сеансов. Для этого нам понадобится пара простейших расширений Postgres — pgsodium и pgcrypto — при помощи которых можно выкатить собственный механизм хеширования и хранить пароли лишь в виде хешей. В итоге получим простое приложение, в котором будут прописаны все ожидаемые маршруты: регистрация, вход в систему, выход из системы, сеанс (отладка), сброс пароля. Сосредоточимся, как именно устроена такая работа с сеансами, и как создаются учётные записи. Сброс пароля – тема для отдельной статьи.

Мы всегда говорили, что встроенная функция всегда лучше, чем расширение. Вы её контролируете, вы уверены в том, как она работает, вы сами решаете, как её улучшать. С расширениями это всегда лотерея. Причём, не всегда проблема в разработчиках расширений - просто может поменяться ситуация на рынке. Как, например, с этими пресловутыми манифестами. Так что встроенное надёжнее. И в новой версии Vivaldi мы провели глубокую переработку блокировщика слежки и рекламы. О чём и с радостью сообщаем.

Как превратить работающую модель регулятора или фильтра в аппаратную реализацию? В этой статье рассказано, как выполнить генерацию Verilog-кода, выбрать формат с фиксированной точкой, как провести анализ полученного RTL, его верификацию и оценку ресурсов и временных ограничений.

В двух предыдущих статьях мы проверяли языковые модели на наших повседневных задачах: работе с данными в электронном лабораторном журнале и исправлении ошибок в трёх закрытых проектах на Delphi — от программы рентгеновской рефлектометрии X-Ray Calc до нашей системы управления лабораторией.

В обоих тестах локальные модели на моей рабочей станции (одна карта RTX 5080 на 16 ГБ и 62 ГБ оперативной памяти) заметно отставали от облачных лидеров. На вопросах по журналу ранняя сборка Qwen 3.8 IQ2_XS набрала жалкие 33% (8 из 24), а gpt-oss-20b — 40%. На задачах Delphi специализированная Qwen 3.8 Coder IQ1_M взяла 16 задач из 20 (80%). Результат уже вполне рабочий, но до Claude Sonnet 5.5 (19/20) она всё-таки не дотянула.

Конечно, можно было на этом успокоиться и списать отставание на скромные 16 гигабайт видеопамяти. Но мне не давал покоя вопрос: модель действительно упёрлась в свой потолок или мы сами подрезали ей крылья настройками и капризными инструментами? Сели разбираться — и довольно быстро нашли узкие места. Поменяли урезанную сборку весов на полную, поправили конфигурацию сервера, научили инструменты спокойно относиться к мелким огрехам сериализации — и на том же самом железе локальная Qwen 3.8 взяла реванш!

Попросите агента «поставь нам LLM-шлюз», и он уверенно придумает переменные окружения, которых не существует. Поэтому у Keystone есть плагин для Claude Code: восемь скиллов, которые знают настоящие команды, флаги и поля конфига, и MCP-сервер, через который агент видит, что запущено. Ключи при этом в чат не попадают.

Keystone. The Model Switchboard. (KTMS) — self-hosted LLM-шлюз на Go: сервисы ходят в одну точку, а он хранит ключи вендоров, выбирает модель по правилам, переключается при отказах и держит лимиты расходов. Про сам шлюз была релизная статья, здесь — как его поставить за один разговор с агентом.

Когда API долго ждёт зависимость, хочется сократить таймаут. Запрос быстрее получит ошибку, освободит ресурсы и перестанет висеть. Но сразу возникает следующий вопрос: что приложение сделает после этой ошибки? Если оно без паузы повторит тот же вызов, короткое ожидание может превратиться в большую очередь на другой стороне.

В моём проекте Prod is Down есть учебный кейс с такой цепочкой: первое исправление вскрывает проблему с повторами. Для этого разбора я собрал отдельный локальный стенд и сравнил четыре варианта настроек.

Условия простые: шесть клиентов обращаются к небольшому TCP-сервису на 127.0.0.1. Одновременно сервис обрабатывает три задания. Первые две секунды обработка занимает 250 мс, затем возвращается к 20 мс. Каждый клиент начинает следующую операцию после завершения предыдущей и небольшой паузы. Каждый вариант запускается на шесть секунд с пустой очередью.

