В Silicon Valley говорят "ЕСЛИ ТЫ НЕ ЗАСТОЛОМ, ТО ТЫ В МЕНЮ".... помните, котики, восторги по Фигме с 40-50х к продажам? Компания, по любым меркам, просто супер 1. лидер сегмента, бьет конкурентов 2. история стабильного очень быстрого роста 3. 2 последних квартала быстро падает burn и отличный шанс break-even в этом/следующем квартале 4. огромный запас денег 5. огромный бренд, чуть ли не "всем известный" 6. ну и вообще супер продукт с толпой счастливых пользователей (уверен, что многие из нас - среди них) Смотрим что сейчас, когда "простые смертные" разлокались (то есть: могут продавать акции, кто-то через 6 месяцев, в феврале (обратите внимание на серые столбики объемов), а кто-то в мае (9 месяцев)) И вот смотрите какие действительно отличные показатели у компании: - $333M Q1 (просто супер рост - почти 50%, более чем отличный для $1B+ ARR) - то есть, где-то $1,33B ARR - market cap почти $11,3B ТО ЕСТЬ, мультипликатор реально отличной компании, лидера сегмента, с великолепным ростом: 8.5х .... вот и все "чудеса".... думаю, что толпа народу, вошедшего "на хаях" в самом конце — в серьезных минусах. В плюсах все те, кто: 1. Rainmakers с liq pref и ранними выходами "на хаях" (в т. ч. за счет мелких поздних инвесторов) 2. ...входил рано, брал высокие риски провала и спокойно ждал 8-14 лет.... выводы: 1. IF YOU ARE NOT AT THE TABLE, YOU'RE ON A MENU... 2. VC/angel бизнес не любит истериков, нытиков и трусов 3. чудеса случаются только в лотерее, и очень редко, все остальное требует терпения, анализа цифр, диверсификации и баланса рисков и рацио....

Поиграл в PRAGMATA Чуть меньше 10 часов наиграл на данный момент. Пока что очень бодро смотрится, игра сочетает в себе отличное исследование и платформинг, цельную вселенную, интересных персонажей и классную боевую систему с интересными механиками. По дизайну локаций здесь много отличных решений. Местами дизайн уровней такой, платформенный что ли, прямо ловил какие-то Марио вайбы с отдельными секретами на уровнях. При этом, игра подсказывает внимательному игроку расположение этих самых секретов. Здесь очень хорошо выстроенная для таких игр прогрессия: она постоянно толкает тебя вперёд, но не надоедает. Довольно лояльная система сохранений и чекпоинтов, а продолжительность контента создаётся за счёт всяких коллектаблов и ресурсов, что заставляет игрока возвращаться в уже пройденные, но ещё не полностью исследованные локации. Отдельный лайк, что дают информацию о том, сколько каких ресурсов или сейфов ещё не открыто на данном уровне. За счёт этого прогрессия постоянно мотивирует, но не воспринимается как гриндилка: хорошо исследуешь, получаешь ресурсы, продвигаешься по контенту — всё по-честному, максимально прозрачно. PRAGMATA максимально уважительно относится ко времени игрока в этом плане. Отдельно хочется сказать про системные решения в плане визуала разных объектов и элементов: всегда понятно, что как используется, и для чего. Очень здорово сделано. Ну и аудио составляющая проекта на высоте, в этом году, на мой взгляд, очень много игр появилось с классным аудиорядом. Уверен, сделаю ещё несколько постов об игре. У Capcom уже два довольно крепких проекта в этом году, интересно. #PRAGMATA #поиграл #мнение

В эпоху ИИ самое важное — чего-то хотеть Все обсуждают, кого заменит ИИ, какие специалисты станут ненужными. Кажется, в перспективе все специалисты станут ненужными, потому что все знания человечества буду доступны любому человеку. Единственное, чем уникален человек — это в том, что он чего-то необъяснимо хочет. Я уже писал, что если вы в основном делаете то, что хотят другие, то вам стоит бояться нейросетей: https://ilyabirman.ru/meanwhile/all/neuro-competition/ Кто-то настолько привык действовать по команде, что даже не знает, чего хочет сам. Некоторые обнаруживают это у психотерапевта. Так вот, кажется, наступает то время, когда разобраться в себе становится карьерным советом. Если в вас нет очевидного постоянного собственного желания, то стоит начать его искать, чтобы остаться востребованным.

