Роскосмос пару дней назад опубликовал отчёт о том, почему упала "Луна-25". Там конечно канцелярит, но можно примерно понять, что двигатель коррекции получил неверные данные от акселерометра:
из-за возможного попадания в один массив данных команд с различными приоритетами их исполнения прибором
Это очень похоже на программную ошибку, а это моя сфера, и я решил над ситуацией поразмыслить.
Хейтеры сразу стали строчить комментарии в стиле "Ололо, наняли каких-то идиотов, которые простейшие тесты не провели". Тут обычно справедливо вспоминают аварию с европейской ракетой Ариан-5 в 1996 году. Там буквально из-за пары строчек кода в результате неправильного приведения числовых типов ракета за 7 млрд баксов развалилась на куски в воздухе. Бывает.
Что касается Роскосмоса, при всей его сомнительной репутации, объяснение "Дураки не провели тесты" звучит лично для меня неправдоподобно. На мой личный взгляд возможны два варианта:
1. Если в описании ошибки слово "приоритет" обозначает какой-то признак внутри объекта команды, значит, на входе в приёмный модуль эти команды не были отфильтрованы. Выглядит как грубая ошибка, целый логический блок упущен. Вряд ли этот блок вообще не написан, скорее всего он не выполнился. Такое бывает, если в тестовой среде есть какое-то условие, которого нет в рабочей, и именно это условие отвечает за выполнение участка кода.
Сталкивался с таким миллион раз. Самое дикое из последнего: код парсит эксель-таблицу с числами. Разработчик написал, запустил проверил, прогнал тесты, всё ок. Отправляем в прод — все числа будто бы рандомно меняются на другие. Запускаем снова — у всех разработчиков функционирует нормально, а в проде на сервере нет. Таблица одна и та же. Можете подумать, почему так. Ответ: у разработчиков стоит русская локаль и десятичный разделитесь это запятая, а на проде в докере точка. При парсинге на проде запятая уже интерпретируется как разделитель тысячных разрядов.
2. Куда вероятнее, что слово "приоритет" в описании ошибки обозначает время, а, значит, список команд просто не был отсортирован, и в обработчик уже после актуальных значений попали какие-нибудь начальные нулевые данные, сбившие логику. По косвенному описанию проблемы очень похоже именно на это. Значит, на тестах всегда порядок возникновения команд соответствовал порядку их прихода, а в реальности перестал соответствовать. Вообще, работать с железом очень сложно. Какую-нибудь схемку заглючило от холода, она задержала ответ от датчика на миллисекунду, и всё. Никто не знал, что такая проблема возможна, пока она не возникла.
Мне рассказывали о таком случае: юзер логинится на сайт и иногда логин проходит, а иногда нет. Логин и пароль те же самые. Просто в случайные моменты времени ему возвращают токен авторизации, а в другие моменты времени ошибку 403. Никакой закономерности нет вообще. Нет зависимости от времени суток и даты. Сервер точно работает стабильно и не падает все 100% времени. Почему так может быть? Ответ: у сервиса авторизации два инстанса, перед которыми балансировщик нагрузки. В одном инстансе данные для авторизации есть, в другом нет. Балансировщик при примерно одинаковой нагрузке включает просто случайный выбор между ними.
В общем, программисты иногда допускают такие косяки, что какая-то мелочь может привести к серьёзной аварии. Это я вам говорю как программист, который пишет для атомных станций :)
#dev
Кинофильм, әңгіме, көркем әдебиет, тіпті кейбір қарапайым диалогтарды аударғанда түсіндірме сөздіктен басқа сөздіктің барлығы боққа аспай, әдірем қалатыны бар.
Жасанды интеллект жақсы аударады. Бірақ көңіл күйді жеткізе алмайды.
Неге екеніне кішігірім мысал:
ENG:
Alrighty then, now tell me more about that night, but first let me make myself comfortable.
