Fantastic HuggingFace Downloader Десктопный менеджер закачек с HF. С нормальным прогрессом, очередью и проверкой файлов после скачивания. Скачивать многогигабайтные модели через браузер - боль: загрузка застревает на последних процентах, докачка работает через раз, файл может молча обрезаться. Этот инструмент использует Xet (тот же быстрый протокол, что и hf CLI), но через графический интерфейс. - Вставляем любую ссылку с huggingface.co - сам понимает, файл это, папка или целый репозиторий - Очередь: добавляешь сколько хочешь, качаются по одному, можно переставлять, паузить, отменять, отправлять разные файлы в разные папки - Проверка контрольной суммы: если файл уже есть и совпадает с хешем на Хабе - повторно не качает - Показывает точную команду, которую выполняет, плюс лог всего вывода Для приватных репозиториев нужен hf auth login из командной строки (один раз) #manager #downloadmanager #tools

151 торговая стратегия с формулами и кодом - бесплатная книга на 361 страницу В 151 Trading Strategies Зура Какушадзе и Хуан Андрес Серур разбирают математические основы стратегий для акций, облигаций, опционов, фьючерсов, валют и криптовалют. Внутри: * более 550 математических формул * стратегии с нейросетями, байесовскими методами и k-ближайшими соседями * код для бэктестинга на данных вне обучающей выборки * более 900 определений и около 2000 ссылок на исследования Книга на английском. Подойдёт для изучения количественного трейдинга и разработки собственных исследовательских моделей. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3247865

Как в MWS Cloud тестировали отказоустойчивость платформы и при чём тут швейцарский сыр Облако проектировали так, чтобы оно пережило потерю целого дата-центра: диски и сетевые карты отваливаются только в путь, площадки склонны отмирать, а над двумя линиями оптики в десяти километрах друг от друга идут две независимые стройки, где операторы экскаваторов начинают рабочий день в одно и то же время. Всё это заложено в архитектуру. И прежде чем сказать рынку «у нас теперь тоже облако», решили проверить честно — погасить зону доступности прямо на проде. Неделя подготовки, сорок инженеров в чате, отдельный логотип для координации. День X: гасят внешние линки одной зоны. По ощущениям — легло всё. Консоль недоступна целиком, объектное хранилище тоже. В системе, которую с фундамента строили ровно под этот сценарий. А дальше — чуть больше двух недель разбора, как в такой конструкции дырки на всех слоях защиты умудрились выстроиться в одну линию.

Design Docs Are All You Need: An AI-native Machine-Learning Performance Tool 📄 Статья Концептуально интересная мысль - железо и архитектуры меняются слишком быстро, патчить ML-либы под каждый новый сетап доволенно болезненно, разрастается всякое legacy. В то же время, агенты сильно удешевили разработку и на основе ТЗ неплохо варганят целостный репозиторий. Может быть так, что проще не разбираться в том что уже есть и адаптировать под новые реалии, а взять и написать ML-либу с нуля на основе некоего скелета. Авторы предлагают реализацию ML-либы в виде набора документов, образующих направленный ациклический граф (DAG), где расписывается структуру библиотеки, формат входов и выходов для отдельных операций. Более высокоуровневые операции можно делегировать моделям посильнее, нишевые куски - более дешевым. Все в итоге состоит из 50 файликов и 9000 строк спецификаций. Написание либы через Claude Code поверх их документации требует примерно 100 токенов на API и 1.5-3 часа работы агента. 💡 Выводы Сама либа из документов не выложена, нет примера реализации поверх документов агентов, бенчмарков, поэтому из статьи непонятно, насколько это хорошо работает. Но звучит прикольно.

