Моя лента

Расскажу, почему вам нужно отказаться от bool и Option. На примерах Rust покажу, как описать режимы и состояния через enum, чтобы код было проще читать, а компилятор не позволял создавать недопустимые состояния.

Итан Сигел (американский астрофизик‑теоретик и научный журналист, автор рубрики «Спросите Итана», один из пропагандистов современных научных знаний), разбирает вопрос о «естественности», или, скорее о кажущейся нам «неестественности» соотношений некоторых физических величин. Одни нам кажутся подозрительно близкими, другие непонятно почему различаются на многие порядки...

@avshkol сделал перевод этой статьи, чтобы разобраться в том, где «неестественность» кажущаяся, всего лишь отражение природы такой, какова она есть, а где такие совпадения или нестыковки могут потенциально привести нас к научному открытию?..

Несколько лет назад мне захотелось заняться составлением своего генеалогического древа. Я опробовал различные существующие инструменты для этого и не могу сказать, что остался в большом восторге. Во-первых, у подавляющего числа из них интерфейс, мягко говоря, оставлял желать лучшего, а во-вторых, большинство из них подразумевало хранение информации о всех своих близких где-то на серверах этих сервисов (причём ряд из них сейчас вовсе недоступен напрямую из России, что удобства не добавляет).

Разумеется, как у любого уважающего себя разработчика, у меня зачесались руки написать собственное решение. Благо в целом задача не выглядела сверхмасштабной, ведь хранилище семейной истории — это по сути небольшая БД с 6-8 типами сущностей и визуализатором связей между ними. Но, как это нередко бывает, идея застряла на стадии раннего прототипа, и только сейчас, благодаря помощи LLM её удалось довести до относительно законченного вида.

Ниже расскажу, что получилось и чем же именно мой сервис — я назвал его Arca — существенно отличается от других подобных решений. Кроме особенностей хранения проектов также затрону несколько других любопытных нюансов — выбранный мной подход к локализуемому представлению имён, а также исторических названий городов и регионов.

AI Overviews — нейроответ, который Google ставит над обычной выдачей. По слухам, что этот ответ стоит уже над 80% запросов. В первоисточниках так выходит только у Semrush, и только на 400 коммерческих ключах по десктопу США, а в других замерах получилось 30% и 18%. О проектах в Рунете эти цифры почти ничего не говорят: Яндекс не публикует, у какой доли запросов есть ответ Алисы AI, а каждый отчёт по Google описывает Google и набор запросов конкретного сервиса. Цифра больше 80% — свойство выборки, а не рынка. Для Рунета ориентир один: доля нейроответов Алисы AI в поиске на вопросах своей тематики.

Если работаешь c чувствительными данными или в высоко стрессовой среде, то цена ошибки может быть вполне серьезной. Вот зачем разбираться с собственной головой: заметить, что мешает нормально работать, пока последствия не заметили за тебя.

Представьте, что вы нанимаете программиста. Даёте ему 100 задач из реальных проектов, проверяете решения автоматическими тестами и получаете результат: 99 правильных.

Впечатляет. Особенно если программист — нейросеть.

Но затем выясняется, что часть экзаменационных заданий составлена неправильно. Некоторые тесты отвергают работающий код. Другие принимают неполные исправления. А в отдельных случаях испытуемый может найти готовый ответ в интернете.

Именно с такой проблемой столкнулись исследователи, оценивающие современных ИИ-агентов для программирования.

В сентябре 2026 года вышла обновлённая версия SWE-Bench Pro V2 — набора реальных инженерных задач из GitHub-репозиториев. Лучший результат на публичном наборе достиг 99,4%.

Но самое интересное в этой истории — не рекорд модели, а то, что пришлось сделать для его измерения.

Как ИИ-программистов вообще проверяют

Обычный тест по программированию выглядит просто: напиши функцию, которая сортирует массив, ищет элемент или обрабатывает строку.

Для современных моделей такие задания уже не особенно показательны.

В реальной разработке всё сложнее. Есть существующий проект, десятки файлов, зависимости, старый код и ошибка, которую нужно исправить, ничего не сломав.

Именно такие задачи используются в семействах бенчмарков SWE-bench.

Агент получает репозиторий в определённом состоянии и описание проблемы. Затем он может читать файлы, анализировать код, запускать тесты и изменять проект.

В конце оценивается полученный патч.

Изначальный SWE-Bench Pro содержал 1865 задач из 41 репозитория. Это существенно ближе к настоящей инженерной работе, чем отдельные алгоритмические упражнения.

В первой статье «Как я адаптировал nfqws2 для ASUS и добавил поддержку OpenWrt» я рассказал, как установить проект и настроить общую стратегию. Теперь покажу, как назначать разные стратегии устройствам, проверять результат и переносить удачные настройки. Всё ниже доступно в Build 99.

