Channel
@today_i_learned_this
On this record: Growth · Engagement · What this channel posts · Reactions · Posts · Citations · Cite this entry
17subscribers
+0 since we began measuring on 7 August 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1003960105465 |
|---|---|
| Type | Channel |
| Username | @today_i_learned_this |
| Description | Powered by Bahoosh |
| Created | Between 1 April 2026 and 30 July 2026 — estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 11 August 2026 |
| Last confirmed live | 7 October 2026 |
| Measurements held | 2 |
| On Telegram | t.me/today_i_learned_this |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 11 Aug 2026, 20:01 | 17 | no change |
| 7 Aug 2026, 05:03 | 17 | first reading |
20 posts held, back to 30 July 2026 — 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 page of 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 August 2026. An engagement rate over an empty window would be a number about nothing.
Lifetime counters from Telegram’s own channel header, read 11 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.
9 reactions across 7 posts, in 4 distinct kinds. The most used accounts for 55.6% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| 🔥 | 5 | 55.6% | |
| ❤ | 2 | 22.2% | |
| 🕊 | 1 | 11.1% | |
| 😱 | 1 | 11.1% |
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 7 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 9 reactions 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 30 July 2026 to 4 August 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.
نکته‌های کلیدی • جهش (J) در نمودار انیشتین همان ربایش است: تولید فرضیهٔ تبیینی تازه، نه تعمیم آماری و نه استنتاج منطقی. • نسبیت عام مثال نقضی برای «کشف در غیاب سیگنال خطا» است؛ نظریهٔ نیوتن هیچ بحران داده‌ای نداشت که موتوری استقرایی را به حرکت درآورد. • داده‌های لازم برای اعتبارسنجی نسبیت عام — از رصد ادینگتون تا تصحیحات نسبیتی GPS — سال‌ها پس از صورت‌بندی نظریه به دست آمدند. • خطای ۱۹۱۳ نشان می‌دهد بخش قیاسی کار حتی…
❤1😱1
جهشی که مدل‌های زبانی نمی‌توانند انجام دهند تام زاهاوی پژوهشگر ارشد گوگل دیپ‌مایند در لندن و از سرپرستان تیم Discovery است. دکترای خود را از دانشگاه تکنیون اسرائیل گرفته و در ساخت AlphaProof — سامانه‌ای که در المپیاد جهانی ریاضی به سطح مدال نقره رسید — و در پژوهش دربارهٔ خلاقیت شطرنجی AlphaZero مشارکت داشته است. متن پیش‌رو مقاله‌ای موضع‌گیرانه (position paper) از اوست که در ژانویهٔ ۲۰۲۶ منتشر شده و پرسش مرکزی‌اش این…
مهارت کمیاب: ذائقه اگر روزی همهٔ کد را عامل‌ها بنویسند، چه چیزی کمیاب می‌شود؟ پاسخ دین «ذائقه» است؛ یعنی دانستن اینکه اصلاً روی چه مسئله‌ای باید وقت گذاشت. به گفتهٔ او پژوهشگری که مسئلهٔ درست را انتخاب کند و آن را حل کند، به‌مراتب از پژوهشگری که یک مسئلهٔ کسل‌کننده را بی‌نقص اجرا کند جلوتر است، و بعید می‌داند مدل‌ها به‌زودی در این کار خوب شوند. برای ساختن ذائقه دو تمرین مشخص پیشنهاد می‌کند. نخست اینکه فهرستی از چیزه…
❤1