Важное условие: принятое задание продолжает выполняться, даже если клиент уже закрыл соединение. Так устроена наша тестовая зависимость - отмену принятой работы мы здесь не реализуем. В конкретном приложении это поведение нужно проверять отдельно.

Сначала оставляем таймаут в одну секунду. Медленный вызов успевает завершиться: первая операция получает ответ примерно через 256 мс. За весь прогон клиенты выполнили 513 успешных операций. Таймаутов не было, а максимум одновременно обрабатываемых и ожидающих заданий составил шесть.

Теперь меняем только время ожидания: вместо 1000 мс ставим 50 мс. Повторы по-прежнему бесконечные, паузы между ними нет. В настройках нашего стенда это MAX_ATTEMPTS=0 и BACKOFF_BASE=0. Ноль здесь означает отсутствие ограничения, у других библиотек такое значение может иметь другой смысл.

Привет! Меня зовут Валерия Цивун, я HR-менеджер в диджитал-продакшене Далее. Кроме рабочих задач и проектов, мы еще очень ценим нашу атмосферу. И если вам тоже важна корпоративная культура, эта статья для вас.  

Для длительных отношений нужен мэтч по вайбу — с работодателем то же самое. Частично о совпадении ценностей можно судить по фразам вроде «у нас открытая атмосфера» и «коллеги всегда готовы помочь», они уже дают некое понимание корпоративной культуры. Но чтобы разобраться с остальной частью, понадобятся факты, улики и свидетельские показания.

Рассказываю, как еще до оффера понять, будет ли вам комфортно в новой компании: что спросить на собеседовании, как оценить корпоративную культуру работодателя и выбрать команду по душе.

В эмуляторах приставок сохранение в любой момент есть лет двадцать. В играх для ПК его нет: игра там не коробка с понятным состоянием, а живой процесс с потоками, файлами, звуком и видеокартой. Пару недель я делал ⌘S и ⌘Z для Windows-игр, которые идут на Mac через слой совместимости и Rosetta. Рассказываю, как устроен откат памяти чужого процесса, какие ловушки Rosetta стоили мне зависаний и почему самым сложным оказался не GPU, а семафоры Mono.

После долгого перерыва, в день народного единства у меня появилось время на мои пет проекты. И как можно догадаться, первое что людей объединяет это связь. Про мой проект видеозвонков в терминалем я рассказывал подробно в этой статье. Проект вырос из очень давней идеи, которая зрела почти 20 лет и наконец созрела буквально год назад. Затем она быстро развилась в несколько несколько видео и фото кодеков, терминальный плеер, а так же в полезную утлилиту для звонков прямо в терминале say.

Say 1.0, видеозвонки в терминале, а что нового?

Еще раз кратенько общее описание утилиты. Внутри у неё свой узел Yggdrasil, поэтому не нужны ни сервер, ни отдельный демон, yggdrasil не боится NAT и обрывов связи. Процесс созвона простой, один запускает say, второй запускает say <адрес>, и вы разговариваете. Видео рисуется прямо в терминале символами Unicode, весь трафик шифруется сквозным образом средствами Yggdrasil. Написано на Go.

Между версиями 0.1.3 и 1.0.0 очень много изменений, как в визуальной части, так и под капотом. Переписан и заменен кодек звука, видео, добавлена передача файлов и чат. 

Привет! Меня зовут Ирина Созинова, я эксперт по информационной безопасности в Авито. В 2026 году мы запустили абсолютно новое для себя направление — UX в информационной безопасности. Хотя Security UX в том или ином виде существует уже довольно давно (с тех пор, как в ИБ появились сервисы и услуги для сотрудников), измерять удовлетворённость ИБ-процессами — задача со звёздочкой. Потому что, например, сотрудник может считать процесс необходимым, но недолюбливать его за сложность. А если убрать анонимность? Готов ли он будет сказать правду или включит режим «социально желательного поведения»?

В этой статье я расскажу, как мы провели два замера в разных условиях анонимности и попытались понять, где заканчивается удовлетворенность и начинаются «безопасные» ответы.