Kurgan-Telecom Ru | Информационные технологии

Мегаминкс – это не просто «большой кубик Рубика». Это додекаэдр с 50 подвижными элементами, числом возможных состояний более 1068, а «число Бога» для него до сих пор неизвестно.

Люди научились с невероятной скоростью справляться с этой головоломкой – топовые спидкуберы тратят на сборку менее 30 секунд. А вот роботы отстают и собирают в разы медленнее. Российский школьник Тимофей Тарасенко держит мировой рекорд WCA по мегаминксу – 21,99 секунды. Тимофею 15 лет – ровно столько же стоит мировой рекорд по мегаминксу среди роботов – 8 минут 4 секунды, который студенты МФТИ попытаются побить грядущей весной. О мегаминксе, рекордах и вызове физтеха – эта статья.

Еще пару лет назад веб жил в простой и понятной модели: есть сайты, есть поисковые роботы, есть пользователи. Роботы приходят, сканируют страницы, кладут их в индекс — дальше начинается привычная борьба за позиции в выдаче. Эта логика десятилетиями определяла, как мы строим сайты, настраиваем SEO и пишем robots.txt.

С появлением LLM-агентов эта модель начала трещать по швам.

10 новых российских продуктов составления резюме с ИИ, создания сайтов для медицинского бизнеса без кода в соответствии с законодательством и много другого. Битва за «Продукт недели» началась!

При первом запуске агент не знает структуру проекта. Из-за этого возникают проблемы:

Читает слишком много файлов и быстро расходует контекст.

Или, наоборот, не находит нужные файлы и места в коде.

Ровно полвека назад, в 1976 году, вышла книга молодого этолога, которая произвела в науке (по крайней мере, точно в ее массовом восприятии) настоящую революцию. В ней 35-летний Ричард Докинз довел теорию Чарльза Дарвина до логического завершения, убедительно показав, что базовая единица естественного отбора это не индивид, а наши гены, точнее, самые «эгоистичные» из них. И что, строго говоря, вообще нельзя говорить о наших генах: это мы у них, мы — «машины для выживания, самоходные транспортные средства, слепо запрограммированные на сохранение эгоистичных молекул».

Рассказываем о самой скандальной научной книге после «Происхождения видов», которая до сих пор вызывает возмущение и которой ее критикам до сих пор совершенно нечего возразить. В программе: почему эгоизм ведет к альтруизму, почему люди стареют и умирают и как это остановить, а также почему теория Докинза — вопреки мнению самого Докинза — делает создание ИИ невозможным в принципе.

А еще Докинз придумал мемы, и в этой статье есть отдельный раздел про мемы!

Совсем недавно мы писали о приписываемой северокорейской группировке атаке, целью которой были разработчики ПО, находящиеся в процессе поиска работы. На прошлой неделе исследователи компании Microsoft опубликовали отчет о еще одной похожей атаке. В более раннем исследовании основное внимание было уделено социальной инженерии, в то время как Microsoft подробно рассказывает о технической стороне атаки.

Общая схема атаки показана на скриншоте выше. В процессе интервью разработчику присылают ссылку на код веб-приложения, написанного с использованием фреймворка Next.js. Код хранился на сервисе Bitbucket. Организаторы атаки предусмотрели несколько вариантов выполнения вредоносного кода, содержащегося в проекте. Например, может использоваться автоматизация для Visual Studio Code, которая дает команду на выполнение сразу после того, как разработчик открыл проект и обозначил его как доверенный.

Привет, Хабр! Это четвёртая статья из серии про QA собеседования. Уже разобрали тест-дизайн, API и Security и System Design. Теперь — SQL. На собеседованиях SQL задают чаще, чем многие ожидают. Не уровня DBA, но и не SELECT * FROM users. Обычно дают таблицу и просят написать запрос прямо на доске или в Google Docs. Если впадаете в ступор при слове JOIN — эта статья для вас.

Многие запуски в Telegram Ads признают “неокупившимися” слишком рано — и часто проблема оказывается не в самой рекламе, а в том, как бизнес смотрит на результат.