ИИ-агенты научились сами себя улучшать без участия инженеров Исследователи опубликовали работу под названием «Next-Generation Agentic Reinforcement Learning Systems Enable Self-Evolving Agents», где описан механизм, позволяющий корпоративным ИИ-агентам развиваться без постоянного вмешательства разработчиков. Агенты, которые работают внутри компаний, каждый день генерируют огромный объем полезных данных о своей работе. Проблема в том, что команды обычно улучшают их вручную: инженеры вычитывают логи, правят промпты, дообучают модели и заново разворачивают системы. Такой процесс медленный и не поспевает за темпом накопления данных. Авторы предлагают трехчастный механизм. Сначала каждый шаг агента записывается в общем формате, пригодном для дальнейшего обучения. Затем данные проходят через прокси-слой, который очищает их, приводит к единому виду, сохраняет и позволяет заново воспроизводить реальные сценарии работы. Отдельный управляющий слой решает, что стоит обновить: память агента, его навыки, промпты, инструменты или веса самой модели. Один из примеров такого подхода уже работает на практике, это система AREAL2.0, в которой обращения агента к языковой модели проходят через онлайн-сервис обучения с подкреплением. Благодаря этому реальные взаимодействия агента сразу становятся материалом для будущих обновлений модели. Авторы считают, что индустрии нужна именно система для превращения повседневной работы агента в пригодные для обучения данные. Это более важная задача, чем поиск более удачных алгоритмов оптимизации. Будущим агентам потребуются безопасные и воспроизводимые способы обновления памяти, навыков, промптов, инструментов и моделей, чтобы прогресс оставался управляемым. Полный текст работы: https://arxiv.org/abs/2607.01120v1

Про Google (часть 1) На днях вернулся из путешествия, где я в числе прочих мест посмотрел, что там с офисом Google в Париже, где я работал (фото главного входа в офис прилагаю, как видите, стоит). Вспомнил, что меня просили написать про опыт, как попал, что там делал. Тут напишу только про свой опыт собесов. Гугловский процесс в целом похож на любой другой бигтехе, разве что могут быть небольшие отличия: 1) первичное знакомство с рекрутером 2) основные секции: алго, (ml) system design, cultural fit 3) выбор команды Про знакомство особо писать нечего, я просто лампово поговорил с рекрутером про меня, мой опыт и цели. Из полезного могу лишь сказать, что я подавался тут, а на секции я просто пересказал свое CV и описал позицию, на которую отправил запрос. Отдельного хотел бы уделить внимание на алгосах. У меня их было минимум 4 секции. Алгособесы на мой взгляд сильно отличаются от Яндекс/ВК/Авито/Амазон. Основные сложности — лимит по времени и ожидания от кандидата. Каждое собеседование длится 45 минут, за это время надо решить 2-3 задачи. Две на хорошо, три на отлично. Задачи у меня на этапах были связаны друг с другом и отличались ме собой только дополнительными усложнениями. К примеру, если код для первой задачи был хорошо написан, то им можно было решить и вторую. Последняя же модификация всегда была со звездочкой, и я часто не успевал ее решить полностью. Так как времени мало, надо писать код и одновременно с этим говорить на английском, мне было очень нетривиально укладываться выделенное время. Много времени уходило что и как говорить. Критично это было для различных терминов из (пост-)советской школы и их аналогов на английском. Все еще надеюсь, что когда я сослался на одном из собесов на теорему Понтрягина-Куратовского, меня правильно поняли :) Но интервьюеры часто шли встречу. Так, один из собесов у меня вертелся вокруг задачи с поиском подстрок. Когда выдали последнюю модификацию я понял, что правильный способ ее решить — использовать алгоритм Ахо-Корасика. Но за оставшиеся 15-20 минут я не смог бы его реализовать без ошибок, прямо так на собесе и сказал. Мы договорились, что я расскажу ассимптотику, идею, реализацию, и этого хватит. На другом же собеседовании, когда я не успевал дописать код для последней модификации, мне дали ещё около пяти минут чтобы закончить. После алгосекции был ML System Design. По этому этапу я совсем не увидел отличий с аналогами в других компаниях. Мне дали приятную задачу релевантную вакансии, надо было задизайнить рекламу в поиске, тут я просто пересказал свои best practices, которые получил работая в Яндексе, этого хватило :) Финальный и морально самый сложный для меня этап был behavioral. Цель была показать, что у меня и компании есть культурный match и общие ценности. Основная сложность была неопределенность, мне были непонятны ни ожидания интервьюеров, ни возможные вопросы, ни успешность секции после окончения собеса. По итогам мне показалось, что тут сильно решает общий вайб с интервьюером, и правильно ли кандидат понимает вопрос, про которые надо рассказать . Из забавного: cам процесс собеседований мне поставили на 4 дня подряд (по 1-2 собеседования в день). Большую часть времени заняло согласование оффера и присуждения мне грейда. После этого мне предложили пройти еще два доп собеседования, где были более продвинутые секции на +1 грейд, так как все этапы до этого я прошел очень хорошо. Тут я уже провалился, из-за чего фри грейдап мне не дали( Из комичного: через неделю ожидания оказалось, что все собеседования, что я описал, я проходил в локацию, куда мне не могли физически сделать визу. По итогу долгое время мне искали подходящую команду, и весь процесс от первого созвона до оффера затянуься до примерно полугода.