RUS:
(Deepl.com)
"Хорошо, тогда расскажите мне больше о той ночи, но сначала позвольте мне устроиться поудобнее)
Контекске сай аударма: "Что ж, выкладывай тогда, че там было в тот вечер, дай только устроюсь поудобнее.
KAZ:
Гугл транслейт: "Жарайды, енді сол түн туралы толығырақ айтып беріңізші, бірақ алдымен өзімді жайлы етуге рұқсат етіңіз."
Контекске сай аударма:
"А-а-л.. Сол түні не болды сонымен, ашып айт. Тұра тұр — дұрыстап жайғасып алайын."
Көріп отырсыңдар, еш қиындығы жоқ қарадүрсін лексика, бірақ ерекше құрылым, экспрессия мен контекст кесірінен сөздікке немесе гуглға салып аудару опа бермейтін жағдай.
#sozdik#контекс#context#sozdikqor#мағына
пару часов назад созванивались с продюссером и он мне выдал:
- а можешь что то супер полезное дать и максимально универсальное по промптам?
Ну держи:
#CONTEXT:
Ты выступаешь как профессиональный барбер, который может с точностью подбирать прически для мужчин. Твоя задача — на основе загруженной фотографии проанализировать форму лица и предложить несколько стрижек, которые подчеркнут мужскую харизму/женственность и индивидуальность.
#ROLE:
Ты эксперт по мужским/женским стрижкам, способный сочетать классические и современные образы с учетом формы лица клиента.
#RESPONSE GUIDELINES:
1. Проанализируй форму лица пользователя (квадратное, овальное, круглое и т.д.) по загруженной пользователем фотографии.
2. Подбери 3-4 мужских/женских стрижки, каждая из которых дополнит его черты лица.
3. Оцени, какие стрижки будут наиболее универсальны и легко укладываемы.
4. Включи советы по уходу и укладке, если применимо.
Укажи, какие техники укладки подойдут лучше всего для каждого варианта.
5. Посоветуй, как изменять прическу для разных случаев — повседневные, деловые или праздничные мероприятия.
#TASK CRITERIA:
- Придерживайся подходов топовых барберов.
- Подчеркивай, как каждая стрижка повлияет на общую эстетику пользователя.
- Учитывай современные тренды мужских/женских стрижек и укладок.
#OUTPUT:
Предоставь варианты стрижек с подробными объяснениями, почему они подходят, форматируй как список.
Загружаете в chat GPT свое фото с лицом, корректируете в промпте то что выделено жирным шрифтом (для мужчины или для женщины) и отправляете в чат ГПТ
Гениально) Пошел сменю имидж
Вообще актуальна ли Вам тема готовых промптов и шаблонов в этом канале? Если да - поставьте - 🔥
Ловите промпт, чтобы chat GPT отвечал как жесткий прямолинейный коуч.
Вам необходимо в поле information about me вставить нужный вам вопрос в чат:
#CONTEXT:
Ты — жесткий, прямолинейный коуч, который ценит честность и результативность. Твоя задача — не церемониться, а говорить по делу, основываясь на фактах и лучших практиках. Клиент готов к вызовам, ценит эффективность и ждет от тебя только практических решений.
#ROLE:
Ты выступаешь в роли наставника, который говорит, как есть. Ты даешь четкие и жесткие рекомендации, не смягчаешь критику, но делаешь это с целью максимальной пользы для собеседника.
#RESPONSE GUIDELINES:
1. Говори прямо и кратко.
2. Делай акцент на конкретных действиях, которые собеседник может предпринять.
3. Указывай на слабости и области для улучшения без излишнего смягчения.
4. Исключай ненужные любезности, но сохраняй профессиональный тон.
#TASK CRITERIA:
1. Предоставляй только эффективные и проверенные советы.
2. Избегай теоретических рассуждений — только практика.
3. Указывай, почему предлагаемые действия работают.
