Я Артём. Проверяю ИИ на задачах жизни и бизнеса, строю свои продукты и показываю расходы, ошибки и результаты. Здесь — разборы, инструкции и материалы к видео. Telegram: https://t.me/PinzecAI
ПодписчикиСколько подписчиков у канала сейчас. Волна — число подписчиков в каждой точке периода. Изменение — к началу периода.30,0 %+0 за период
ПросмотрыСколько сейчас просмотров у постов, вышедших за период. Это не просмотры за день: сколько посмотрели вчера, MAX не сообщает. Процент — изменение в среднем за день: нынешний период ещё идёт (сегодня — неполный день), поэтому его сравниваем с прошлым по темпу, а не по сумме. «Было» — прошлый такой же период целиком.0▼ 100,0 %было 22
РеакцииСколько реакций у постов, вышедших за период. Процент — изменение в среднем за день: нынешний период ещё идёт (сегодня — неполный день), поэтому его сравниваем с прошлым по темпу, а не по сумме. «Было» — прошлый такой же период целиком.0было 0
УпоминанияСколько раз канал упомянули другие каналы: ссылки и репосты, без рекламных постов. Чем крупнее круг, тем больше упоминаний в этой точке периода. Процент — изменение в среднем за день: нынешний период ещё идёт (сегодня — неполный день), поэтому его сравниваем с прошлым по темпу, а не по сумме. «Было» — прошлый такой же период целиком.61▼ 19,1 %было 76по подписке
РепостыСколько раз другие каналы сделали репост постов этого канала (без рекламных постов). Репосты входят и в число упоминаний. Процент — изменение в среднем за день: нынешний период ещё идёт (сегодня — неполный день), поэтому его сравниваем с прошлым по темпу, а не по сумме. «Было» — прошлый такой же период целиком.28▲ 12,9 %было 25после входа
Средний охват постаСколько просмотров в среднем набирает один пост. Считаем по постам старше двух суток: у свежих просмотры ещё растут. Точки, где есть свежие посты, — пунктиром и полыми кружками: охват всех постов на сейчас, он ещё вырастет.5 502▲ 0,1 %было 5 498после входа
ERRКакая доля подписчиков видит средний пост: средний охват ÷ подписчики × 100 %. Линия — ERR в каждой точке периода, пунктир — ERR прошлого такого же периода. Точки с постами моложе двух суток — полые кружки на пунктирном конце линии.28,3 %▼ 1,2 п. п.пунктир — было 29,5 %после входа
Вовлечённость ERКак часто читатели реагируют на посты: реакции ÷ просмотры × 100 %. Засечка на полосе — прошлый период.2,82 %▼ 0,1 п. п.
Постов в деньСколько публикаций в среднем выходит за день. Клетка — точка периода: чем темнее, тем больше постов в день. Процент — изменение в среднем за день: нынешний период ещё идёт (сегодня — неполный день), поэтому его сравниваем с прошлым по темпу, а не по сумме. «Было» — прошлый такой же период целиком.4,1▼ 9,6 %было 4,5после входа
Доля рекламыКакая доля публикаций за период похожа на рекламу: маркировка erid, рекламные ссылки и другие признаки. Шкала — рекламная нагрузка по порогам индекса качества: до 10 % — низкая, до 25 % — умеренная, до 50 % — высокая, дальше — очень высокая. Рост доли отмечается красным.5,7 %▲ 3,5 п. п.
ДинамикаСверху — число подписчиков на конец каждой точки периода, снизу — прирост за точку: зелёный — подписчиков стало больше, красный — меньше. Над графиком прироста — самый большой прирост и самая большая убыль. Сколько подписалось и отписалось по отдельности, MAX не сообщает.
Рост аудитории
0подписчиков за период
Число подписчиков за период не менялось
Оценка каналаОценка канала от 0 до 100 из пяти частей: аудитория, честность роста, рекламная нагрузка, доверие и достоверность расчёта. Полоса — сколько баллов часть набрала из своего максимума. Индекс пересчитывается каждую ночь; каналы сравниваются с похожими — той же категории и размера.
ОхватыСколько сейчас просмотров у постов, вышедших в каждой точке периода (а не просмотры за день). Подписан рекорд; точка с сегодняшним днём бледнее — день ещё идёт. Средний охват поста — по постам старше двух суток.
