Kurgan-Telecom Ru | Информационные технологии

Двуэнкодерные нейросети, контрастивное обучение, десять датасетов и late fusion. Как мы строили ML-систему ретривала, понимающую человеческий язык вместо фильтров

Разработчики GNU/Hurd сообщили о значительном прогрессе в развитии операционной системы. По словам Самюэля Тибо, одного из основных разработчиков проекта, GNU/Hurd удалось добиться существенного улучшения в поддержке драйверов устройств благодаря интеграции с NetBSD’s rump layer.

Кроме того, была улучшена поддержка SMP (Symmetric Multi-Processing), что позволит системе более эффективно использовать возможности современных многоядерных процессоров. Порт для x86_64 практически завершен, и есть надежда на поддержку AArch64.

На основе GNU/Hurd уже создано несколько дистрибутивов, включая Debian GNU/Hurd, Guix/Hurd и Alpine/Hurd. По данным разработчиков, около 75% пакетов Debian уже собирается для GNU/Hurd, что свидетельствует о высокой степени готовности системы.

Также была добавлена поддержка в экосистему Rust, что стало необходимостью из-за растущего числа программ, требующих эту поддержку.

 gnu, hurd

Написал прототип SemanticZip: сжатие текста в 14 раз за счет удаления «выводимой» информации. Теория информации, Колмогоровская сложность. В теории все работало...
Разбор полетов: почему нельзя сжимать смыслы и почему красивые метафоры проигрывают скучному RAG

Представлена ​​новая версия GNOME Resources 1.10 — приложения для мониторинга системы в среде GNOME, которое теперь используется по умолчанию, например, в готовящейся к выходу Ubuntu 26.04 LTS. В GNOME Resources 1.10 добавлена ​​поддержка мониторинга NPU AMD Ryzen AI и другие новые возможности.

Исправления:

• наименования пунктов озвучены для программ чтения с экрана;
  
• исправлена навигация по разделам «Приложения» и «Процессы» с помощью клавиатуры;
  
• исправлены показания частоты процессора, которые в некоторых случая могли быть неточными;
  
• названия дисков не обновлялись при изменении префикса блока данных.
  

Новое:

• ​поддержка NPU от AMD с использованием драйвера amdxdna (обратите внимание, что для корректного обнаружения ядро ​​и прошивка должны быть обновлены);
  
• поиск по нескольким именам процессов одновременно возможен с помощью оператора «|» в поле поиска;
  
• ​​поддержка обнаружения приложений AppImage, управляемых с помощью appimaged;
  
• ​​поддержка обнаружения приложений, управляемых через Portable;
  
• сетевые интерфейсы моста LXC определяются корректно .

 gnome, мониторинг

На дворе шел 2016 год и из каждого утюга кричали, что русские хакеры помогли Трампу избраться, а моя маленькая (очень) команда, была привлечена к безнадёжному проекту,... правда мы поняли об этом потом.

Маленькая предыстория - в тот момент большой канадский гигант SIP телефонии решил выпустить первый телефон под Андроидом, но, не просто выпустить под AOSP, а так, что бы все гугловые сервисы были доступны. Это требовало пройти полное тестирование по GTS (Google Test Suite). Проект разрабатывался израильской командой канадского вендора и командой нашей компании, которая имела давние связи с канадцами.

Приём сертификационных заявок, на прохождение GTS заканчивался в начале ноября, а летом, хитрая израильская команда, предложила нашему архитектору, поменяться задачками - баш-на-баш. Архитектор проведя поверхностный анализ, не нашёл подвоха и... согласился,... как потом оказалось - зря, стоило анализ провести получше.

Первый "подход к снаряду" был ещё летом, но, что-то пошло не так, интеграция не задалась, и... задачу отложили на потом. Когда же на дворе стоял конец сентября, о ней вспомнили,... и вот тут - всех накрыло... и не зря - нужно было интегрировать WideVine...

Тогда подключили мою "команду спасателей" - меня и моего разработчика (Вовка, ты крут).

Задача на словах звучала просто (как всегда):

База данных по российскому гражданскому законодательству — это ряд самостоятельных систематизированных материалов, которые можно найти и обработать, используя ЭВМ (статья 1260 Гражданского Кодекса РФ). База данных защищается юридически, виновные в ее незаконном заимствовании могут быть привлечены к гражданско-правовой, административной и даже уголовной ответственности.

Планируешь миграцию на Spring Boot 4.0? Вместе с Eddy Benchek в новом переводе от команды Java Insider разбираем пять неочевидных проблем, с которыми столкнулась реальная production-команда при миграции, и показываем, как их исправить, чтобы вы не потеряли дни на поиски неожиданных багов.

