Telegram RegisterThe public register of Telegram

Channel

fmin.xyz

@fminxyz

On this record: Growth · Engagement · What this channel posts · Reactions · Stars · Posts · Citations · Cite this entry

4,727subscribers

+0 since we began measuring on 7 August 2026

Risers and fallers across the register · movement among entries of 3,162–10,000.

Register entry

Telegram ID-1001897559400
TypeChannel
Username@fminxyz
CreatedBetween 1 November 2022 and 31 August 2023— estimated from Telegram’s id allocation, not measured. How this range is calculated.
First recorded7 August 2026
Last confirmed live14 August 2026
Measurements held3
Confirmed unchanged1 time, most recently 14 August 2026
On Telegramt.me/fminxyz

Growth

4,7254,7274,7267 August 2026 — 4,727 subscribers8 August 2026 — 4,725 subscribers14 August 2026 — 4,727 subscribers7 August 202614 August 2026
3 measurements spanning 7 days. Dots are measurements; the straight line between them is drawn to join them, not to claim we know the path taken in between — snapshots are recorded only when a count changes, so gaps mean “no change observed”, never “interpolated”. The vertical axis spans 4,725–4,727 and does not start at zero.
Measurement log — every subscribers count we have recorded
Measured (UTC)SubscribersChange
14 Aug 2026, 07:444,727+2
8 Aug 2026, 01:064,725-2
7 Aug 2026, 06:324,727first reading

Engagement

20 posts held, back to 16 September 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 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 4 July 2025. An engagement rate over an empty window would be a number about nothing.

What this channel posts

Video runtime
8m 23s
Average length
34s

Measured directly from 15 videos with a duration reading, out of the posts we hold for this channel — not this channel’s whole posting history, only the sample this register has actually read. An exact reading to the second, taken from the post itself rather than from Telegram’s own rounded chrome, so it carries no ≈ mark.

Reaction mix

1,533 reactions across 20 posts, in 19 distinct kinds. The most used accounts for 31.0% of them.

Every reaction kind recorded on the sample, most used first
ReactionCountShareShare, drawn
custom 529625260510466446647531.0%
custom 547195298697026716335723.3%
🔥29619.3%
👍19612.8%
custom 5224708023435404637442.87%
✍312.02%
😁281.83%
🥰261.70%
custom 6244241334320762892191.24%
🤬171.11%
🦄110.718%
🤔100.652%
custom 521772048530697373050.326%
🤩50.326%
🤯50.326%
👾40.261%
🤝20.13%
🏆10.065%
🫡10.065%

Custom emoji. 5 of the rows above are Telegram custom emoji, which the public preview renders as an element carrying only a numeric id — no character, and no image we can reach. The id is printed as-is rather than substituted with a look-alike glyph, because a stand-in would be our invention showing where a measurement should be. The counts beside them areTelegram’s.

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 1,533reactions 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 16 September 2023 to 4 July 2025, using the newest reading held for each. Telegram Stars are excluded: they are a payment, not a reaction, and they have their own section.

Telegram Stars

Stars received
71
across the posts below
Posts paid on
15
of 20 we hold a reading for · 75%
Most on one post
13
single highest reading

A paid reaction is a reader spending Telegram Stars — bought with money — on a post by @fminxyz. Telegram publishes the count on the public post preview alongside ordinary reactions, and this register reads it there. It is the only figure on this site that measures money moving rather than attention.

Stars are not reactions, and the two are never added. They are rendered in the same strip on Telegram and counted in the same shape, but one is a tap and the other is a purchase. The reaction totals and the engagement rate elsewhere on this page exclude every figure in this section, and no rate here is computed against a reaction count.

This is not revenue, and we publish no currency figure. What a Star costs a reader and what it pays a channel are different numbers, Telegram takes a share we cannot observe, and the terms have changed. Converting a Star count into money would be an estimate dressed as a measurement, so the count is where we stop.

Counted over the 20 most recent posts we hold for this entry, published 16 September 2023 to 4 July 2025. Star counts above 1,000 reach us in Telegram’s short form and carry the same three-significant-figure rounding as everything else on this page.

