Data Science. SQL hub

Задача о диване решена: ответ искали почти 60 лет

Какой самый большой диван можно пронести за угол коридора шир

Каждый, кто хоть раз тащил диван по узкому коридору, помнит этот момент. По прямой всё идёт нормально, в дверь он проходит, а на повороте встаёт намертво. Крутишь, наклоняешь, тянешь на себя, и ничего не меняется. В 1966 году математик Лео Мозер превратил эту бытовую боль в строгую геометрическую задачу. Решить её удалось только в конце 2024 года, и ответ оказался куда страннее, чем кто-либо ожидал.

https://uproger.com/zadacha-o-divane-reshena/

Добавить реплику MongoDB, не копируя всю базу: что меняет Atlas Infinite

В привычной архитектуре каждый узел replica set хранит полную копию данных. Добавление реплики или изменение размера узла требует перемещения больших объёмов данных.

Atlas Infinite разделяет вычисления и хранение. Узлы выполняют запросы, а общий слой хранения, написанный на Rust, отвечает за журнал, страницы данных и долговечность. Вычислительные ресурсы и хранилище масштабируются независимо.

Самая интересная деталь: два журнала с разными задачами.

• oplog фиксирует логические операции. Запись подтверждается после устойчивого сохранения большинством реплик журнала.
• phylog передаёт физические изменения страниц при checkpoint, сохраняя пакетную обработку WiredTiger.

То есть подтверждение записи отделено от подготовки страниц для чтения.

Новая read replica подключается к общим страницам и догоняет хвост журнала. Ей не нужно сначала копировать всю базу. А данные шифруются на вычислительном узле: общий storage-слой работает с зашифрованным содержимым.

Для приложения сохраняются протокол, драйверы и семантика операций. Меняется инфраструктура под базой. Atlas Infinite пока в public preview.

Хороший разбор для тех, кому интересны внутренности СУБД:

https://muratbuffalo.blogspot.com/2026/10/atlas-infinite-mongodbs-disaggregated.html

Python и ИИ в 2026 году: как правильно работать с кодом через ChatGPT, Claude, Cursor и AI-агентов

Как использовать ИИ для написания, проверки, рефакторинга и отладки Python-кода. 

Лучшие промпты, примеры, workflow и правила работы с AI-ассистентами в 2026 году.

https://uproger.com/python-i-ii-v-2026-godu-kak-pravilno-rabotat-s-kodom-cherez-chatgpt-claude-cursor-i-ai-agentov/

Теперь RL можно обучать прямо через реальный агентный harness — даже если он для тебя black box
ClawGym II показывает интересный подход: Claude Code или OpenClaw можно оставить без изменений и всё равно встроить их в RL training loop.
Фреймворк запускает агентный harness внутри sandbox, перехватывает model calls на serving-уровне и восстанавливает из них полные trajectories. После этого PPO или GRPO могут оптимизировать поведение модели уже с учётом реальной агентной среды.
Главный плюс: training stack не нужно заново реализовывать tool routing, retries, context management или subagents.
На Qwen3-30A3B это дало:
— +9.98 п.п. Pass@1 через OpenClaw
— +14.81 п.п. через Claude Code
Причём mix-harness training тоже сработал: одна политика, обученная сразу на OpenClaw и Claude Code, не хуже одиночных вариантов под обоими harness.
То есть следующий шаг в RL для агентов — обучать модель не в упрощённой симуляции, а прямо через тот сложный стек, в котором она потом будет реально работать.
Paper: arxiv.org/abs/2608.16798
ClawGym II: Exploring Black-Box RL on Agent Harness

🔥 **Harbor - единый фреймворк для тестирования и улучшения AI-агентов**

Сравнивать Claude Code, OpenHands, Codex CLI и других агентов сложно: у каждого свои команды, окружения и форматы результатов.

**Harbor** превращает это в единый воспроизводимый пайплайн. Он позволяет запускать разные модели и coding-агентов на одинаковых задачах в изолированных контейнерах.