Главным драйвером развития ЭДО в России по‑прежнему остается государство. Оно последовательно повышает уровень цифровизации документооборота и переводит в электронный вид все больше процессов — от налогового администрирования и логистики до закупок и архивного хранения, что приводит к высокой динамике изменений нормативной базы. Поэтому ЭДО перестал быть «вопросом выбора» и окончательно превратился в инфраструктурную обязанность бизнеса. При этом компании все чаще сталкиваются не с нехваткой инструментов, а с системным хаосом: в законодательстве, в собственных процессах, в ИТ‑ландшафте и в хранении документов.

В этой статье мы, Юлия Ворожбицкая и Наталья Лапшина (менеджеры продуктов SL Soft Flow), посмотрим на ситуацию с ЭДО к началу 2026 года, разберем ключевые проблемы и вызовы для бизнеса, а также обсудим, как внедрение ИТ‑систем помогает снижать операционные и юридические риски, разгружать сотрудников и строить управляемый, прозрачный документооборот.

Тестировать друг за другом видеокарты от NVIDIA надоедает, благо разница в последнем поколении только в мощностях процессоров семейства Blackwell, объеме памяти и ширине шины. А вот посмотреть, что предлагают конкуренты, а тем более громко называя это «ИИ», уже интересней. Мы проверили Radeon AI PRO R9700 с 32 Гб памяти на реальных задачах: LLM, генерация графики и видео, 3D-рендеринг, и сравнили с NVIDIA.

ИИ не забирает вашу работу.

Мы все читали заголовки и слышали этот нарратив. Компании заявляют, что ИИ позволил им уволить тысячи сотрудников. Чат-боты, как сообщается, уже заполняют все начальные позиции, затрудняя выпускникам поиск работы. Генеральные директора из мира технологий проповедуют, что ИИ революционизирует экономику, и вам нужно включиться в этот процесс или остаться позади. Но насколько всё это правда? Что на самом деле показывают данные? Что ж, если копнуть глубже искажённой пропаганды олигархии Больших Технологий, вы обнаружите, что этот нарратив - почти полная выдумка и не может быть дальше от истины. Возьмите недавний отчёт Oxford Economics (OE), который обнаружил, что компании «не заменяют работников ИИ в значительном масштабе», а вместо этого предполагает, что они используют нарратив об увольнениях из-за ИИ, чтобы прикрыть собственные недостатки.

Отчёт развенчивает эту отраслевую пропаганду в четырёх основных шагах. Давайте углубимся.

Каждый, кто хоть раз чистил паяльник от нагара, может разделить восторг от появления необгораемых керамических жал. К сожалению, развитие технологий пока не позволяет делать из этого же материала печи для пайки, поэтому в полный рост встает проблема очистки их узлов.

Пытливый читатель может задать вопрос: а нужно ли, собственно, что-то чистить, ведь платы в таких печах контактируют лишь с воздухом – в случае конвекционных/инфракрасных агрегатов, или непосредственно с припоем – в волновых/струйных установках пайки.

Нейросети так плотно вошли в жизнь практически каждого человека всего за какие-то 2-3 года. Однако далеко не все доступны напрямую российским пользователям. Однако наши разработчики не растерялись и создали полезные и многофункциональные боты с нейросетями в Telegram, а некоторые — еще и полноценные веб-агрегаторы, работа которых не зависит от Telegram.

В сегодняшней мини-подборке я не буду рассказывать обо всех Telegram-ботах, а расскажу про те, с которыми довелось работать и с которыми погнравилось работать. Плюс к этому, в подборку я также включил ботов, которые развиваются, а не стоят на месте. Итак, начнем.

Общеизвестен™ такой подход к проектированию решений и, в частности, решений микросервисных, как Domain-Driven Design. Его суть, для тех кто не слышал этот общеизвестный™ термин, состоит в том, что архитектура технического решения должна моделировать сам реальный, можно сказать физический, бизнес-процесс. Из часто разбираемого типового примера: микросервисы оформления заказа, резерва товаров и проведения платежа аналогичны соответствующим структурным подразделениям реального бизнеса: заказ оформляется в точке продаж, собирается на складе, оплата проводится через бухгалтерию и всё это разные отделы, работающие между собой по определённым контрактам.

Хорошо проработанная в рамках такого подхода архитектура обеспечивает хорошее время отклика, отказоустойчивость, масштабируемость и прозрачность работы системы. При этом собираемые метрики работы системы не являются некими KPI, целевыми показателями, критерями оптимизации, а лишь служат для заблаговременного выявления потенциальных проблем и применения изменений до того, как эти проблемы наступят.

Если хорошо сформированная бизнес модель - это готовый шаблон для будущего микросервиса, который нужно лишь переложить в технические решения, то верно и обратное: сама такая организация с хорошо налаженными процессами и есть готовый микросервис. Она подчиняется тем же законам, имеет те же проблемы и пути их решения, её архитектура поддаётся анализу и доработке по абсолютно тем же подходам, и в конечном счёте тоже обеспечивает <crtl-c-ctrl-v>хорошее время отклика, отказоустойчивость, масштабируемость и прозрачность работы системы</crtl-c-ctrl-v>.