В этой статье разбираю, где обычно ломается экономика после клика, почему возникает ощущение “слили бюджет”, и как отличить реальный провал от ошибки в интерпретации метрик.

def get_features_all(y, sr):
"""
Получаем различные параметры аудио которые в сумме дадут уникальный набор признаков
"""
# Частота цветности
chst = librosa.feature.chroma_stft(y=y, sr=sr)
# Среднеквадратичные колебания (энергия сигнала)
rmse = librosa.feature.rms(y=y)
# Пересечения нуля (частота смены знака сигнала)
zcr = librosa.feature.zero_crossing_rate(y)
# Центр масс звука (спектральный центр)
spe_c = librosa.feature.spectral_centroid(y=y, sr=sr)
# Ширина полосы частот
spe_b = librosa.feature.spectral_bandwidth(y=y, sr=sr)
# Спектральный спад частоты
rol = librosa.feature.spectral_rolloff(y=y, sr=sr)
# Значимые для обработки частоты (MFCC)
mfcc = librosa.feature.mfcc(y=y, sr=SR, n_mfcc=50,
n_mels=50, hop_length=1024)
return chst, rmse, zcr, spe_c, spe_b, rol, mfcc

На фото ниже - Tungsten T5, пожалуй самый мощный КПК от Palm на ARM-процессоре. Будучи построенным на чипсете Intel PXA270 и с невероятными для PalmOS 64МБ SDRAM ОЗУ, девайс стал одним из последних классических хэндлхэлдов от Palm. Но у него есть беда...

В статье рассматривается концепция безнейтронного термоядерного реактора (Aneutronic Fusion), использующего топливный цикл дейтерий–гелий-3 (D-3 He). Основное внимание уделено решению проблемы деградации материалов первой стенки и электростатических коллекторов через внедрение системы модульного горячего резервирования (схема 1+2), механизмов адаптивной ориентации защитных сегментов (Flip-Flop) и иерархической системы управления с распределенной автономностью узлов.

19 января 1999 года на рынке появилось устройство, которое без преувеличения совершило революцию на рынке корпоративных коммуникаций: BlackBerry 850 Pager. Компактный гаджет, умещавшийся на ладони, был оснащен процессором Intel 386, работал от одной батарейки типа АА (заряда хватало на 2-3 недели) и позволял отправлять и получать электронные письма в реальном времени. 

Успех устройства моментально поднял выручку производителя, канадской компании Research in Motion, на 80%. Из небольшой, но гордой фирмы они в одночасье стали законодателями моды бизнес-сегмента рынка электроники. На родине BlackBerry 850 предлагалось купить за $549 при ежемесячной плате $49,99 за безлимитный доступ. Кроме того, устройство можно было взять в аренду: $24,99 в месяц с доплатой $49,99 за связь и $69 за активацию. Всего через полтора года после запуска компания наняла почти 500 новых сотрудников, доведя штат до 740 человек, и инвестировала десятки миллионов долларов в покупку офисных зданий рядом с Университетом Ватерлоо.

Так оптимистично начинается на самом деле грустная история о взлете и падении бренда BlackBerry.

В начале нулевых BlackBerry был символом статуса и успеха. Носить его означало демонстрировать принадлежность к профессиональной элите. Но уже к 2016 году, выпустив больше десятка удобных, эргономичных и горячо принятых на рынке гаджетов, бренд растерял почти все, что имел, и перевел фокус на разработку программного обеспечения.

В этой статье мы проследим путь компании — и постараемся найти собственный ответ на вопрос «а есть ли в современном мире будущее у идеологии, заложенной создателями BlackBerry?».

Статья представляет компактную математическую нотацию для SQL-препроцессора, разработанную для формирования сложных условных выражений из JSON-конфигураций. Нотация позволяет кратко записывать операции с множествами и интервалами: комбинированные операторы (>=[18,65]), стрелочные символы для интервалов (>> — BETWEEN, >< — NOT BETWEEN) и логическое отрицание через знак минус. Цель — создать интуитивно понятный, непротиворечивый и расширяемый язык запросов. Практическое применение — генерация SQL-кода в препроцессорах, DSL для построителей запросов, компактные фильтры в JSON-API. Рассматриваются сильные стороны и потенциальные проблемы нотации, сравнительный анализ с аналогами (Quist, SQL++, PRQL), выявляется уникальность подхода. Автор приглашает к обсуждению и предлагает сотрудничество.