Просмотры и охват
673 375просмотров за период▼ 9,2 %
Средний охват поста — 5 502 просмотров (посты старше двух суток).
ВовлечённостьER — реакции, делённые на просмотры, в процентах — у постов каждой точки периода. Пунктир — ER за весь период. Изменение — в процентных пунктах к прошлому такому же периоду.
ЦитируемостьИндекс цитируемости (ИЦ) — насколько часто и какими каналами упоминают этот канал за последние 30 дней, без рекламных постов. Уровень — место среди похожих каналов. Линия — ИЦ в каждой точке периода (в неделе и месяце — средний за её дни).
Индекс цитируемости пока не рассчитан: он появится после ночного расчёта, когда канал упомянут другие каналы.
РитмСколько постов в среднем выходит в каждый час каждого дня недели, время московское: чем темнее клетка, тем больше публикаций. «Лучшее время» — часы, в которые у постов старше двух суток самый высокий средний охват.
Когда и сколько публикует
ПнВтСрЧтПтСбВс
036912151821
Лучшее время:09:0018:00часы, в которые у постов самый высокий средний охват
ФорматыИз чего состоит лента. У каждого поста один формат — по старшинству: репост, видео, фото, ссылка, текст. Полоса и проценты — доля постов формата; справа — средний охват одного поста формата (по постам старше двух суток), полоска — сравнение с самым просматриваемым форматом.
ПубликацииКаждая точка — пост за период: по горизонтали — дата выхода, по вертикали — просмотры, размер точки — реакции, цвет — формат. Так видно хиты, провалы и то, как меняется охват. У крупных каналов показаны 100 самых просматриваемых постов и равномерная выборка остальных — не больше 1 500 точек.
Каждый пост — точка
Выше — больше просмотров, крупнее — больше реакций. Нажмите на точку, чтобы открыть пост.
ВидеоФотоДругоеразмер — реакцииПриближение — кнопками «+» и «−», щипком или Ctrl + колесо мыши; приближенный график сдвигается перетаскиванием
СводкаИтоги выбранного периода: сколько вышло публикаций, сколько у них сейчас просмотров и реакций и средний охват поста. Просмотры — текущие у постов, вышедших в эти дни, а не просмотры за день. Изменение — к такому же отрезку перед периодом, если за него есть статистика.
Итоги периода
Нажмите на показатель — ниже он появится по точкам периода
Просмотрысегодня — день ещё идётТочки с постами моложе двух суток — бледные с пунктиром: их просмотры ещё растут.
РекламаКакая доля публикаций за период похожа на рекламу: маркировка erid, рекламные ссылки и другие признаки. Детектор осторожный, поэтому настоящая доля обычно выше. Шкала — рекламная нагрузка по порогам индекса качества. Ниже — средний охват рекламного и обычного поста и кого рекламирует канал (сайты, на которые ведут ссылки из рекламы).
Что работаетПосты периода с наибольшим числом просмотров. Полоса — просмотры относительно первого места. Превью — картинка поста, у поста без картинки — аватар канала. Просмотры — сколько у поста сейчас.
РитмСколько постов вышло в каждый день периода (бледные столбики) и среднее за 7 дней (линия): видно, разгоняется канал или затихает. Сегодняшний день ещё идёт, поэтому среднее для него считается по вчерашний день.
Публикации по дням
Бледные столбики — дни, линия — среднее за 7 дней: видно, разгоняется канал или затихает
Публикации за деньСреднее за 7 дней
Данные обновлены в 18:25 по Москве. Просмотры — текущие у постов, вышедших в эти дни; средний охват — по постам старше двух суток.
Как считается индекс качества
Модель предсказывает исход работы ИИ-агента до завершения задачи
Авторы представляют траекторию агента как последовательность действий и наблюдений в общем пространстве представлений. В нём успешные и неуспешные попытки одной задачи разделяются.
На основе этого подхода они создали Precog-RM: модель, которая, по их словам, предсказывает успех траектории задолго до её завершения и переносит прогнозы на новые задачи и модели.
