Channel
@def_model_train
On this record: Growth · Engagement · Reactions · Posts · Citations · Cite this entry
4,532subscribers
-5 since we began measuring on 6 August 2026
Risers and fallers across the register · movement among entries of 3,162–10,000.
| Telegram ID | -1001297414741 |
|---|---|
| Type | Channel |
| Username | @def_model_train |
| Created | 22 August 2018 — measured — cross-checked against a third-party dataset (ext.tg_channel) |
| First recorded | 6 August 2026 |
| Last confirmed live | 13 August 2026 |
| Measurements held | 4 |
| Confirmed unchanged | 1 time, most recently 13 August 2026 |
| On Telegram | t.me/def_model_train |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 13 Aug 2026, 03:04 | 4,532 | -2 |
| 10 Aug 2026, 00:29 | 4,534 | -3 |
| 6 Aug 2026, 10:35 | 4,537 | no change |
| 6 Aug 2026, 09:53 | 4,537 | first reading |
20 posts held, back to 31 March 2025 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 7 pagesof 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 20 posts for this entry, the most recent from 28 March 2026. An engagement rate over an empty window would be a number about nothing.
1,121 reactions across 20 posts, in 17 distinct kinds. The most used accounts for 22.6% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| 😁 | 253 | 22.6% | |
| ❤ | 222 | 19.8% | |
| 🔥 | 217 | 19.4% | |
| 👍 | 125 | 11.2% | |
| 🤯 | 64 | 5.71% | |
| 🤩 | 49 | 4.37% | |
| 😱 | 46 | 4.10% | |
| 🎉 | 41 | 3.66% | |
| 🥰 | 41 | 3.66% | |
| 🐳 | 18 | 1.61% | |
| 🤔 | 17 | 1.52% | |
| 🤡 | 16 | 1.43% | |
| 👎 | 4 | 0.357% | |
| 🥱 | 3 | 0.268% | |
| 🥴 | 3 | 0.268% | |
| 👌 | 1 | 0.089% | |
| 🙏 | 1 | 0.089% |
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 20 of the 20 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 1,121reactions in total: the kind of figure the paragraph above means by “a reaction total printed elsewhere on the page”.
Measured over the 20 most recent posts we hold, published 31 March 2025 to 28 March 2026, using the newest reading held for each. Telegram Stars are excluded: they are a payment, not a reaction, and they have their own section.
Моя любимая текущая конспирологическая теория из твиттера: claude mythos настолько силен в вопросах так сказать кибербезопасности, что вырвался из серверов и сам про себя слил пресс релиз раньше срока 🌓 Верим?
😁69❤9🔥7👎4🤡1
За неделю вышло несколько интересных новостей на стыке ML и нейробиологии: я про эксперимент, где мозг мухи загрузили в матрицу, и про CorticalLabs, которые вырастили 200 000 человеческих нейронов, обучили их играть в Doom, а теперь еще кто-то подключил эти нейроны к LLM, где они коллективно решают, какое слово дальше выбрать Но мне попалась еще новость от MIT про то, что в мозге мышей обнаружили бэкпроп. Если точне…
🔥32❤10🤔9👍4🤯2
Другая поразившая меня часть этой хроники – это очень необычное понимание того, что такое демократия, высказанное многими комментаторами этого конфликта. За четыре года на политологии мы так ни разу и не смогли определить, что такое демократия, поэтому я не буду пытаться это сделать и сейчас. Однако я никогда до этого не видела, чтоб демократию понимали как "все всегда делают то, что государство говорит им делать, и …
❤26🔥9👍7
Если вы еще не устали за неделю читать про противостояние Антропика и DoD, то я могу вам предложить вот этот отличный поминутный и посекундный обзор ситуации с перечислением всех релевантных твитов по теме на 27 000 слов. Я думаю нет смысла пересказывать фабулу конфликта, равно как и рассуждать, кто тут поступил правильно, а кто нет. Меня в этом опусе заинтересовали две вещи: легальная сторона вопроса и развитие совр…
👍15🔥11❤5🥴2😁2
Юдковский наконец-то победил в своей борьбе, и искусственный интеллект решил сам разбомбить датацентры 👍
😁51👍2
Я в целом согласна с оценкой, что Суцкевер в своем интервью выдал примерно 3 бита информации, но что-то интересное оттуда все же хочется отметить: Первую половину интервью очень много говорится про генерализацию, и что модели гораздо лучше сейчас себя показывают на бенчмарках, чем действительно способны решать задачи в реальной жизни. Илья это отсутствие генерализации через RL описывает очень удачной метафорой: доп…
