На востоке Москвы продолжаются работы на терри­то­рии Электрозавода. Начав редевелопмент, застройщик пообещал сохранить вековые фасады и ансамбль входной группы. ▶️История здания началась в годы Первой мировой войны. В 1914 году паевое товарищество заводов резинового, гуттаперчевого и телеграфного производств «Проводник» эвакуировали из Риги, чтобы изготовители популярной среди солдат резиновой обуви и автопокрышек не оказались под немецкой оккупацией. Проект нового здания выполнил архитектор Георгий Евланов, воспитанный Романом Клейном (он построил Пушкинский музей и здание ЦУМа). Главный корпус стал редким для Москвы образцом промышленной неоготики. В последние годы комплекс работал как творческий кластер с фотостудиями, мастерскими и выставочными пространствами. ➡️ Что происходило с объектом за более чем вековую историю – в галерее «Ведомостей». 📰 Max | Telegram | Рассылка | Приложение для iOS | Android

IR конференции Перед тем как переходить к постам про статьи и конференции, хочу дать небольшой контекст уважаемым подписчикам. Есть такой раздел на arXiv, который называется Information Retrieval. Все статьи про рекомендации, поиск и рекламу лежат именно здесь (но не только они, e.g. RAG). Обычно эти статьи с шести конференций ниже. Чтобы названия для вас не выглядели как набор случайных букв, прикладываю рядом известную работу с каждой из конференций. * KDD (A*) — Graph Convolutional Neural Networks for Web-Scale Recommender Systems * RecSys (A) — Sampling-bias-corrected neural modeling for large corpus item recommendations * WWW (A*) — Mixed Negative Sampling for Learning Two-tower Neural Networks in Recommendations * SIGIR (A*) — LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation * WSDM (A) — Top-K Off-Policy Correction for a REINFORCE Recommender System * CIKM (A) — BERT4Rec: Sequential Recommendation with Bidirectional Encoder Representations from Transformer Иногда что-то крутое проскакивает на ICML (A*) — Actions Speak Louder than Words: Trillion-Parameter Sequential Transducers for Generative Recommendations, NeurIPS (A*) — Recommender Systems with Generative Retrieval, или вообще лежит pre-print-ом на arXiv — PLUM: Adapting Pre-trained Language Models for Industrial-scale Generative Recommendations. Сразу оговорюсь, что это субъективный список. Он построен на основе конференций, которые я встречаю в статьях. И у меня определенно есть байес к статьям из индустрии. Вместе с ИИ-стажером мы составили диаграмму, я постарался ее верифицировать. На ней можно сравнить IR-конференции по числу участников и статей в proceeding-ах (так называется сборник трудов конференции, e.g. SIGIR’25). KDD для меня всегда ощущалась самой крупной из них, так оно и оказалось. Все познается в сравнении, поэтому рядом добавил NeurIPS и ICML. SIGIR — это одна из крупных A*-конференций, одного масштаба с тем же RecSys-ом. На прошлой неделе презентовал нашу работу на ней. В следующем посте расскажу про работу и общие впечатления от конференции. P.S. А за дедлайнами recsys-конференций можно следить здесь: https://recsys.info