Что умеет Harbor:

- тестировать разные модели и AI-агенты;
- запускать Terminal-Bench, SWE-Bench и Aider Polyglot;
- создавать собственные бенчмарки и окружения;
- параллельно проводить тысячи экспериментов;
- собирать rollouts для RL-оптимизации;
- работать локально через Docker или в облачных sandbox-сервисах.

Установка:

```bash
uv tool install harbor
```

Пример запуска:

```bash
harbor run \
--dataset terminal-bench@2.0 \
--agent claude-code \
--model anthropic/claude-opus-4-1 \
--n-concurrent 4
```

Harbor используется как evaluation harness для Terminal-Bench 2.0 и распространяется по лицензии Apache 2.0.

По сути, это инфраструктурный слой для команд, которым нужно не просто запускать AI-агентов, а системно измерять их качество, сравнивать конфигурации и улучшать модели на реальных задачах.

GitHub:
https://github.com/harbor-framework/harbor

Китай, похоже, заканчивает эпоху “берите наши open-weight модели и делайте что хотите”

Пекин обсуждает новые экспортные ограничения для AI и чипов. По данным FT/Reuters, Минкоммерции Китая уже консультировалось с Alibaba, ByteDance и Zhipu: как ограничить вывод training data за рубеж и стоит ли дальше разрешать иностранцам скачивать веса самых сильных моделей.

Причина - китайские frontier-модели всё чаще выходят open-weight. После Kimi K3 это стало особенно чувствительно: Moonshot представила 2.8T-модель и заявила, что она приближается к уровню американских frontier-систем.

Когда Китай догонял, открытость была оружием: раздать веса, ускорить adoption, ударить по закрытым западным моделям.

Теперь, когда разрыв с США уменьшился, те же веса выглядят уже не как маркетинг, а как стратегический актив.

И ограничения могут коснуться не только моделей. Обсуждаются меры, которые не дадут зарубежным производителям вроде Qualcomm и TSMC делать продвинутые чипы по дизайнам Huawei, Alibaba и ByteDance. Также возможны ограничения на зарубежные покупки стратегических AI-стартапов, включая agentic AI.

Китай начинает охранять AI так же жёстко, как редкоземы, чипы и другие рычаги технологической власти.

Open-source был стратегией андердога.

Похоже, Пекин уже не считает себя андердогом.

разрозненные инструменты NixOS вроде `nixos-rebuild` единым командным интерфейсом.
* Drop-in замена для nixos-rebuild и других стандартных NixOS-скриптов
* TUI для управления generations и предпросмотра options
* Wrapped и unwrapped варианты Ix-пакета, чтобы избежать лишних rebuild
* Интеграционные тесты через pkgs.testers.runNixOSTest
https://github.com/nix-community/nixos-cli

Поехали: Sonnet 5 уже вышла. Главное кратко:
• Anthropic называет её самой агентной Sonnet на данный момент
• Производительность почти на уровне Opus 4.8, но дешевле
• Сильный прирост в reasoning, работе с инструментами, кодинге и задачах с текстом/знаниями
• Модель по умолчанию для пользователей Free и Pro
• Уже доступна в Claude Code и API
• Стартовая цена: $2 за 1 млн входных токенов и $10 за 1 млн выходных до 31 августа
• Стандартная цена: $3 за 1 млн входных и $15 за 1 млн выходных токенов
• В целом безопаснее Sonnet 4.6: ниже уровень галлюцинаций и поддакивания пользователю
• Киберзащита включена по умолчанию, но Anthropic говорит, что Opus всё ещё сильнее для серьёзной работы в кибербезопасности
https://www.anthropic.com/news/claude-sonnet-5

tracesage добавляет локальный tracing без инфраструктуры для LangChain/LangGraph-агентов всего в две строки.
Он записывает каждый chain, tool call и LLM call в SQLite, а затем показывает запуск в браузере как live graph и timeline.
Open source, установка через pip install, лицензия MIT.
https://github.com/kjgpta/tracesage

SQL-инъекция за 40 секунд: Лайт против L

Разбираем SQL-инъекцию на пальцах в формате Лайт против L. Что это такое, как обычная строка ввода меняет логику запроса, к чему это приводит и какими способами реально закрыть дыру. Коротко, по делу и так, чтобы запомнилось.
#fun #deatnote #sql