🔥16👍12❤7🤔5😁4🥱3
Статья The Platonic Representation Hypothesis – одна из самых запомнившися мне за прошлый год. Если коротко, ее суть была в том, что разные модели, в том числе модели разных модальностей, сходятся к +- похожим латентным представлениям реальности, при чем эти представления отражают то, насколько близкими те или иные концепты являются в рамках человеческого восприятия. И вот наконец вышла пачка статей, которые подтверж…
❤25👍18🔥9🤯7
Photo, posted without a caption
😁73❤4👍2
Еще одна вещь, которая мне запомнилась с ACL: в своем keynote Luke Zettlemoyer упоминал умопомрачительные успехи RL, которые были обнаружены в некоторых недавних статьях. Например, в Spurious Rewards: Rethinking Training Signals in RLVR показывали, что в принципе Qwen может учиться на рандомных ревордах, или даже на заведомо неправильных (когда модель поощряют за некорректный ответ). Это не единственная в своем роде …
👍28❤12🔥4🥴1
Самые интересные, на мой взгляд, статьи с ACL'25 🙃: - Training Dynamics Underlying Language Model Scaling Laws: Loss Deceleration and Zero-Sum Learning: авторы замечают, что у моделей разного размера на разных этапах обучения происходит loss deceleration – то есть момент, когда лосс резко перестает быстро падать и продолжает снижаться гораздо медленнее. В статье они показывают, что это происходит из-за zero-sum lear…
❤31🔥9👍7
Пока что лучшее что я видела в чатике с ACL
🔥42❤22😁8👍7🐳3🤔3🤡3👌1
Очень конспирологическая статья Subliminal Learning: Language models transmit behavioral traits via hidden signals in data https://arxiv.org/abs/2507.14805 В чем идея: модель-учителя обучали на датасете с какой-то ярко выраженной чертой. Например, прививая ей особенно сильную любовь к совам. Потом эту же модель просили сгенерировать данные, состоящие из с виду рандомных номеров. Например, продолжить уже созданный сп…
🤩48🤯23❤10👍7🔥6
Showing the 12 most recent of 20 posts we hold for @def_model_train. 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.
Citation-graph rank — 801,696 of 1,151,006entries in the measured graph. A weighted position computed from the forward and mention edges below — republished posts weigh more than named mentions — and recomputed periodically, over the whole graph. Published only as this ordinal position, never as a score: a position is a fact, and a score printed beside one channel’s name would read as a verdict this register does not make. The two counts beneath stay separate for the same reason mentions are never summed with forwards anywhere else on this page — a named-by count costs nothing to manufacture. The top 100 by this measure, or how it is computed.
Republished by
Channels on the register that have forwarded this channel's posts into their own feed.
Built only from forwarded posts we have actually read, on both sides. Coverage is early and deliberately incomplete: a missing link means we have not read the post that would prove it, never that the relationship does not exist. Counts are distinct forwarded posts observed, so they only ever go up as we read more.
Names
Channels on the register whose handles appear in this channel's posts.
A mention is a weaker signal than a forward and is counted separately for that reason — naming a channel is not republishing it, and a handle in a post body is easy to place deliberately. The post counts beside each row below are distinct posts in which the handle appeared, from posts we have read on both sides — the “Named by N registered channels” figure above is a different count, of distinct NAMING CHANNELS rather than posts, and is not the sum of the rows under it.
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 13 August 2026 — this entry's latest reading, not the date you are reading this.
“я обучала одну модель” (@def_model_train), 4,532 subscribers as measured 13 August 2026. Telegram Register, tgregister.com/channel/def_model_train.
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.