Поиграл в Foretales (И немного про туториалы) Игрушка не так давно бесплатно раздавалась на Эпиках, и мне стало любопытно. Игрушка представитель довольно нишего жанра decksploration. Это колодостроительные игры с уппором на нарратив, где карты представляют собой локации и персонажей, а каждое действие или игра картой ведёт к развитию сюжета. В целом идея довольно неплохая, особенно если вы любите настолки, здесь прямо витает этот вайб в воздухе, потому что механики в основе игры очень похожи. Я даже полез искать, была ли какая-то настольная игра, по мотивам которой сделали Foretales, но оказалось, что это оригинальный продукт разработчиков, которые любят настолки и хотели создать что-то подобное на ПК. Отчасти им это удалось, здесь есть вот это ощущение приключения, как в хороших ролевых проектах, пусть и в более мелком, таком вот карманном масштабе. В целом, у нас есть персонажи, есть несколько колод: колода действий, она же колода навыков, колода ресурсов, колода локаций, врагов, других персонажей, и так далее. Мы применяем карты к локациям, врагам и персонажам, применяем ресурсы, тратим их на изменение ситуации на столе, и играется это в принципе довольно бодро. Но есть два нюанса, которые касаются не столько самой Foretales, сколько жанра в целом. Один нюанс в том, что здесь очень сложно сделать что-то очень нелинейное и непрерывное по геймплею, потому что колода игрока конечна. А чтобы гарантировать, что игру в принципе можно будет пройти, вся она разделена на небольшие квесты или миссии. В противном случае, из-за подобных механик игру было бы очень тяжело сбалансировать и гарантировать, что игрок её не запорет, просто потратив какой-то лишний ресурс. С миссиями же всё просто, их дают переигрывать до бесконечности. Из нелинейности понравилось, что есть временные события, и если ты не успел спасти какого-то персонажа, выполнив нужную миссию за определённое количество игрового времени (оно здесь как раз измеряется в пройденных заданиях) — момент считается упущенным. Таким образом, имеем довольно вариативное прохождение, правда здесь немного грубоватый подход, и разные концовки можно получить только, если прошёл игру больше одного раза. И вторая боль, которая есть у многих проектов подобного рода — это сложное обучение. В игре действительно много разных механик и особенностей карт и колод, и чтобы их понимать, часто используется много текста. На мой взгляд, это абсолютно тупиковый подход: всё, что требуется объяснить больше, чем двумя сообщениями подряд, либо надо как-то менять, потому что это переусложнено, либо надо объяснять как-то по-другому. Foretales всё очень подробно объясняет, показывая по 5-6 сообщений подряд. Между ними ещё нет анимаций, и они часто настолько похожи и незаметно сменяются, что иногда даже не уверен, новую информацию ты читаешь, или она уже была) Хотя это больше про плохой UX, конечно. Ну а про выбивание из погружения во время чтения этих простыней я вообще молчу. Ещё игра довольно несистемная в плане своевременности туториалов. Мне дали обучалку на бой в момент, когда я уже прошёл несколько регионов, где провёл 3-4 боя с врагами, причём уже успели объяснить продвинутые механики, типа морали или абилок вражин. Прямо хрестоматийный пример того, как не надо делать обучение. В случае с такими продвинутыми по механикам играми, конечно, от переусложнения сложно сильно отойти, но и подход, когда мы наваливаем десятки сообщений за буквально 5-10 минуты игры явно нерабочий. Вспоминается Citizen Sleeper, который так же, как и Foretales, очень настольный по духу, и там, хоть тоже были простыни текста, информацию выдавали постепенно и каждый раз давали закрепить через действие. Да, туториал заметно растягивается, но информация намного лучше оседает в голове среднего игрока при таком подходе. Кажется, что такой туториал для разработчиков — это будто какая-то облигация выдать как можно скорее всю информацию об игре в наиболее сжатые сроки, чтобы игрок сразу всё понял и начал играть поскорее. Надо ли говорить, что это так не работает. #Foretales #gamedesign #поиграл #мнение

Комментарии и вопросы в self-evolve: https://www.linkedin.com/posts/kirr-simakovs-364a69190_what-happens-when-a-single-ai-coding-session-activity-7487589510726422530-wHat Вот что система сразу накидала через короткий промпт мой: ***

на пост <URL> и комментарии к нему от <XXX>: Распиши ответы на каждый из комментариев на английском и подумай заодно, могут ли эти вопросы помочь нам улучшить нашу экосистему / оркестраторы / агентские системы и как мы с памятью работаем теперь (бесконечные чаты до 100000 сообщений).

*** А потом это декомпозируется ну кучу подзадач. вот сам план для дальнейших шагов: ***

# Task Checklist: LinkedIn Critique Responses & Long-Horizon Memory Architecture Evolution - [ ] **Phase 1: TRIZ Analysis & Initialization Report (R=3)** - [ ] Perform TRIZ contradiction analysis on B. Lee Jones's critiques (Memory Runway vs True Lossless Degradation, gRPC socket crash vs size limits, Auditability & Governance). - [ ] Execute `universal_fractal_model_router.py --complexity high --depth 3`. - [ ] **Phase 2: Deep Research & Model Council Evaluation (Top-3 Models)** - [ ] Run Perplexity Deep Research + Model Council (Claude Sonnet, Gemini 3.1 Pro, DeepSeek V4) analyzing B. Lee Jones's 3 comments. - [ ] Validate technical precision (gRPC error codes, V8 GC behavior, SQLite/JSONL WAL recovery, Attention Drift mitigation). - [ ] **Phase 3: Crafting High-Authority LinkedIn Responses (Comments 1, 2, 3)** - [ ] Formulate Response 1 (Addressing gRPC ECONNREFUSED vs MAX_MESSAGE_SIZE, V8 heap runway, Step 0 attention drift, 0ms vs microsecond latency). - [ ] Formulate Response 2 (Addressing SQLite/JSONL ACID WAL sync, corruption recovery, benchmark specs & reproducible workloads). - [ ] Formulate Response 3 (Addressing Governance, Auditability, Catamorphic Log Compaction & Institutional Memory). - [ ] **Phase 4: Architectural Enhancements for Ecosystem / Orchestrator Memory (SOTA 2026)** - [ ] Translate B. Lee Jones's critiques into code & architecture improvements in `backpack_implementation.py` and `architecture_blueprint_hub.md`. - [ ] Implement Monoidal State Merging, Catamorphic Audit Trails, and Attention Anchoring. - [ ] Pass 100% of unit & E2E tests. - [ ] **Phase 5: Knowledge Distillation, Dashboard Sync & Telegram Notification** - [ ] Create RAG item `05_Support/RAG/linkedin_long_horizon_memory_governance_2026.md`. - [ ] Update `16_AI_graph_brain/nodes/node_long_horizon_memory_governance.md`. - [ ] Update HTML Dashboard `monosnap_system_architecture_blueprint.html`. - [ ] Send detailed Telegram report to Kirr (`chat_id = xxxxx`). - [ ] Update `personal_tasks.md` and `HANDOVER.md`.