Последнее время вся моя работа связана с энтерпрайзом и бигтехом. Но так было не всегда. Лет 12-15 назад работал в производственной компании, и там довелось создать «на коленке» систему мониторинга для промышленного оборудования.

У компании были современные импортные станки с проприетарным софтом, дорогим обслуживанием. Непрерывное круглосуточное производство. Но собственная IT-инфраструктура была слаба – всего несколько разработчиков, а аналитики бизнесовые. Всё же бизнесу нужно было следить за оборудованием: кто работает, кто простаивает, кто отключает датчики. Крайне необходимо было снизить вероятность поломок и простаивания.

В статье расскажу, как «на коленке» собрали многомодульную систему.

В машинном обучении есть такой метод - обучение с подкреплением (reinforcement learning, RL), который используется для решения задач последовательного принятия решений. В этом методе агент на каждом шаге взаимодействует со средой, изменяя её. Обратной связью для него является некая искусственно сконструированная награда, которая выдаётся на каждой итерации взаимодействия. Основная проблема в том, что действие и награда напрямую не коррелируют. Часто, награда назначается за какое-то финальное достижение, которого можно достичь только выполнив определенную последовательность действий с нулевым или даже отрицательным вознаграждением. Существуют различные способы "протянуть" награду вдоль всей траектории, чтобы в конце концов агент осваивал более-менее приемлемую стратегию поведения.

Удивительно, но обучение с подкреплением никак не использует информацию о том, какие изменения происходят в среде в результате выбранного агентом действия, а только скалярную величину награды. В этом небольшом эксперименте, мы хотим проверить, может ли эта информация как-то быть обработана и использована для построения стратегии агента.

2 марта 2026 года я получил на анализ фишинговое письмо. Отправитель - «M e t a», тема - «[Требуется действие] Завершите проверку, чтобы восстановить показ объявлений». SPF pass, DKIM pass, ARC pass - письмо прошло все проверки и лежало во входящих Gmail. Ключ - цепочка Resend.com → Amazon SES → Gmail, где каждый элемент легитимен. Разбираю, как атакующие этого добились и почему это работает.

tldr: ИБП использует Modbus (а не Megatec/Voltronic), параметры BAUDRATE = 9600, DEVICE_ID = 10, START_ADDR = 30000.

У меня была задача - купить ИБП для домашней системы хранения / homelab сервера.

Идея была купить что-то не слишком дорогое, с возможностью подключения внешних АКБ и мониторинга через стандартный протокол NUT (Network UPS Tools, стандартный протокол по которому можно мониторить UPS в linux, NAS типа Synology и т.д.) .

На почти каждой Linux-машине в мире живёт один маленький бинарник. Весит несколько мегабайт, несколько десятков тысяч строк кода, поставляется со своим собственным конфигурационным языком, и CVE-шек за ним накопилось столько, что хватит на хорошую таблицу с фильтрами. Большинство из нас запускает его по десятку раз в день, не задумываясь.

Этот бинарник — sudo.

В мире Docker-контейнеров, эфемерных CI-раннеров и Kubernetes-подов, которые живут тридцать секунд и умирают без предупреждения, большая часть того, что умеет sudo, попросту не нужна для той работы, ради которой мы его вообще вызываем.

Вот о чём эта статья: что это за работа, как она обросла такой сложностью, и как маленькая программа на C справляется с ней лучше.

AI‑инструменты часто делают одно и то же: они выбирают слишком тяжёлое решение там, где достаточно простого. Ценность человека — в инженерном суждении: распознать плохую архитектуру, остановить усложнение, выбрать более простой путь, держать систему в здравом состоянии.

Вы попросили ChatGPT добавить скидку 10% на заказы больше $100. Он выдал 40 строк кода. Скидка работает - проверили на заказе в $150, получили $135. Закоммитили.

Чего вы не заметили: модель переписала функцию расчёта цены целиком. Не потому что нужно было. Просто так получилось - LLM не "редактирует" код, он генерирует новый текст на основе вашего промпта и контекста. В процессе он изменил порядок вычисления налога. Заказы меньше $100 теперь считают налог дважды. Товар за $10 стоит $10.80 вместо $10.50. Вы узнаете об этом через три недели, когда клиент напишет в поддержку.