Channel
@deep_learning_nlp_ru
On this record: Growth · Engagement · Reactions · Posts · Cite this entry
537subscribers
+3 since we began measuring on 7 August 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1001704673620 |
|---|---|
| Type | Channel |
| Username | @deep_learning_nlp_ru |
| Created | Between 1 December 2021 and 30 April 2023— estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 8 August 2026 |
| Last confirmed live | 22 August 2026 |
| Measurements held | 4 |
| Confirmed unchanged | 1 time, most recently 22 August 2026 |
| On Telegram | t.me/deep_learning_nlp_ru |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 22 Aug 2026, 09:37 | 537 | +1 |
| 14 Aug 2026, 14:25 | 536 | +2 |
| 8 Aug 2026, 03:49 | 534 | no change |
| 7 Aug 2026, 13:10 | 534 | first reading |
16 posts held, back to 13 July 2023 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 1 pageof Telegram’s post history, 20 posts per page.
Nothing published in the last 30 days. ERR and ER are rolling 30-day measures, so there is nothing to compute — we hold 16 posts for this entry, the most recent from 25 September 2024. An engagement rate over an empty window would be a number about nothing.
121 reactions across 16 posts, in 7 distinct kinds. The most used accounts for 46.3% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| 🔥 | 56 | 46.3% | |
| 👍 | 31 | 25.6% | |
| ❤ | 11 | 9.09% | |
| 😁 | 10 | 8.26% | |
| 🤡 | 6 | 4.96% | |
| 👎 | 5 | 4.13% | |
| 😱 | 2 | 1.65% |
No sentiment is inferred, and none should be read in. This table is ordered by count and by nothing else. Emoji do not carry stable meaning across languages or communities — 🙏 is thanks in one channel and mourning in another — so we publish which ones were pressed and how often, and pass no judgement on what an audience meant by them.
Precision. Telegram publishes reaction counts per emoji and short-forms each one — 4.34K, 1.2M — so any single kind at or above 1,000 reaches us at three significant figures, and only counts below 1,000 are exact. The shares above are ratios of those figures and carry the same error. This is also why the total here can differ slightly from a reaction total printed elsewhere on the page: both are sums of the same rounded parts, taken over samples with different edges.
Coverage. Reactions were read on 16 of the 16 sampled posts in this sample. Summed by Telegram’s own count on each post — not by adding up the per-emoji breakdown above — those same posts carry 121reactions in total: the kind of figure the paragraph above means by “a reaction total printed elsewhere on the page”.
Measured over the 16 most recent posts we hold, published 13 July 2023 to 25 September 2024, using the newest reading held for each. Telegram Stars are excluded: they are a payment, not a reaction, and they have their own section.
Последняя подборка статей с #ACL2024. На этот раз коснёмся демо статей и инструментов, которые будут полезны в исследовании и разработке. * GenGO: ACL Paper Explorer with Semantic Features * LM Transparency Tool: Interactive Tool for Analyzing Transformer Language Models * NLP-KG: A System for Exploratory Search of Scientific Literature in Natural Language Processing * DataDreamer: A Tool for Synthetic Data Generatio…
🔥3👍2❤1
Следующая подборка статей с #ACL2024 посвящена задачам извлечения информации: * Hypergraph based Understanding for Document Semantic Entity Recognition * Description Boosting for Zero-Shot Entity and Relation Classification * Argument-Aware Approach To Event Linking * AlignRE: An Encoding and Semantic Alignment Approach for Zero-Shot Relation Extraction * Statements: Universal Information Extraction from Tables with …
🔥4👍1
О новом "думающем" GPT o1-preview Современный человеческий мозг обладает логическим мышлением. То есть способностью применять определённые законы мышления, вне зависимости от контекста. С философской точки зрения, существует формальная логика, та, которая иногда изучается в школе и чаще используется в жизни и элементарной математике, и диалектическая логика, та, которая изучает процессы и применяется уже в высшей мат…
🔥3👎2❤1👍1
Это вторая часть подборки статей с #ACL2024. Эта часть тоже преимущественно посвящена LLM: * When Phrases Meet Probabilities: Enabling Open Relation Extraction with Cooperating Large Language Models * KnowCoder: Coding Structured Knowledge into LLMs for Universal Information Extraction * Balanced Data Sampling for Language Model Training with Clustering * Label-Efficient Model Selection for Text Generation * Multi-Ta…
🔥3❤1
Недавно посетил конференцию ACL 2024 в Бангкоке. В этой серии постов я поделюсь своей подборкой статей с конференции. Основной упор постараюсь сделать на практически применимые статьи и идеи. Подборку открывают статьи про LLM: * Prompt Engineering a Prompt Engineer * Controlled Text Generation for Black-box Language Models via Score-based Progressive Editor * Referral Augmentation for Zero-Shot Information Retrieval…
🔥4👍2
Выпустил небольшую библиотеку, где на чистом питоне обучается нейронная сеть. Буквально в 100 строчек кода реализован алгоритм градиентного спуска и обратного распространения ошибки, что позволяет глубже изучить механизм обучения нейронных сетей. Есть так же код для анимации обучения на движке manim.
