Телеграм канал «Анализ данных (Data analysis)»

🚀 Релиз GLM-4.6V! • GLM-4.6V (106B) - старшая модель. • GLM-4.6V-Flash (9B) — лёгкая, быстрая, отлично подходит для локального использования. 🔥 Что внутри: ✅ Нативный multimodal tool calling -заточена на работу с изображениями и документами. ✅ Контекст 128K - переваривает 150-страничные документы или часовые видео за один прогон ✅ Visual → Action pipeline - мультимодальные агенты: “найди эту одежду онлайн” → возвращает структурированный список покупок ✅ На 50% дешевле GLM-4.5V-— ~1$ за миллион входных токенов. (На ModelScope API можно использовать бесплатно.) → modelscope.cn/collections/GLM-46V-37fabc27818446

🚀 Трансформеры стали стандартом в NLP, но у большинства специалистов есть одна и та же проблема: «Как их дообучать правильно и без хаоса в коде?» 📅 10 декабря в 18:00 МСК — открытый урок, на котором мы разберём: ✅ Что происходит внутри трансформера ✅ Как использовать предобученные веса ✅ Как устроен fine-tuning и автоматизация с LLM ✅ Как адаптировать BERT под свои задачи: классификацию, извлечение сущностей, анализ текстов Вы поймёте, где граница между «слегка дообучить» и «сломать модель», научитесь избегать ошибок и ускорять работу с помощью современных инструментов. 🎓 Присоединяйтесь к открытому уроку курса «NLP / Natural Language Processing»: https://otus.pw/OrWr/?erid=2W5zFGBy5fN 🎁 Выберите обучение на ближайшие месяцы — и получите максимальную выгоду: один курс по тающей скидке до 20% или комплект из 2–3 курсов со скидкой 25–30%. Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

🔥 fastmcpp - это C++ реализация протокола Model Context Protocol (MCP), обеспечивающая высокую производительность для серверов и клиентов MCP. Поддерживает различные транспортные слои, включая STDIO, HTTP и WebSocket, с минимальным набором зависимостей. 🚀Основные моменты: - Полная реализация протокола MCP (JSON-RPC). - Поддержка нескольких транспортов: STDIO, HTTP, WebSocket. - Интеграция с инструментами, совместимыми с MCP. - Кроссплатформенность: Windows, Linux, macOS. - Бета-версия с основными функциями, соответствующими Python-версии. 📌 GitHub: https://github.com/0xeb/fastmcpp #cpp

Аналитик? Из какой секты? Кто управляет вселенной формулами в Excel или… Из тех, кто ручками собирает дашборды? Как бы ни было — пора делегировать рутину иишкам. Алексей Колоколов, аналитик с 15-летним стажем, решил наконец-то проверить: какой ИИ реально работает в аналитике, а какой только косит под умного. 9 декабря он проведёт краш-тест на честных условиях: один датасет, одинаковые требования, строгая методика оценки. Участвуют: ChatGPT, DeepSeek и Claude. Будет разбор слабых мест, промпты, live-сборка дашбордов — без прикрас. Если хочешь понимать, на кого можно положиться в работе с отчётами — приходи. Для своих — бесплатно. 👉 Ссылка тут. Подключайся и смотри как дашборды строят сами себя. Реклама. ООО "АНАЛИТИКА ПЕРСОНАЛА", ИНН 6671088519

Как становятся промт-инженерами:

⚡️ Essential AI объявила о выпуске своей первой открытой модели - Rnj-1, пары из базовой и instruct-версии на 8B параметров. Rnj-1 демонстрирует сильные результаты в Кодине, математике и STEM-задачах. На SWE-bench модель показывает 20.8% в Verified-режиме (bash-only) - выше Gemini 2.0 Flash и сопоставимо с GPT-4o. Вместо brute-force команда делала ставку на дисциплинированное проектирование: качественную подготовку данных, продуманные оптимизации и исследовательские методики для выполнения кода, infill-генерации и рассуждений. Модель обучалась на кластере TPU и AMD-GPU, увидела почти 8.7 триллиона токенов, и её качество продолжает расти. В компании говорят, что это только начало: Essential AI (22 человека) строит долгосрочную исследовательскую программу с новыми моделями, методами и прорывами в pipeline. Blog → https://essential.ai/research/rnj-1 Model → https://huggingface.co/EssentialAI/rnj-1-instruct

⚡️ Tencent официально представила HY 2.0 - крупное обновление своей базовой модели. Модель построена на архитектуре Mixture of Experts с общим размером 406B параметров и 32B активных. Модель поддерживает контекст 256K токенов. HY 2.0 демонстрирует заметные улучшения на ключевых бенчмарках. Главные достижения HY 2.0: 🧠 Reasoning: результат 73.4 на IMO AnswerBench - почти плюс 20 процентов, что закрепляет модель среди лидеров по математическому и научному мышлению. 🛠 Coding и Agents: скачок в SWE Bench Verified с 6.0 до 53.0, а Tau2 Bench вырос с 17.1 до 72.4. ⚡ Instruction Following: более стабильное выполнение сложных инструкций и естественный стиль ответов. Модель выпускается в двух вариантах: • HY 2.0 Think - для глубокого рассуждения, генерации кода и сложных задач • HY 2.0 Instruct - для диалога, креативного письма и многотуровых контекстных бесед 🌐 Website: https://hunyuan.tencent.com 🔗 API Access: http://hunyuan.cloud.tencent.com/#/app/modelSquare 📄 Documentation: https://cloud.tencent.com/document/product/1729/104753 @data_analysis_ml #AI #Tencent #Hunyuan #HY2 #LLM #MoE #DeepLearning #AIModels