Kubernetes давно стал де-факто стандартом для оркестрации контейнеров. Его используют все – от крупных корпораций до мелких стартапов – и в ус не дуют. Потому что удобно: сервисы после падения поднимаются сами, трафик равномерно размазывается по репликам, деплой происходит в один клик, а масштабирование — по графику нагрузок, а не по звонкам в два часа ночи. Но это на бумаге. А вот на практике многие компании сталкиваются с тем, что за удобство приходится платить. Причем зачастую куда больше, чем рассчитывали первоначально. Бывали даже случаи, когда на кластер закладывали 200 тысяч рублей в месяц, а по факту отдавали 500-600. Естественно, работать в таких условиях нельзя. Поэтому надо разбираться, куда на самом деле уходят деньги и как сохранить их при себе.

Конкуренция – это не просто данность. Это двигатель, катализатор развития и одновременно главная угроза выживанию. Если вы не в голубом океане (а это совсем другая история), если ваш бизнес живет на сформировавшемся рынке, то вопрос "с кем мы реально конкурируем?" становится одним из самых критичных стратегических решений. От этого выбора зависит буквально всё: куда направляете ресурсы, с кем сравниваете себя, какие преимущества выстраиваете, как позиционируете продукт.

И вот парадокс, который я вижу на протяжении 20 лет в продуктовом менеджменте: большинство компаний выбирают конкурентов совершенно неосознанно. Не потому что глупы. Не потому что не думают. А потому что выбирают не тех, с кем реально борются за долю рынка, а тех, на кого хотели бы быть похожи. Это самообман, и он опасен, потому что комфортен.

Выбор конкурента – это не просто список компаний для слайда в презентации. Это выбор поля боя. И если вы выбрали неправильное поле, вы уже проиграли.

Нейросети сейчас на каждом шагу, вот и телематика не стала исключением.

На самом деле, эти две технологии многое объединяет – и телематика, и нейросетки делают похожее: обрабатывают и анализируют данные, чтобы оптимизировать рабочие процессы. Когда-то это встреча должна была произойти, поэтому вполне логично, что разработчики начали интегрировать сетки в свои системы телематики. Сегодня предлагаю разобрать практический кейс Exzotron Telematics AI с нейросетевой обработкой изображений для автоматического контроля въезда транспорта на территорию предприятия.

Пока вы апскейлите видео или гоняете LLM, ваш ноутбук может тихо умирать. Ядро GPU показывает комфортные 65°C, а видеопамять в это время жарится на 105°C, ведь заводская логика следит только за ядром. Рассказываю, как я написал утилиту VRAM Guard на Python, чтобы спасти "золотое" железо от деградации с помощью метода импульсного троттлинга. Вот как он работает...

Прямо сейчас, прежде чем вы проскроллите дальше, сделайте паузу и представьте себе велосипед. Самый обычный, двухколёсный, который вы видели сотни раз в жизни. Возможно, даже катались на нём прошлым летом.

А теперь мысленный эксперимент. Попробуйте в голове ( а еще лучше на листке бумаги) набросать его механическую схему. Как рама соединяет переднее и заднее колёса? Как протянута цепь и где находятся педали?

Если ваш велосипед выглядит как сюрреалистическая конструкция, которая никогда не сдвинется с места, — добро пожаловать в клуб. Вы только что столкнулись с феноменом, который в когнитивной психологии называют «иллюзией глубины объяснения». Проблема здесь не в том, что мы плохо рисуем. Проблема в том, что мы уверены, будто знаем, как работают вещи, хотя на самом деле наше понимание заканчивается на уровне пользовательского интерфейса.

Привет, Хабр! Мне принесли на отстройку электрогитару Squier FSR Bullet Telecaster цвета Olympic White, и теперь мы сможем рассмотреть и послушать эту популярную модель во всех подробностях.

Конкуренция на рынке музыкальных инструментов сегодня весьма значительна, и для принятия решения о приобретении того или иного варианта хочется знать о нём и о возможных альтернативах как можно больше.

Представьте: ваши автотесты проходят стабильно, ошибок почти нет, команда довольна. Но со временем тесты стали работать в «стерильных» условиях и перестали отражать реальность. Именно с такой ситуацией мы столкнулись на крупном продукте после трех лет регулярных прогонов. В этой статье расскажем, как мы перешли от «зашитых» констант к системе динамической генерации данных, сделали тесты «сложнее» и в итоге повысили их реальную эффективность в 10 раз.

Причина такого поведения оказалась в самом фундаменте: автотесты опирались на статичные, «зашитые» данные, созданные еще при первом покрытии кода. Они были разработаны более трех лет назад и для скорости были объявлены в виде констант непосредственно перед кодом теста.