🔥8👍3
В новом видео рассмотрим основные принципы обучения нейронных сетей. Обсудим функцию потерь, градиентный спуск и алгоритм обратного распространения ошибки. Приятного просмотра!
🔥7
Извлечение обучающих данных из языковых моделей Google DeepMind провели интересное исследование о том как извлекать тренировочные данные из LLM. Суть - это использование галлюцинаций, которые "выдают" данные модели. Таким образом исследователям удалось извлечь различные персональные данные, по которым можно определить человека, различные идентификаторы и ключи, откровенный контент и так далее. Принцип атаки очень …
👍8😁3😱2🔥1
Отвечая на комментарий к предыдущему посту: «Это к вопросу о том, зачем продавать нефть коли бензин продавать выгоднее)))» Не совсем. Во-первых, нефть и бензин - это сырьё и продукт низкого передела, а их модели - это высокотехнологичный продукт. Во-вторых, это уже больше политика. Например, бензин экспортировать мы вам запретим, а нефть, из которой мы потом сами сделаем что нам нужно, мы разрешим. Речь о том, что …
👍7❤1
OpenAI - Продаём мечту (но без гарантий) Недавно прогремела очередная новость от OpenAI. Они выпустят новую модель, которая будет принимать контекст в 128к токенов (±360 страниц текста). Не обошли стороной и вопрос мультимодальности (когда модель может принимать как текст, так и изображения, так и звук и так далее), тут тоже есть обновления, новые модели, расширены возможности API. Можешь подумать: "Что ещё можно по…
🤡6🔥5👎3👍2
Спустя некоторый перерыв, всё же продолжаю выкладывать заметки об ACL 2023. В данной статье привожу заметки о 2-ом дне. Среди них вы найдёте: * DarkBERT - новая модель, которая натренирована на страницах из даркнета. * LENS - обучаемая метрика для оценки упрощения текста * Несколько новых и интересных датасетов, а так же методов более эффективного использования больших языковых моделей (LLMs) #ACL2023 #заметки
🔥4
В этом видео начинаю серию роликов о принципах работы нейронных сетей. В видео будем симулировать функцию XOR. Так же рассмотрим некоторые функции активации и для чего необходима нелинейность в нейронных сетях.
🔥5❤1👍1
Showing the 12 most recent of 16 posts we hold for @deep_learning_nlp_ru. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.
A live page changes as we take new readings, so a citation should name the measurement it is based on, not just the URL. The line below cites the subscriber count as measured 22 August 2026 — this entry's latest reading, not the date you are reading this.
“Deep learning for NLP (RU)” (@deep_learning_nlp_ru), 537 subscribers as measured 22 August 2026. Telegram Register, tgregister.com/channel/deep_learning_nlp_ru.
Full measurement history, CC BY 4.0. Every reading this register holds for this entry, not just the latest one, as a dated, downloadable record: CSV · JSON. Free to use with attribution to tgregister.com. Each file carries its own generation timestamp, which is the figure to cite for exactly when the data was retrieved.