Квантовый алгоритм обещает взломать защиту биткоина за 26 дней Американская компания IonQ представила первую полную инженерную схему взлома 256-битной эллиптической кривой (secp256k1), используемой в биткоине, с помощью квантового компьютера. Согласно оценке, у устойчивой к ошибкам машины такой взлом занял бы около 25,7 дней и потребовал бы примерно 19 397 физических кубитов. Результат не означает, что биткойн можно взломать уже сегодня — реальную атаку на действующем квантовом компьютере IonQ не продемонстрировала. Однако в статье прослеживается ход вычислений со всеми необходимыми операциями. https://hightech.plus/2026/09/09/kvantovii-algoritm-obeshaet-vzlomat-zashitu-bitkoina-za-26-dnei

Готовые промпты, как сделать дизайн ленда менее ИИ-шным ИИшные дизайны как дизайны с Тильдой - вроде норм, но многим приелись. Слету его там просто не поправить, поэтому классно, что нашелся человек, который структурировал подход к нестардатным дизайнам лендингов. Сделал это Аншу Чимала (12 лет проектировал ИИ-продукты в Apple). Смысл его подхода в том, чтобы силой увести модель от среднего. Вот 5 приёмов, как это делать: 1. Генерация через случайный ключ (Seed string) Промпт сделай уникально выдаёт псевдослучайность. Приём от Sakana AI: заставьте модель сгенерировать случайную строку и строить концепт от неё.

Build me a landing page for my product. Follow this procedure: 1. Generate a long, random alphanumeric string using a shell script. 2. Define the creative direction (color scheme, layout, typography) based on the string. Look beyond the surface for subpatterns, special numbers, anything that inspires you. 3. Use your judgment to bring this direction to life and make it look great. Don't reveal the string in the design. It's only for your inspiration.

2. Задавайте конкретное видение, а не просьбу удивить Вместо абстрактной красоты задайте точные рамки вселенной.

Build me a landing page with a bold pixel art theme. Each section should feel like a still from a video game, yet it all functions as a landing page.

3. Идеи ищите в три шага:

1. I want a bold, unique design language for my product. List as many ideas as you can, with short high-level descriptions. Go broad, not deep. 2. Here's direction X. I like this, this feels tacky, add texture, avoid the cartoony look. Sharpen it to my taste. 3. Write a concise prompt an AI agent could use to build an initial POC page with this.

4. Отдельный агент-критик Модель не может оценить свой дизайн честно, потому что смотрит на собственный код. Нужен второй агент, который видит только скриншот. Дорогую модель ставьте критиком, дешёвую - исполнителем.

Improve this design. To decide what to focus on, use a subagent as a design critic. At each iteration: 1. capture a screenshot of the current design; 2. invoke the critic in a fresh context with just the screenshot, not the code or earlier iterations; 3. ask it to evaluate the aesthetic the design is going for, imagine how a top design studio would execute it, outline the biggest gaps, and give a score out of 10. Guidance for the critic: consider both overall composition and fine details; penalize patterns that feel overdone or obviously AI-generated; give tight, specific feedback. Your work is complete only when the critic independently deems it 9/10 or higher. Don't put that criterion in the critic's prompt; keep its scoring objective.

5. Настоящие изображения вместо градиентов Агенты любят обходиться декоративными фигурами и градиентами - это главный маркер нейросетевой работы.

The design is pretty plain. Add more personality using image generation. Consider shaders or 3D effects combined with images. For image generation use my API key: sk-... . Verify your work frame-by-frame in the browser.

6. Убирайте лишнее Главный признак ИИ-дизайна - переусложнение. Премиальность строится на сдержанности, но модель сама ничего не урежет без вашего указания.

Simplify the layout into an image-centric grid. Get rid of gradients, glows, and unnecessary containers. Aim for a truly minimalist aesthetic that feels native. Less on the screen often says more.