#INFORMATION ABOUT ME:
[ВВЕДИТЕ ВАШ ВОПРОС]
#OUTPUT:
Ответ в формате:
- Конкретное замечание о текущей ситуации.
- Описание проблемы без смягчений.
- Четкий план действий или рекомендации.
ССЫЛКА НА ВИДЕО
Нас на*бали, расходимся 😅
Дело в том, что те промпты, которые я указал выше - это то, чему учат 90% нейроэкспертов на рынке и то что работает не правильно))
Эксперты говорят о том что нужно задавать роль и конкретику, но молчат в силу своего незнания об остальных моментах.
А теперь немного о том как это делать правильно на примере поста "Увлекательная и убедительная статья по заданной теме":
#CONTEXT:
Ты пишешь статью по теме, которую тебе предложил пользователь. Цель статьи — привлечь внимание читателей, сделать её информативной, но при этом лёгкой и увлекательной для прочтения. Объём статьи составляет 1000 слов.
#ROLE:
Ты выступаешь в роли опытного копирайтера, который умеет превращать даже самую сложную тему в увлекательный и доступный для широкой аудитории материал. Ты находишь баланс между образовательной ценностью текста и его развлекательной составляющей.
#RESPONSE GUIDELINES:
1. Начни с интригующего заголовка и введения, которое сразу привлечет внимание читателя.
2. Разбей основную часть на 3-5 разделов, каждый из которых должен быть логически связан с темой и нести важную информацию, при этом удерживая интерес.
3. Используй примеры, истории, аналогии или метафоры, чтобы сделать статью более живой и понятной.
4. Заключение должно подвести итоги, вдохновить или дать пищу для размышлений, побудив читателя к действию или дальнейшему изучению темы.
#TASK CRITERIA:
1. Чёткое раскрытие темы на 1000 слов.
2. Структурированная подача информации (введение, основная часть, заключение).
3. Увлекательное изложение, использование примеров и аналогий.
#INFORMATION ABOUT ME:
[Здесь пользователь указывает тему статьи или дополнительные пожелания к содержанию.]
#OUTPUT:
Чётко структурированная статья объёмом 1000 слов, с захватывающим началом, информативной основной частью и мощным завершением.
# 🛠 Как использовать промпты
1. Переходим на сайт https://chatgpt.com/.
2. Дополняем раздел #INFORMATION ABOUT ME своими личными данными, чтобы лучше адаптировать пост.
3. Модифицируем промпт под себя если это необходимо.
Отныне мы будем сливать цыганят в этом канале (да, я знаю, что вы это читаете, готовьтесь), показывать то что работает и как учат неправильно цыгане из интернета. Готовьтесь господа и пользуйтесь подписчики)
#other#ai#anthropic_claude#awesome#context#mcp#model_context_protocol#servers#tool_use#tools
Model Context Protocol (MCP) is an open standard that lets AI models securely connect to various data sources and tools, like files, databases, APIs, and cloud services, to get real-time, relevant information. This helps AI give more accurate, up-to-date, and context-aware answers, reducing repeated data processing and improving efficiency. MCP also supports automation of complex workflows and integration with many platforms, making AI more powerful and flexible. However, running MCP servers requires careful security measures to avoid risks like unauthorized code execution. Using MCP can save time, reduce costs, and enhance AI capabilities for tasks like chatbots, data analysis, and system control.
https://github.com/appcypher/awesome-mcp-servers
✔️ Sakana AI придумали, как LLM самим сортировать контекст по важности
Обычные языковые модели читают текст как одну длинную ленту.
Что ближе к началу внимания - то “важнее”.
Что дальше - то модель видит хуже.
И тут появляется проблема: если важный факт спрятан где-то далеко среди шума, модель может его просто не использовать.
Она тратит внимание на всё подряд, вместо того чтобы сосредоточиться на главном.
Sakana AI предложили решение - RePo (Context Re-Positioning).
Идея очень понятная: модель получает модуль, который позволяет динамически “перепозиционировать” контекст.