***

⚡️ Moonshot AI открыла FlashKDA - быстрые CUDA-ядра для Kimi Delta Attention FlashKDA — реализация KDA на базе CUTLASS, заточенная под современные GPU NVIDIA. По бенчмаркам разработчиков: • H20: ускорение примерно до 2,31× относительно chunk_kda • GB200: до 3,27× на variable-length sequences • поддерживается batching последовательностей разной длины • интеграция уже есть в flash-linear-attention ≥ 0.5.0 — FlashKDA может автоматически выбираться как backend Требования пока серьёзные: SM90+, CUDA 12.9+ и PyTorch 2.4+. Интересно здесь другое: вместе с моделями Moonshot постепенно открывает и низкоуровневый стек, необходимый для быстрого запуска их архитектур. 🔗 https://github.com/MoonshotAI/FlashKDA

Форк файлового менеджера, подозрительно похожего на Midnight Commander Кто жил в терминале, помнит mc на ощупь. Две синие панели, слева файлы, справа файлы, и всё это всегда было про файлы и каталоги. В этом форке панели научились показывать что угодно через подключаемые плагины, и теперь в них с тем же интерфейсом открываются Docker-контейнеры, Kubernetes-поды, коллекции MongoDB и объекты S3-хранилищ. А внутрь файлового менеджера заодно встроили полноценный терминал. С релизом идут двенадцать плагинов, старые ftpfs и sftpfs выкинули и заменили на них, а работа с архивами ускорилась на порядок. Собрал всё это один человек из фич, которые не смог протолкнуть в апстрим, и теперь ищет, кто поможет проверить форк за пределами его Ubuntu.

Философия заражения. Введение в восточноевропейскую ксенопоэтику Мы привыкли считать, что человек говорит на языке. Ксенопоэзис предлагает обратное: язык говорит человеком. Именно с этого переворота начинается философия, в которой быть — значит быть захваченным: текст не передаёт смысл, а меняет того, кто его читает; алгоритмы, ошибки и глитчи становятся не сбоем, а способом рождения нового. Философ, автор канала «MACHINIC EMBODIMENT» Михаил Федорченко показывает, как эксперименты Кэндзи Сиратори, океан из «Соляриса», теория тёмного леса и космотехника складываются в карту мира, где человек перестаёт быть единственным автором смысла. Если язык всегда писал нас самих, кто говорит через него теперь? 🔗 https://discours.io/articles/theory/east-europe-xenopoesis (зеркало) Алгоритмы продвигают простое. Мы публикуем сложное. Поддержите Дискурс✨

Microsoft выпустила Surface Laptop за $950 с 8 ГБ ОЗУ, который тормозит в Teams и Chrome Новинка 2026 года оснащена Snapdragon X Plus и лишь 8 ГБ LPDDR5X (8 ГБ хватит всем, помните!) — при этом Windows 11 после загрузки съедает 4,2 ГБ, а при открытии 10 вкладок Chrome, Slack и Signal память заполняется под завязку (~6,7 ГБ из 7,6 доступных). В итоге ноутбук зависает на несколько секунд во время видеозвонков в Teams и произвольно «тормозит» при работе в Google Docs. Microsoft советует 16 ГБ для Copilot+ и будущего, но сама же продаёт 8-гигабайтную версию дороже прошлогодней 16-гигабайтной. При этом если бы M$ распаяли хотя бы еще 2 дополнительных ГБ памяти, то после выпиливания из системы основой части мусора (Onedrive, Copilot и прочий хлам), комфорт работы был бы значительно выше. Разница между 8 и 10 ГБ огромная. Но, лучше, конечно, 12-16 ГБ. Либо... использовать GNU/Linux, но вряд ли это вариант в данном случае.