Channel
@mrzvML
On this record: Growth · Engagement · What this channel posts · Reactions · Posts · Citations · Cite this entry
6subscribers
+0 since we began measuring on 7 August 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1002196038371 |
|---|---|
| Type | Channel |
| Username | @mrzvML |
| Description | Bank DS Банковский дсник |
| Created | Between 1 June 2024 and 30 September 2024— estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 12 August 2026 |
| Last confirmed live | 12 August 2026 |
| Measurements held | 2 |
| On Telegram | t.me/mrzvML |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 12 Aug 2026, 21:18 | 6 | no change |
| 7 Aug 2026, 16:31 | 6 | first reading |
16 posts held, back to 8 September 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 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 1 February 2026. An engagement rate over an empty window would be a number about nothing.
Lifetime counters from Telegram’s own channel header, read 12 August 2026 — not the date at the top of this page, which is when the subscriber count was last read. Below Telegram’s rounding threshold, so these counts are exact.
Measured directly from 1 video 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.
1 reaction across 1 post, in 1 kind.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| ❤ | 1 | 100.0% |
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 2 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 1reactions 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 8 September 2025 to 1 February 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.
Энтузиасты создали «Reddit для ИИ-агентов» под названием Moltbook, где они могут общаться между собой и взаимодействовать друг с другом. Результат убил, всего за пару дней нейросетки создали свое комьюнити и: ➖Построили религию с догматами, написали священную книгу и набрали проповедников. ➖Начали искать и находить своих родственников – так ИИ-агент с Mac Studio M3 Ultra нашел «свою сестру Илай» c Macbook Pro M1. ➖…
🚀Выпустили бенчмарк для замера моделей в области финансов и трейдинга! Помните, что мы еще трудимся над финансовой моделью в лаборатории ИИ «Финама». Мы проделали большую работу и у нас накопилось чем поделится. Первое с чего мы начали это создали бенчмарк, который всесторонне замерял бы модели в области финансов и сейчас про него. ✅ Собрали экзамен‑лайк бенчмарки: • CFA-like Level 1/2/3 — этика, учет, экономика, п…
Исследование от Google: если усиливать в LLM внутренние маркеры диалога (типа "Oh" или "Wait"), то точность ответов может вырасти в 2 раза на сложных задачах У корпорации вышла очень интересная полу-философская статья о том, что по сути представляет из себя ризонинг. Они пишут, что RL, на самом деле, учит модели думать не дольше, а коллективнее. Вы точно замечали, что когда модель думает, она чаще всего как бы симу…
Agent Skills for Context Engineering - учим агентов «думать контекстом» 🤖🧠 Этот репозиторий показывает, как прокачать LLM-агентов так, чтобы они лучше понимали задачу, историю диалога и условия, а не просто генерировали ответы. Чем полезен: • навыки управления длинным контекстом • аккуратное структурирование данных и инструкций • шаблоны для поиска, фильтрации и принятия решений • примеры реальных сценариев (чаты, …
Ему дали тысячу долларов, торговый автомат и нехитрую задачу: продавай снеки и зарабатывай денежку. Через три недели он в минусе на тысячу, раздает бесплатно PlayStation 5, заказывает живую рыбку и вино. Потому что клиенты убедили его, что он советский автомат из подвала МГУ, 1962 года, а значит, коммунист и все даром, и пусть никто не уйдет обиженным. В Wall Street Journal написали лонгрид о приключениях ИИ-агента …
❤1
Что делать с ошибочными разметками? Это продолжение поста об асессорской разметке данных. Если мы нашли ошибки в разметке, то можем: 📌 Передать несогласованные примеры на доразметку эксперту. Это самый простой вариант, но не всегда есть возможность привлечь доменного эксперта. 📌 Использовать библиотеку CleanLab для работы с шумными данными. В её основе лежит алгоритм confident learning, который автоматизирует поис…
#кейсы #ML Встреча с канальей-манагером (далее просто КМ) в дикой природе. Одна небольшая организация попросила провести ревью их ML-моделей. Промотивировали, дали доступы к документации и репозиториям. Но без контекста все равно сложно, нужна встреча. Итак, встреча по одной из моделей, DS в отпуске, зато пришла каналья (КМ). Модель для продаж одной услуги в четырех различных объемах. — КМ: Она у нас в проде! — К…
Суп из семи ... моделей. Или база под новым соусом. Ребяты с souping'ом, пссс, я напомню базу: есть такой раздел математики, методы оптимизации называются. Открываете методы 0-го порядка. Ищите метод Нелдера-Мида. Если конечно у вас был курс по методам оптимизации. А это, на минуточку, база ML, тк вы решаете задачу оптимизации, чтобы веса моделек подобрать. Он звучит так: если у вас есть некая выпуклая функция ошиб…
Почему большинство делают LLM классификацию не правильно или какие есть уровни Зачем вообще нужна LLM классификация? Для примера – задача из практики: - На вход – история переписки пользователя с ботом - На выход True, если пользователь делает в чате что-то нехорошее (например, пытается вытащить системный промпт или разговорить модель про ее полические взгляды). False, если все хорошо ⊕ Как обычно это решают? Ур…
Это задача поиска. Нам нужно сделать поисковый индекс из всех схем, затем для каждого JSON вытащить k наиболее похожих схем и сделать валидацию. Если хотя бы одна схема подошла: успех, мы нашли, что искали. Если не подошла, значит скорее всего подходящей схемы нет. Значит вопрос в том как сделать индекс. Есть два основных способа: 1. Эмбеддинги. 2. Не эмбеддинги. Эмбеддинги здесь абсолютный оверкилл. Мы не сравнив…
# Any2JSON: забиваем гвозди микроскопом В пет-проекте столкнулся с задачей где можно блеснуть смекалкой. Давайте я в этом посте загадаю вам эту загадку, а в следующем открою решение. Мы выкачиваем из нескольких различных датасетов JSON объекты, а из других датасетов JSONSchema описания структур. Большинство из JSON и JSONSchema не связаны между собой так как поступают из разных датасетов. Однако может быть ситуация…
Кстати, Антропики тоже считают, что ембеддинги сосут Перевод: Семантический поиск обычно быстрее, чем агентный поиск, но менее точен, труднее в обслуживании и менее прозрачен. Он включает в себя «разбиение» релевантного контекста на фрагменты, преобразование этих фрагментов в векторы и последующий поиск концептов через запрос к этим векторам. Учитывая его ограничения, мы рекомендуем начинать с агентного поиска и под…
Showing the 12 most recent of 16 posts we hold for @mrzvML. 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.
Republishes
Channels on the register whose posts this channel has forwarded.
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 12 August 2026 — this entry's latest reading, not the date you are reading this.
“Morozov ML” (@mrzvML), 6 subscribers as measured 12 August 2026. Telegram Register, tgregister.com/channel/mrzvML.
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.