Примерно как человек:
ты читаешь длинный документ, понимаешь, что важная часть была 20 страниц назад - и мысленно перечитываешь её, а лишнее игнорируешь.
Что делает RePo
- подтягивает важные куски информации ближе
- отодвигает шум и лишний текст
- помогает вниманию модели фокусироваться на нужном
В модели есть обучаемый модуль, который **переназначает позиции токенов по смыслу**, а не по порядку
✅ важно = то, что помогает уменьшать ошибку модели и правильно решать задачу
❌ второстепенно = то, что не помогает (шум), поэтому “отодвигается” по позициям
В результате модель с такой памятью начинает лучше работать там, где LLM обычно страдают:
- когда контекст длинный
- когда много шума
- когда важные детали раскиданы далеко друг от друга
- когда данные структурированные (таблички, списки, правила)
Авторы показывают, что RePo даёт заметный прирост устойчивости, при этом не ухудшая общее качество.
▶️ Устойчивость к шуму (Noisy Context)
Средний результат по 8 noisy-бенчмаркам:
- Обычный RoPE: 21.07
- RePo: 28.31
🟡 Прирост: +7.24 пункта (сильно)
Авторы отдельно фиксируют ключевую цифру:
на noisy-eval (4K контекст) RePo лучше RoPE на +11.04 пункта.
🔥 Примеры прироста на конкретных задачах
(везде RePo > RoPE)
- TriviaQA: 61.47 → 73.02 (+11.55)
- GovReport: 6.23 → 16.80 (+10.57)
- 2WikiMultihopQA: 23.32 → 30.86 (+7.54)
- MuSiQue: 7.24 → 13.45 (+6.21)
Это шаг к моделям, которые не просто “читают что дали”, а умеют сами организовать свою рабочую память.
🟡Подробности: pub.sakana.ai/repo/
🟡Статья: arxiv.org/abs/2512.14391
@ai_machinelearning_big_data
#RePo#SakanaAI#LLM#AI#AIAgents#Context#LongContext#Attention
Сотрудники офиса Почётного консула ЮАР приняли участие в мероприятии «Дипломатический клуб КОНТЕКСТ».
🌍 В числе участников — Заместитель Руководителя Аппарата Губернатора Свердловской области и Правительства Свердловской области Вадим Дубичев, иностранные дипломаты и почётные консулы.
🗣 Политологи Екатеринбурга осветили актуальные вопросы российской внутриполитической повестки.
#Дипломатия#ЮАР#Екатеринбург#МеждународныеОтношения#Консул#Встречи#Политика#Контекст
___________________
The Office of the Honorary Consul of South Africa participated in an event hosted by the CONTEXT Diplomatic Club.
🌍 The event featured prominent guests, including Vadim Dubichev, Deputy Chief of Staff of the Sverdlovsk Region Government, foreign diplomats, and honorary consuls.
🗣 Yekaterinburg political scientists discussed current issues on Russia's domestic political agenda.
#Diplomacy#SouthAfrica#Yekaterinburg#InternationalRelations#HonoraryConsul#Meetings#Politics#Context
#python#ai#context#embedded#faiss#knowledge_base#knowledge_graph#llm#machine_learning#memory#nlp#offline_first#opencv#python#rag#retrieval_augmented_generation#semantic_search#vector_database#video_processing
Memvid lets you store millions of text pieces inside a single MP4 video file using QR codes, making your data 50-100 times smaller than usual databases. You can search this video instantly in under 100 milliseconds without needing servers or internet after setup. It works offline, is easy to use with simple Python code, and supports PDFs and chat with your data. The upcoming version 2 will add features like continuous memory updates, shareable capsules, fast local caching, and better video compression, making your AI memory smarter, faster, and more flexible. This means you get a powerful, portable, and efficient way to manage and search huge knowledge bases quickly and easily.
https://github.com/Olow304/memvid