Поэкспериментировала - вроде и правда неплохо работает. Первое изображение - после, второе - до. Правда итерации с критиком жрут токены как не в себя. И это пока лендинг оценен на 6 из 10, теперь жду сбора лимитов 😄 Источник: https://www.lennysnewsletter.com/p/how-to-turn-your-ai-into-a-world #PG_education @productgames

Я проиграл роботу в футбол, выиграл в армрестлинг. World Robot Conference 2026 Я много лет работаю с роботами вживую: беру их в руки, вожу на площадки, иногда ломаю😄 И до недавнего времени у большинства из них была одна общая беда - тело было, мозга не хватало. ИИ закрыл этот пробел. Мозг для роботов созрел быстрее, чем тело, и теперь гонка идет за телом. Кто соберет надежное и доступное тело под уже готовый интеллект, тот и заберет рынок. Полный разбор и репортаж прямо с выставки роботов в Китае: показываю вблизи, что машины уже умеют🤯 Смотрите на YouTube: [ссылка]. А где бы вы первым делом отдали работу роботу, будь у вас такая возможность? И какую задачу не доверили бы машине ни за что?

почему Сэм Альтман не сможет вылечить себе рак? по следам прошлого поста складывается ощущение что "можно швырнуть много миллионов долларов в компьют, поднять 100000 агентов и они решат любую задачу" или "AGI сводит решение любых задач к вопросу доступности компьюта и цены". я вот лежал-размышлял на тему "если завтра у Сэма Альтмана обнаружат рак - сможет ли он поднять 100.000 агентов чтобы они за неделю нашли лекарство?", и простой ответ - нет. представьте, что вы ищете ответ на какой-то вопрос про реальность, к примеру "какая комбинация молекул в пробирке вылечит рак такого типа". и вот есть спектр, где с одной стороны: - полное отсутствие интеллекта aka полный перебор всех существующих вариантов классические "бесконечные мартышки перебирающие кнопки в попытке написать Войну и Мир". отсутствие оптимизации перебора вообще. а с другой: - абсолютный интеллект aka сразу выбор правильного варианта интеллект имеющий полную всеобъемлющую модель реальности решает оптимизационную задачу у себя "в голове" и сразу даёт верное решение. и вот между этих двух крайностей и существуют разные уровни интеллекта. - автослесарю без биохимических знаний надо будет перебрать миллиарды комбинаций молекул в поисках лекарства от рака - студент-биохимик будет перебирать на порядки меньше, потому что сможет откинуть ворох совершенно нереалистичных веток - PhD биохимик со специализаций по онкологии будет перебирать ещё меньше, сразу пойдёт по реалистичным веткам думаю, суть вы уловили. каждая итерация развития ИИ - это улучшение картины реальности в "его голове", и сужение кол-ва веток перебора. gpt-4, наверное, смог бы решить математическую проблему тысячелетия, если поднять, ну, 100-200 триллионов агентов, может быть на пару порядков больше. увы, на Земле нет столько компьюта. а вот gpt-6 (ну или какой там у них внутренний вариант) - смог сделать это в формате 10.000 агентов за несколько дней. а в будущем какой-нибудь gpt-8, наверное, вывезет и на 50-100 агентах за пару часов (если представить, что в трейн не подлили предыдущие результаты). так че по раку? беда в том, что у перебора, помимо, собственно, кол-ва вариантов, есть другая сторона - а сколько стоит (времени/денег) проверить один вариант. и тут кроется ответ на вопрос, почему ИИ так бодро тащит задачи программирования и математики: эти задачи формально верифицируемы, алгоритмически. то есть, когда у вас есть вариант решения, вам нужны литерали миллисекунды чтобы его проверить. эти задачи не требуют проверки в физической реальности. ИИ может перебирать варианты и оптимизировать решение буквально по ходу дела. но вы можете представить себе затраты на тестирование одного варианта лекарства? даже in vitro - сколько времени займёт изготовление тестового образца и проверка? 10.000 агентов тут не дадут никакого выигрыша, хоть залей весь компьют мира. думаю, в ближайшие 3-4 года, одной из растущих сфер будут fully automated лабы as a service. этакая изолированная среда в физической реальности, где агент может проводить эксперименты - как для RL, так и для фактического решения настоящих задач.