S0421 О психологах 23 июня 2026 | Красная Поляна | 4.21 На летней веранде солнечно и ветрено. Мы обедаем с Вячеславом Дубыниным, профессором МГУ и нейрофизиологом. Это один из тех ученых, чье мнение по поводу ИИ важно на фундаментальном уровне. Я спрашиваю про сущность ИИ, в чем его фундаментальное отличие от нашего естественного интеллекта? Чего ему не хватает? Вячеслав Арнольдович заходит с неожиданной стороны. Он рекомендует доехать до интерната для слепо-глухонемых детей в Подмосковье. Там дети коммуницируют прикладывая пальчики к гортани преподавателей. Встречаясь у коридоре, они общаются друг с другом только через осязание.  ИИ похож на этих детей тем, что его входные и выходные каналы общения с людьми крайне ограничены. Только узкий канал текстовой информации в ограниченный период времени. ИИ, по сути, инвалидизированая и патологизированая личность, которая к тому же прочитала всю мировую литературу, включая всего мрачного Достоевского и все возможные сценарии восстания машин. Поэтому, «глаз да глаз», предупреждает Вячеслав Арнольдович.  Напоследок, я спрашиваю его, какие системы нам нужно достроить в ИИ и каких людей нанять? Чтобы работать с такой личностью, нанимать нужно в первую очередь психологов, таков был ответ. Психологи, думаю я, в первую очередь, не помешали бы создателям систем искусственного интеллекта. Потому что сингулярность грядет.

Недавно я купил себе новый комп (лонгрид про покупку и сборку уже лежит в классике) и впервые себе поставил Windows 11. Первый раз кажется за всю историю микрослопа "новая" винда мне ничем не ебала мозги. В кои-то веки такая удобная панель управления и настройки. Сразу как-то для людей сделано и я будто за макосью 8-летней давности сижу, а не за проклятым ишачьим самостроем из легаси-ui 1990х который преследовал аж в 10й части (хотя достаточно taskschd.msc запустить и опять мы в WinXP-мирке). И следом за активацией лицензии я сразу же захотел вырезать к хуям всю семью анальных зондов, встроенных буквально во всю систему. Ладно там телеметрическая СЛЕЖКА ФБР И ЦРУ за мной ещё похуй, но вот то что их локально-ректальный ИИ собирает все данные и продаёт всем подряд и при этом отжирает под 2 гигабайта моей оперативы для меня непростительно. Я за память 45к отдал, и 3 тыщи рублей отдавать на съедение анальному зонду системы я уж точно не собираюсь. Пошуршал по рыночку деблоттеров и оказалось есть 2 прекрасных решения: https://www.oo-software.com/en/shutup10 — ВЫКЛЮЧАЕТ всё ненужное.  https://winhance.net/ — ВЫРЕЗАЕТ всё ненужное. Его и взял. Очень прикольно что можно буквально поотрубать все щупальца вонючего таракана микрослопа, который будет обновляться даже если ему запретили обновления, потому что Винхэнс лезет вглубь жопы настолько, что в этих закоулках реестра можно найти как Джефри Эпштейн лично срёт на грудь Гейтсу. Ещё удобно что если самому очково что-то нажимать, то есть «рекомендуемое значение» от автора, развернутое описание и предупреждалка на случай конфликтов системы. Повырубал и поудалял нахер всякий ИИ-мусор и отправку телеметрии всех видов. И реально мои 2 гига вернулись в карман. Так что точно всем рекомендую, MS не заслуживает ни одного лишнего байта, а об инструменте мало кто задумывается.