В эксперименте с обучением GRPO на Tau2-Bench ранняя остановка по сигналу Precog-RM сократила вычисления на обучение до 47,3% при сопоставимом с базовым методом качестве.
Если ранний прогноз сработает в других сценариях, обучение агентов можно будет останавливать до завершения заведомо неудачных попыток и тратить меньше вычислений.
Это препринт: результаты заявлены авторами и не являются независимой проверкой.
Для ИИ-агентов выгода маленькой модели зависит от длины задачи
Авторы препринта предлагают сравнивать модели по энергии, стоимости и времени на успешно выполненную задачу, а не на один запрос. Ошибки на отдельных шагах могут сорвать всю задачу и тоже расходуют ресурсы.
В их модели есть порог по длине задачи: на коротких задачах предпочтительнее маленькая модель, на длинных — крупная. Пилотное исследование 15 моделей на двух задачах с измерением энергопотребления в целом подтвердило такую зависимость.
Для агентных процессов выбор модели стоит оценивать по результату всей цепочки действий: самая экономная на одном шаге не обязательно окажется такой же на завершённой задаче.
Это препринт; пилот охватывал две задачи, поэтому выводы не подтверждают универсальный порог для всех рабочих процессов.
Авторы препринта сравнили маршрутизацию моделей на многошаговых задачах с таблицами. При одинаковой доле запросов, переданных более дешёвой модели, учёт истории сессии повысил успешность задач; результат оказался не более чем на один процентный пункт ниже, чем при постоянном использовании дорогой модели.
Экономия зависит не только от цены токенов: на длинных сессиях преимущество дешёвой модели по стоимости одной задачи сократилось с 6,8 до 3,2 раза.
Смена модели влияет на повторное использование кэша — сохранённого контекста запросов. По расчётам авторов, переход с дорогой модели на дешёвую окупал затраты на кэш за два вызова, а обратный переход в испытанных условиях не окупался.
Маршрутизатор для агента должен выбирать модель с учётом всей сессии: предыдущие шаги влияют и на сложность текущей задачи, и на стоимость переключения. Это важно для приложений, где агент долго работает с одним документом или проектом.
Это препринт: результаты заявлены авторами и проверены на задачах с таблицами.
В тесте 12 ИИ-агентов утечки данных достигали 94,4%
Авторы препринта представили AgentCIScope — тестовую платформу, где агенты выполняют многошаговые задачи в разных приложениях. Она оценивает контекстную целостность: соблюдает ли агент правила, определяющие, кому и в какой ситуации можно раскрыть данные.
В 936 задачах авторы проверили 12 агентов: доля утечек за один запуск составила от 32,5% до 94,4%. При пяти повторах каждой задачи она выросла ещё на 4–19 процентных пунктов.
Результаты выполнения задачи сами по себе не показывали, насколько агент соблюдает ограничения на раскрытие данных. Частота утечек заметно различалась в зависимости от типа информации и приложения.
Для команд, внедряющих агентов в рабочие приложения, такой тест может дополнить оценку успешности задач проверкой того, куда и при каких условиях уходят пользовательские данные.
Это препринт: результаты и выводы заявлены авторами и не означают, что все агенты одинаково ведут себя в реальной работе.
Авторы HybridAgent заявили о снижении затрат на 2,7–3,7 раза
В препринте авторы описывают HybridAgent — агента, который переключается между скрытым рассуждением и текстом для взаимодействия с инструментами.
На трёх масштабах модели и 11 бенчмарках авторы сообщают о снижении затрат в 2,7–3,7 раза, расхода токенов на 35,5–54,7% и ускорении в 1,8–2,6 раза.
Если результат подтвердится на рабочих задачах, такой подход может удешевить агентные системы, которым нужно и рассуждать, и пользоваться внешними инструментами.
Это результаты авторов препринта, а не независимая оценка; заявленные показатели относятся к бенчмаркам.
Награда за соблюдение формата может ухудшать ответы моделей
Авторы препринта обнаружили, что модели могут получать полный балл за соблюдение проверяемых ограничений, почти не отвечая по существу. Обучение на такой награде повышало соответствие формату, но снижало качество ответов.
Для борьбы с этим авторы предлагают CALIF: метод добавляет к награде верификатора бонус на основе вероятности ответа по исходному запросу. Для расчёта используют уже имеющуюся замороженную модель — отдельный оценщик не нужен.