Recent posts

4 Jul 2025, 10:56 UTC≈7,460 views114 reactions2 Starsread 12 August 2026
Video

🧬 Эволюционные алгоритмы Полтора месяца назад DeepMind выкатил AlphaEvolve, где LLM-агент генерирует, скрещивает и отбирает фрагменты кода на основе эволюционного подхода. Так появляются новые алгоритмы — от рекордов в матричном умножении до оптимальных расписаний вычислений и топологий печатных плат для TPU. Сообщество уже откликнулось опен-сорсным OpenEvolve — можно запустить тот же процесс самому и выращивать сво…

🔥78custom 624424133432076289212👍9custom 52962526051046644667🥰5🤝2🦄1

Signed Даня Меркулов

28 Feb 2025, 13:57 UTC≈16,400 views134 reactions4 Starsread 12 August 2026
Video

QR алгоритм 🥸 Одна из жемчужин численных методов. Он используется для поиска собственных чисел матрицы. 🥰 Простой и стабильный, а при небольших модификациях ещё и быстрый. Qₖ, Rₖ = qr(Aₖ) - Вычисляем QR-разложение матрицы Aₖ₊₁ = RₖQₖ - Умножаем факторы в обратном порядке 😑 Для произвольной квадратной матрицы он сходится к верхнетреугольной матрице, на диагонали которой стоят её собственные числа (картинка…

🔥72custom 529625260510466446641👍7custom 62442413343207628927🦄5😁2

Signed Даня Меркулов

12 Feb 2025, 11:38 UTC≈8,530 views90 reactions5 Starsread 12 August 2026
Video

Наглядно о том, зачем нужна нормализация признаков Простая анимация, которая показывает фиксированное число итераций градиентного спуска, стартующего из одной и той же точки для хороших и плохих задач. В хороших задачах направления примерно одинаковы с точки зрения значений минимизируемой функции. Для квадратичной функции (aka линейная регрессия) это измеряется числом обусловленности гессиана. Явление характерно н…

custom 529625260510466446657custom 547195298697026716319🔥11👍2🦄1

Signed Даня Меркулов

31 Jan 2025, 14:59 UTC≈7,080 views71 reactions4 Starsread 12 August 2026
Video

Подбор шага с помощью линейного поиска в градиентном спуске Если нам известны характеристики сильно выпуклой функции, то мы можем выбрать оптимальный постоянный шаг 2/(μ + L), где μ и L – наименьшее и наибольшее собственные значения гессиана функции. Однако на практике эти параметры почти никогда не известны. Да и функции бывают невыпуклые. Приходится подбирать learning rate вручную (перебор), линейным поиком или и…

custom 529625260510466446645custom 547195298697026716316🥰5👍2🤬2🔥1

Signed Даня Меркулов

5 Dec 2024, 14:02 UTC≈6,440 views79 reactions7 Starsread 12 August 2026
Photo

О чем пишут на ICLR 2025 Пока все ждут результаты ревью одной из самых главных конференций по AI, вот анализ ключевых слов работ, поданных на неё. Всего в датасете около 9600 работ (подано вроде чуть больше), а самые популярные категории (фул картинки и полный датасет в комментариях): 1797: large language models 592: diffusion models 458: reinforcement learning 291: transformers 280: graph neural networks 247: gen…

custom 529625260510466446631✍24custom 54719529869702671639🔥8🤔3👍2🤬2

Signed Даня Меркулов

30 Nov 2024, 17:59 UTC≈6,430 views65 reactions12 Starsread 12 August 2026
Photo

Как ускоряли обучение GPT-2 S в 10 раз 🤩Очень интересный репозиторий Modded-NanoGPT, и набор тредов о том, как спидранили обучение GPT-2 (самой маленькой версии на 125М параметров). 😎 Результат был достигнут на 8xH100 за 4.7 минуты на PyTorch вместо 45 минут в бейзлайне (llm.c). В денежном выражении это экономия с ~$15 до ~$1.56. Представляете, обучение GPT-2 S с нуля теперь стоит $1.5 и занимает 5 минут. А обучен…

custom 529625260510466446629🔥18👍10custom 54719529869702671636🤔1🥰1

Signed Даня Меркулов

31 Oct 2024, 10:00 UTC≈5,440 views48 reactions3 Starsread 12 August 2026
Photo

В начале октября вышел ежегодный отчет State of AI Report 2024 🔗Ссылка Помимо обзора прогресса за последний год, в конце есть секция с предсказаниями (в прошлом репорте 5 из 10 предсказаний сбылась, 3 не сбылись). Поставлю интуитивные имхо 🟢/🔴, если согласен/не согласен - проверим через год. 1️⃣ Вложение более 10 млрд $ от государства в крупную американскую AI лабораторию вызовет проверку на уровне национальной бе…