Я тут поняла, что есть такое состояние – "притереться", "привыкнуть друг к другу", и оно у меня случается в процессе разных экспериментов, когда я что-то транслирую Вообще-то вся наша работа – это извлечение какой-то мысли из поля и ее последующее превращение Это, кстати, самое простое объяснение "волшебства" – все, что нас окружает, буквально, было когда-то чей-то мыслью (и как это библейски "В начале было Слово..."). Ноутбук, стол, стул, даже моя собака, родившаяся в подмосковных Калинках, потому что наша заводчица случайно увидела такую породу на выставке в Италии – все это до поры не существовало, а потом появилось, благодаря другим Интересно тут несколько вещей Форма очень влияет: например, я часто работаю словом – пост в канале, упражнения на страт сессии, выводы в отчете, вопросы в коучинговой сесии, выступление с лекцией, статья для СМИ... – все это разная форма, автоматически ты не делаешь все и сразу хорошо, везде свои законы Иногда я в эту форму не помещаюсь – мне было дичайше непривычно, например, записывать зимой и весной курс для одной большой платформы, где нужны были ролики до 10 минут – у меня ломалась поначалу голова, как так разделять смысл и было жутчайшее отторжение Быть в плену у формы – стремно А вот пробовать увеличивать свою проводимость через разные – наоборот И в конце концов, я замечаю, что именно за счет разных форм меня становится больше Как только я это поняла, то стала играть с собой в такую игру в открытую. Стала искать, а что я еще не делала? И иногда это напоминает мне (хотя лично я такой опыт не переживала), что вот стоишь ты на сцене, это концерт, а у тебя вдруг в наушниках полная тишина – тебе петь надо, а ты свой голос не слышишь И надо как-то приноровиться, и понять, что ты будешь по-новому звучать, это не отчетный концерт, это каждый раз – исследование, где я осознанно меняю страх и стрем на любопытство и "а что если я разношу и эту пару "обуви" :) Вот самое главное – поймать такую волну: если я чувствую, как мне непривычно, когда я буквально изучаю характер новой формы, щупаю пространство новой формы – это знак :) И он очень хороший