Начиная с macOS 13 два демона, knowledgeconstructiond и intelligenceplatformd, строят на каждом Mac граф о владельце и людях вокруг него. В каталоге ~/Library/IntelligencePlatform лежит 51 SQLite-база, а в graph.db — триплеты по словарю из 181 класса и 278 предикатов. Пара XGBoost-классификаторов по 144 признакам, в основном по тому, кому вы пишете и с кем фотографируетесь в какой день и час, оценивает, кто вам семья, а кто семья или друзья. Ещё пятнадцать столбцов, от матери до коллеги, заполняет механизм, который авторы проследить не смогли. Отозванные строки переезжают в отдельную таблицу и сохраняют уверенность и источники. Исследователи 8rank разобрали хранилище на macOS 26 и выложили локальную панель iKnow, чтобы каждый мог посмотреть свой граф.

Из девяти ИИ-моделей задачу с шифром на кубике Рубика полностью решила одна, две выдали выдуманные ответы с ложной «проверкой», остальные честно признали неудачу.

Рынок ML, DL и прикладного AI. Исследование 226 объявлений о работе на hh.ru

Вместе с нашей командой, мы пропарсили и обработали 226 вакансий с hh.ru. Подробно описали ниже.

Современный Google переводчик это 249 языков, 100 миллиардов переведенных слов в день, 200 миллионов уникальных пользователей в день.

В ElevenLabs озвучкой текста можно управлять как актёром: вы решаете, где голос шепчет, злится, смеётся или срывается на крик, и запись звучит живо. Эмоцию задаёт тег: английская ремарка в квадратных скобках перед фразой, например [whispering]. Нейросеть её не читает, а меняет подачу до следующего тега. На русском это тоже работает. В ElevenLabs v4 я озвучил 11 сцен из фильмов, переписанных под разработку и офис: ни один тег не прозвучал словами, ударения верные, смена эмоций слышна во всех сценах.

Покажу, как озвучить текст по шагам, какие теги есть и где модель сыграла приблизительно. Справочник тегов и все 11 сцен можно скопировать и переделать под свой текст.

Rust давно был моим любимым языком для пет-проектов, но до полноценного веб-приложения дело дошло только сейчас. В статье расскажу, каково разрабатывать на Leptos, где действительно пригодился общий код и с какими неудобствами пришлось столкнуться.

Привет всем любителям физики и физического эксперимента. Наши подписчики как-то спросили нас: «Не могли бы вы рассчитать, с какой скоростью бежит волна по падающим доминошкам?» Что ж, давайте разбираться. Предупреждаем: будем много гифок с падающими доминошками!

Недавно столкнулся с необходимостью объяснить отличия. Проблема в том, что часто компании считают свой учет управленческим, а на самом деле он им не является.

Я не финансист и не бухгалтер, скорее практик. Мое мнение – дело тут не в полноте данных, не в скорости их обновления и даже не в сложности аналитики. И управленческий, и бухгалтерский учет при правильном подходе могут давать одинаковое количество подробностей.

Однако есть концептуальное различие, и заключается оно вот в чем.

У каждого файла два имени. Первое написано после точки, и верить ему нельзя: его придумал человек, почтовый клиент или сайт, который «на всякий случай» переименовал вложение. Второе лежит в первых байтах. Вот оно почти никогда не врёт.

Я делаю XanderFiles — просмотрщик для Android, который открывает двести с лишним расширений: от PDF и Excel до winmail.dat, подписанных .p7m, RAR с паролем, книг FB2, RAW с фотоаппаратов, билетов Wallet, снимков КТ с диска из клиники и рисунков CorelDRAW. Это статья не о том, как меня достала надпись «Не удаётся открыть файл». Она о том, как всё устроено внутри и на какие грабли я наступил. Будут WebAssembly, матрёшка из Outlook, правка чужого минифицированного кода на лету и картинки, которые никто не рисует.

Предлагаю вашему вниманию собственный велосипед (SSR) на go и vue. Я пишу эту статью, потому что, когда я искал подобную информацию, то ничего не нашел. Наверное, и хорошо: лучше так не писать, но мы же должны познать плохие практики, чтобы понимать, где добро, а где зло !)

Обеспечить связь в далеком космосе - задача трудная. При распространении радиоволны распределяют свою энергию по площади, растущей как квадрат расстояния. На больших расстояниях на небольшой в сравнении приемник попадает только малая доля изначальной энергии, а принять слабый сигнал на фоне шумов сложно.

Значительное увеличение частоты несущей волны помогает с дальней связью по двум причинам. Во-первых, с ростом частоты снижается угол расхождения луча из-за дифракционного предела. Более узкий луч меньше теряет энергию на дальнем расстоянии. Во-вторых, высокие частоты несущей дают большую доступную полосу сигнала и скорость передачи. НАСА уже испытала дальнюю связь с использованием  оптических инфракрасных лазеров с аппаратом Psyche в 2023 году. Но раньше, в 2019 году, инженеры НАСА пошли еще дальше в электромагнитном спектре и провели эксперимент с рентгеновской связью XCOM.