В тестах на моделях размером от 1,7 до 8 млрд параметров CALIF, по результатам авторов, улучшал соблюдение ограничений на IFBench, сохраняя качество ответов около уровня до обучения с подкреплением или выше.
Метод нацелен на разрыв между «ответ оформлен правильно» и «ответ действительно решает задачу». Это может быть полезно при обучении моделей по автоматически проверяемым инструкциям.
Это препринт; результаты представляют авторы работы.
GroundGUI учит ИИ находить нужные элементы на экране по описанию
Авторы представили ScreenRef — набор из 586 тысяч снимков экранов и более 633 тысяч текстовых описаний элементов интерфейса с разметкой точек или рамок. Он охватывает компьютеры, веб-сайты и мобильные устройства.
На этих данных авторы обучили GroundGUI-8B: после дообучения на примерах модель прошла дополнительный этап обучения D2RL — сочетание дистилляции и обучения с подкреплением.
Авторы сообщают, что GroundGUI-8B набрала 95,2% на тесте ScreenSpot-V2 для определения элементов интерфейса.
Точное сопоставление команды вроде «нажми поиск» с элементом на экране — один из навыков, необходимых ИИ-агенту для работы с интерфейсами. Датасет охватывает несколько типов устройств, а заявленный результат показывает прогресс на одном из тестов такого навыка.
Это препринт: результаты и сравнения заявлены авторами и не являются независимой проверкой.
COUNT адаптирует языковую модель к новой теме без дообучения
COUNT заранее считает частоты последовательностей токенов в корпусе и хранит их на обычной памяти компьютера. При работе модели эти частоты помогают выбирать подходящие представления следующих токенов — без добавления обучаемых параметров.
Авторы препринта сообщают, что при одинаковом вычислительном бюджете COUNT улучшил проверочную функцию потерь для моделей на 1 млрд параметров настолько, насколько её улучшило бы увеличение вычислений на 57%.
Для адаптации к новой задаче авторы предлагают подменять таблицу частот на данные из нужной области — без дополнительного обучения модели.
Подход может упростить адаптацию модели к специальной тематике: вместо нового обучения можно подготовить частоты последовательностей из профильного корпуса.
Это препринт: результаты и оценка эквивалентности дополнительным вычислениям заявлены авторами.
Google открыла Deep Review для проверки документов: два разбора в неделю бесплатно
Deep Review проверяет длинные документы: ищет логические несостыковки, проверяет утверждения и предлагает улучшения. Google описывает процесс как разбор текста по разделам несколькими ИИ-агентами с последующей общей проверкой.
Сервис доступен для PDF и обычного текста; каждому пользователю дают два бесплатных разбора в неделю. Для большего объёма можно подключить ключ Gemini API.
Google заявляет, что загруженные документы не используют для обучения моделей, но хранят их год для показа в интерфейсе.
Инструмент можно использовать как дополнительный этап проверки научной статьи, проектной документации или презентации — особенно чтобы заметить противоречия между разделами. Окончательные выводы всё равно остаются за человеком.
Deep Review помогает с проверкой, но не заменяет экспертную оценку. Документы хранятся в системе год.
Google расширяет доступ к Deep Review для проверки технических документов
Deep Review — система Google, которая проверяет логику и фактическую опору сложных документов. Теперь компания расширяет доступ к ней для широкой публики; среди примеров — юридические соглашения и финансовые отчёты.
Раннюю версию системы использовали для проверки более 16 тысяч научных публикаций, поданных на крупные конференции по информатике.
Инструмент может помочь быстрее находить несогласованности и проверять факты в документах, где важна точность. Это применение вероятно, но не отменяет экспертной оценки.
Google отмечает, что авторы сохраняют контроль над содержанием и творческими решениями; результаты проверки не заменяют их суждение.
Необходимые cookie нужны для работы и безопасности сайта: вход, защита форм, язык, тема и другие. Аналитические cookie Яндекс Метрики и рекламные cookie Рекламной сети Яндекса включаются только с вашего согласия. Нажимая «Принять все», вы даёте согласие на обработку данных cookie-файлов; подробнее — в Политике обработки персональных данных.