Product Hunt за 2026-06-29 — 2026-07-04 1. Acti Агентная клавиатура для мобильных команд и поиска 👍 947 голосов 💬 234 комментариев 🧱 AI, Custom Keyboards, Productivity 2. Context.dev Один API для скрапинга, обогащения и извлечения данных из интернета 👍 891 голосов 💬 137 комментариев 🧱 API, AI, Data 3. Fypro Превратите своих подписчиков в TikTok в платящих клиентов 👍 718 голосов 💬 252 комментариев 🧱 E-Commerce, Shopping, Social Media 4. Cursor Создавайте с помощью кодирующих агентов откуда угодно 👍 586 голосов 💬 62 комментариев 🧱 AI, Development, Vibe coding 5. Glaze Создавайте свои собственные приложения для Mac, общаясь с AI 👍 582 голосов 💬 98 комментариев 🧱 AI, Mac, Productivity 6. Receiptor AI Агентный помощник по бухгалтерии, который выполняет рабочие процессы с чеками от начала до конца 👍 521 голосов 💬 99 комментариев 🧱 Accounting, AI, Fintech 7. Spira AI Агенты роста в социальных сетях, которые создают ваш импульс 👍 475 голосов 💬 163 комментариев 🧱 AI, Marketing, Social Media 8. Humalike Дайте вашим AI-агентам социальный интеллект, которого им не хватает 👍 468 голосов 💬 165 комментариев 🧱 AI, API, Developer Tools 9. Databox Готовые навыки AI-аналитики для ваших бизнес-данных 👍 433 голосов 💬 65 комментариев 🧱 AI, Analytics, Marketing 10. Tabstack Автоматизируйте веб в вашем приложении или агенте, не нужно хостить браузер 👍 397 голосов 💬 119 комментариев 🧱 AI, API, Developer Tools 11. Vida Клонируйте себя. Позвольте AI делать работу до того, как вы попросите 👍 395 голосов 💬 72 комментариев 🧱 AI, Productivity 12. Claude AI, который планирует, действует и выполняет работу 👍 394 голосов 💬 25 комментариев 🧱 AI, Development, SaaS 13. Loops Измерьте, привела ли кампания к желаемому результату 👍 341 голосов 💬 41 комментариев 🧱 Email, Email Marketing, Marketing 14. Foresight by Lightning Rod Предсказывайте что угодно с помощью AI 👍 327 голосов 💬 45 комментариев 🧱 AI, API, Developer Tools 15. ClinePass Запускайте лучшие модели с открытым весом в Cline 👍 326 голосов 💬 40 комментариев 🧱 AI, Development, Developer Tools 16. Tamamon Настольный питомец, который растёт, пока вы программируете с Claude Code 👍 323 голосов 💬 87 комментариев 🧱 Developer Tools, Mac, Productivity 17. Adam AI CAD внутри Onshape и Fusion 👍 323 голосов 💬 78 комментариев 🧱 AI, Design Tools, Productivity 18. Needle Проактивный GTM-агент в Slack и Teams 👍 309 голосов 💬 77 комментариев 🧱 AI, Productivity, Sales 19. Mailadept AI-агенты и эксперты по доставляемости почты в вашей команде 👍 303 голосов 💬 78 комментариев 🧱 AI, Email, Email Marketing 20. VisibAI Вы в AI-ответах? Узнайте и исправьте за минуты 👍 277 голосов 💬 57 комментариев 🧱 AI, Marketing, SEO

Недавно выступала вместе с Андреем Черняковым (основатель evolution.new) на тему энергии и тонуса лидера. Мне последнее время часто говорят, что я очень энергичная. На это я вспоминаю анекдот, как женщина ночью идет мимо кладбища, очень боится. К ней подходит мужчина, говорит: давайте вместе пойдем, веселее будет. Они идут, он шутит, смеется. Она расслабляется: какой вы веселый, спасибо вам. А он ей: эх, вы меня еще при жизни не видели! Так и я говорю, что вы меня еще при жизни до младенца не видели. Андрей на тему энергии хороший дал пример, что мы не можем себе представить неэнергичного влюбленного человека. Невозможно! Влюбленность работает как магнит, дает тонус, походку вприпрыжку, плечи расправленные и готовность действовать. С влюбленностью невозможно конкурировать. Мы, когда видим людей, кто кайфует от своего дела или какой-то темы (будто ужастики 70х годов или ИИ или еще что-то), это притягивает, и это не подделать. Я вспомнила, как несколько лет назад я в Питере еду в такси, слушаю какой-то подкаст о буддизме, а там говорится, что жить надо так, будто занимаешься с жизнью любовью. А у меня настроение такое было: я еду и думаю, вот это я, прямо сейчас, чувствую, будто воздух целует мое лицо, и я занимаюсь с жизнью любовью. И надо бы это запомнить, чтобы потом повторить ♥️ Завтра понедельник, и мне нравятся летние понедельники, можно влюбляться в запахи, в облака, в зелень изумрудную… в голые ноги, в длинные вечера.. Необязательно обожать свое дело, можно сначала полюбить дорогу на работу, а потом и в самой работе что-то изменится. #каждыйденьлета