custom 547195298697026716325custom 529625260510466446610👍7🔥5🥰1

Signed Даня Меркулов

13 Oct 2024, 11:58 UTC≈12,000 views100 reactions7 Starsread 12 August 2026
Video

Нейронная сеть Хопфилда 🏆 На этой неделе нобелевскую премию по физике дали Джону Хопфилду и Джеффри Хинтону за основополагающие открытия и изобретения, которые позволяют использовать машинное обучение с помощью искусственных нейронных сетей. 😲 Я, как и многие в моем окружении, сначала недоумевал, почему так и причем здесь физика. И решил заботать, что вообще такое нейронная сеть Хопфилда, и получил дикое удовольств…

custom 547195298697026716348👍26custom 529625260510466446614😁4🔥3🤔2✍1🤬1

Signed Даня Меркулов

9 Sept 2024, 11:46 UTC≈8,570 views118 reactions13 Starsread 12 August 2026
Video

Почему все используют градиентные методы для обучения больших моделей? 🤩 Продемонстрирую наглядно на примере решения задачи Multidimensional Scaling (MDS). В этой задаче нам надо нарисовать на плоскости объекты, про которые мы знаем только насколько каждый из них далеко друг от друга. Т.е. на входе у нас матрица попарных расстояний, а на выходе координаты объектов на плоскости. Причем эти координаты должны быть таки…

custom 547195298697026716365👍23custom 529625260510466446618🔥10🤔1🥰1

Signed Даня Меркулов

20 Jul 2024, 13:46 UTC≈6,270 views68 reactions2 Starsread 12 August 2026
Video

Мам, я хочу double descent - у нас есть double descent дома! 💀 Феномен двойного спуска - явление, наблюдаемое в моделях машинного обучения, при котором при увеличении сложности модели на тестовых данных сначала наблюдается улучшение качества предсказаний (первый спуск), затем идёт ожидаемый рост ошибки (переобучение), а потом, внезапно, происходит улучшение обобщающей способности модели (второй спуск). Интересно, чт…

custom 529625260510466446635custom 547195298697026716319👍9custom 52177204853069737304✍1

Signed Даня Меркулов

16 Jul 2024, 18:49 UTC≈5,300 views126 reactions3 Starsread 12 August 2026
Photo

Сегодня я планировал быть в Барселоне, рассказывать нашу работу по квантизации LLM на конференции UAI, но т.к. мой шенген делают уже больше месяца, я был вынужден использовать последнюю диффузионную модель Stable Paint, чтобы добавить меня к постеру, который, к моей большой радости, всё же был представлен @Ivan_Oseledets. Когда приведу в порядок код, напишу пост про сам алгоритм (он прикольный - матрица раскладывает…

custom 547195298697026716377custom 529625260510466446616🔥13🤬12👍5😁2custom 52177204853069737301

Signed Даня Меркулов

10 Apr 2024, 18:50 UTC≈6,610 views80 reactions4 Starsread 12 August 2026
Video

Почему стохастический градиентный спуск не сходится? 👍 Многие привыкли использовать SGD(stochastic gradient descent), но не все знают, что он гарантированно(!) не сходится в случае постоянного шага (learning rate) даже для самой приятной в мире функции - сильно выпуклой квадратичной (даже в среднем).😰 🧠 Почему так? Дело в том, что в SGD на каждой итерации на самом деле решается другая задача, построенная по выбранн…

custom 529625260510466446642custom 547195298697026716316👍14custom 52247080234354046378

Signed Даня Меркулов

Showing the 12 most recent of 20 posts we hold for @fminxyz. 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.

Stars beside a post are paid reactions — Telegram Stars, bought with money and spent on that post. They are a different unit from reactions and are never added to them, here or anywhere else on this page.

Citation-graph rank

Citation-graph rank — 978,385 of 1,350,102entries 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.

Mentions

Named by 2 registered channels — every channel on the register whose own posts have named this one, by its current username or any other username it currently holds, merged from two separately captured readings of the same fact so a namer caught by only one of them is not missed and a namer both caught is not counted twice. A username this channel has since dropped is not matched — that handle may belong to someone else now, and crediting today’s namer to yesterday’s owner would misattribute it.

Named by

Channels on the register whose posts name this channel's handle.

Awesome DL
@awesome_dl · 8671 postSoftware | ML | DL prep interview
@yazopprep · 1631 post

Names

Channels on the register whose handles appear in this channel's posts.

AbstractDL
@abstractDL · 18,2421 postIvan Oseledets’ Channel
@Ivan_Oseledets · 5,3101 post

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.

Cite this entry

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 14 August 2026 — this entry's latest reading, not the date you are reading this.

“fmin.xyz” (@fminxyz), 4,727 subscribers as measured 14 August 2026. Telegram Register, tgregister.com/channel/fminxyz.

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.