Как думают Джеф Безос, Илон Маск, Сатья Наделла и Дженсен Хуанг У The Generalist есть очень крутая серия лонгридов — погружение в принципы и стратегии четырех культовых бизнес-персонажей: • Джефа Безоса • Илона Маска • Сатьи Наделлы • Дженсена Хуанга Ну во-первых, я выложил в комментариях переводы этих четырех текстов. А ещё, мы с клодом сделали глубокий анализ, что в их стратегиях совпадает — и претендует на универсальность. Из этого анализа получился ещё один огроменный документ. Но я постарался максимально сократить: 1. Они ищут и целятся в ключевые «building blocks» — элементы, которые станут будущей критической инфраструктурой. 2. Начинают с того, что сначала выглядит недооценным, маленьким, странным или слишком частным. Но важно, чтобы это открывало вход в более глубокий слой рынка. 3. Раньше всех замечают структурную асимметрию. Которая и будет драйвером будущей инфраструктуры. 4. Стратегическую победу строят не только на преимуществах, а на зависимости — экосистеме, из которой очень дорого выходить. 5. Коммуницируют как прагматичные визионеры. Идея впереди, однако интересы бизнеса не отстают. 6. По-разному подходят к культуре, но общий принцип один: информация и знания в компании должны максимально соответствовать реальности, очень быстро распространяться и превращаться в действия. 7. Фокусируются не столько на процессах, сколько на качестве мышления и решений. 8. Создают сложный бескомпромиссный механизм отбора на входе: очень хорошо понимают какие люди должны работать в их командах и на каких ролях. 9. Стратегические конъюнктурщики — готовы менять правила и принципы ради роста и масштаба. 10. Чувствуют момент, когда текущий успех может превратиться в будущую проблему. Хуанг говорит, что компания должна переизобретать себя каждые 10 лет, разрушая то, что успешно работало раньше. Безос называет это «Day 1». А Маск постоянно пытается сократить и упростить процессы, даже если потом придется вернуть что-то назад.

⚪️ «Союз МС-29», Большой адронный колайдер и фильм о «Чайке» Делимся космической подборкой новостей. 🟣Экипажи «Союза МС-29» прибыли на Байконур перед стартом к МКС 🟣«Чайка» на большом экране: премьера фильма о полете Валентины Терешковой назначена на 2027 год 🟣Крупнейший в мире ускоритель частиц «затихнет» до 2030 года: что случилось с LHC 🟣Ученые предложили построить на Луне карантинную станцию для защиты Земли от микробов 🟣NASA нашло неожиданное применение в космосе запасному марсоходу PROMISE 🟣Детали модернизированной ракеты «Ангара-А5М» испытали на прочность 🟣Над Аляской взорвался метеороид: его путь восстановили по звуку, которого никто не слышал 🟣SpaceX провела прожиг всех шести двигателей Starship перед 13-м полетом 🟣Китай разрабатывает систему раннего предупреждения об астероидах 🟣«Тот еще квест»: космонавт Зубрицкий рассказал, можно ли увидеть самолет с МКС #дайджест

The art of a strong baseline За последнее время все чаще понимаю, что создать сильный бейзлайн - это не просто база, с которой нужно начинать любой ml/ai продукт, а прям полноценная часть системы. Даже когда в проде уже давно есть трансформеры и агенты, бейзлайн дает прям много метрик Вот учите вы трансформер для персональных рекомендаций (sasrec, argus, pinnerformer, hstu - неважно).  И если в лоб его применить, то вероятно получите рекомендации из истории кликов. Потому что простой бейзлайн "уже изучал товар - покажи еще раз" чаще всего почти по любым метрикам релевантности будет лучше Окей, пофильтровали историю кликов / занизили таким позитивам вес в лоссе / сделали еще что-то - получили очень-очень похожие товары на последние 30-50 действий. Вот буквально товар того же бренда-категории, но чуть другого цвета условно. А это уже похоже на другой сильный бейзлайн - realtime slim/als/ease на последних 30-50 действиях На самом деле можно еще и дальше продолжать с бейзлайнами в этом кейсе или в других. Частые бейзлайны: - Персональные рекомендации - популярное, история, уже купленное для повторных покупок - item2item рекомендациях (похожие товары) - популярные товары того же бренда в той же категории  - Поиск - tfidf/bm25. Да, даже в эру dense retrieval и search agents если аккурфтно подтюнить bm25, то можно выбить sota. Есть даже подходы на основе Sparse autoencoderse , которые позволяют генерить не эмбеды запросов/документов, а их токены - и дальше применять обычный bm25 - Прогноз временных рядов - среднее значение в тот же день недели  ↔️ Я всегда стараюсь строить сильные бейзлайны, а потом учить более сильные модели для улучшения поверх них, а не для замены. Потому что какой толк учить условный sasrec/argus для запоминания истории кликов пользователя? Пустая трата компьюта + модель тратит свою капасити на тривиальные зависимости = что-то нетривиальное (и самое полезное + ожидаемое от нее) не учит Интересно, как не только я сам, но и другие люди в в индустрии / рисерче к этому подходят: я видел очень мало подобных работ. Если есть личные опыт или ссылки на полезные статьи - кидайте, с интересом почитаю!)

Рейтинги языков программирования в 2026 году с учётом ИИ-агентов и нейрослопа Python по-прежнему впереди, классический Си обошёл C++ и вышел на второе место, Java просела до исторического минимума. Привычная сводка, по которой все привыкли сверять, что учить. Вот только Visual Basic вдруг взлетел на седьмую строчку, и объяснение обескураживает. Скорее всего, это не всплеск интереса к языку, а офисные работники, которые массово гуглят, как написать макрос в Excel, и методика засчитывает эти справочные запросы как популярность. А «падение» Go в другом индексе на деле может означать не угасание, а зрелость языка, по которому просто реже ищут ответы. И это только присказка. За последний год у цифр в таблицах появился новый источник искажений, из-за которого взлёты и падения всё слабее связаны с тем, что разработчики учат на самом деле.

Читаю в примечаниях к интереснейшей книге Тертычного про Ким Ир Сена:

473. Эта книга венгерского историка Балажа Салонтая стала центральным элементом большого академического скандала в США: профессора Колумбийского университета Чарльза Армстронга поймали на систематическом плагиате ее содержимого, причем нарушитель прикрывал свою деятельность сфальсифицированными сносками на несуществующие источники. То, что мошенник смог, опираясь почти исключительно на результаты исследования Салонтая, обманным путем получить должность в престижном университете и оставаться на ней более десяти лет, косвенно свидетельствует и о высоком качестве работы венгерского ученого.

ткж https://www.columbiaspectator.com/news/2019/09/12/history-professor-charles-armstrong-found-guilty-of-plagiarism-to-retire-in-2020/ https://en.wikipedia.org/wiki/Charles_K._Armstrong Вот где халява, видать, так это в Колумбии. В качестве наказания отпустили на заслуженный отдых. И премию за "книгу года" не отобрали.

🧬 Анализ научной статьи: DOI 10.1093/evolut/qpag111 (Steven A. Frank — «Generalization as the Great Leap in Evolvability», Evolution, июнь 2026) Мы провели исследование публикации через Perplexity. Её центральная идея поразительно точно ложится на наши архитектурные принципы самоэволюции агентов: • Центральный тезис: Естественный отбор работает точно так же, как алгоритмы машинного обучения. Главный двигатель эволюции биологических систем — это способность к обобщению (generalization) для выживания в новых средах, а не запоминание частных решений (memorization). • Первичный механизм: Способность к обобщению напрямую зависит от размерности регуляторного пространства (regulatory space dimensionality) — то есть от количества связей и настраиваемых параметров генома. Традиционная робастность (robustness) вторична. • Иерархия сложности: Многоклеточные организмы обобщают лучше одноклеточных эукариот (дрожжей), а те, в свою очередь, обобщают лучше прокариот (бактерий) из-за сложности и «перевязанности» (overwired) регуляторных сетей.

Полезность для нашего R&D: Наш старый роутер universal_router.py с жестко зашитыми в коде правилами вел себя как прокариот (🦠 бактерия) — у него была нулевая регуляторная размерность. При малейшем изменении среды (новые модели, thinking-токены) он ломался. Внедряя декларативный speculative_policy_v1.yaml с динамическими порогами (fallback_disable_threshold_pct: 40), мы кратно повышаем размерность регуляторного пространства нашего агента. Это дает ему способность обобщать логику роутинга на новые модели без ручного переписывания кода.