قاعدهٔ یک درصد جف دین: روی مسئله‌ای کار کنید که مدل‌های امروز صفر درصد در آن موفق‌اند، نه بیست درصد جف دین دانشمند ارشد گوگل دیپ‌مایند و گوگل ریسرچ است. او از سال ۱۹۹۹ و زمانی که گوگل بیست نفر بود در این شرکت است و از سازندگان MapReduce، BigTable، TensorFlow، تراشهٔ TPU و مدل‌های Gemini به‌شمار می‌رود. این گفت‌وگو روی صحنهٔ رویداد Y Combinator و در برابر مخاطبانی چندهزارنفره از بنیان‌گذاران آینده ضبط شده است. مفیدت…
🔥1
مهندسی معکوس قیمت‌های API بخش سرگرم‌کنندهٔ گفت‌وگو آنجاست که از روی قیمت‌نامه‌های عمومی، مشخصات پنهان مدل‌ها بیرون کشیده می‌شود. اینکه Gemini 3.1 بالای ۲۰۰ هزار توکن پنجاه درصد گران‌تر می‌شود، یعنی نقطهٔ گذار از محاسبه‌محور به حافظه‌محور همان‌جاست؛ و از همین می‌توان حدس زد هر توکن حدود ۱٫۷ کیلوبایت KV cache مصرف می‌کند. اینکه توکن خروجی حدود پنج برابر توکن ورودی گران‌تر است نیز نشان می‌دهد مرحلهٔ decode تا چه اندازه …
چرا مدل‌ها از زمان GPT-4 بزرگ‌تر نشدند: پاسخ در پهنای باند حافظه و چگالی کابل‌های داخل رک است راینر پوپ (Reiner Pope) بنیان‌گذار و مدیرعامل شرکت تراشه‌سازی MatX است؛ شرکتی که در سال ۲۰۲۳ به‌همراه مایک گانتر تأسیس کرد و اخیراً بیش از ۵۰۰ میلیون دلار سرمایهٔ سری B با راهبری Jane Street جذب کرده است. پیش از آن در گوگل مسئول بهینه‌سازی سرعت مدل PaLM بود، در طراحی TPU v5e مشارکت داشت و از نویسندگان مقالهٔ PaLM است. گفت‌و…
پرسش‌هایی که ممکن است برایتان پیش بیاید • با اشتراک ماهانه ۱۰ تا ۳۰ دلار، هزینهٔ این حجم از پردازش چگونه جبران می‌شود؟ پاسخ او دو بخش دارد: بهینه‌سازی جدی و انتقال کارهای سنگین به مدل‌های ارزان‌تر، و شرط‌بندی بر اینکه هزینهٔ همین مقدار هوش تا یک سال دیگر به یک‌دهم برسد. بخش دوم همان جایی است که کل مدل کسب‌وکار روی آن سوار است؛ اگر کاهش هزینه کندتر از انتظار باشد، قیمت‌گذاری باید تغییر کند. • آیا هوش مصنوعی شرکت‌ها را…
🔥1
ساختن نرم‌افزار هرگز این‌قدر آسان نبوده؛ و دقیقاً به همین دلیل دیگر معلوم نیست چه چیزی ارزش ساختن دارد برندون چو، هم‌بنیان‌گذار Every.AI، هشت سال در شاپیفای کار کرد و در پایان معاون محصول و پلتفرم آن بود؛ پیش از آن مدیر محصول در FreshBooks و هم‌بنیان‌گذار استارتاپ Tunezy بود. میزبان گفت‌وگو سهیل علوی است، هم‌بنیان‌گذار و مدیر ارشد محصول پیشین Bettermode، در پادکست «طبقه ۱۶». ادعای مرکزی چو این است که سطحِ لازم برای…
پرسش‌هایی که ممکن است برایتان پیش بیاید • آیا سرعت‌گرفتن ریاضیات به اقتصاد هم می‌رسد؟ سندرسون محتاط است و می‌گوید احتمالاً به‌صورت پراکنده؛ حوزه‌هایی مانند معادلات دیفرانسیل جزئی و شبیه‌سازی مستقیماً به مهندسی وصل‌اند، اما پیشرفت در نظریهٔ اعداد جبری به‌این‌زودی چیزی را باز نمی‌کند. او حتی این احتمال ناخوشایند را مطرح می‌کند که ده برابر شدن سرعت ریاضیات نشان دهد بخش بزرگی از ریاضیات مدرن از کاربرد فیزیکی جدا افتاده ا…
🔥1🕊1
هوش مصنوعی یک حدس مشهور ریاضی را رد کرد؛ حالا معیار بعدی چیست؟ گرنت سندرسون سازندهٔ کانال 3Blue1Brown است؛ کانالی که ریاضیات را با تصویرسازی توضیح می‌دهد و اکنون روی مجموعه‌ای مستند دربارهٔ پیشرفت هوش مصنوعی در ریاضی کار می‌کند. میزبان، دوارکش پاتل، مجری پادکست Dwarkesh است. نقطهٔ شروع گفت‌وگو رویدادی واقعی است: در ماه مه ۲۰۲۶ یکی از مدل‌های OpenAI برای حدس فاصلهٔ واحد اردوش، که از سال ۱۹۴۶ باز مانده بود، مثال نقض س…
وقتی تخته را پاک می‌کنند چه می‌ماند سوم، تفکیک خودکار از ارادی. زیرفضا را خاموش کردند و بقیهٔ شبکه را دست‌نخورده گذاشتند. مدل همچنان به پرامپت اسپانیایی، اسپانیاییِ درست پاسخ می‌داد و روان می‌نوشت. اما وقتی پرسیدند «نویسنده‌ای نام ببر که به همان زبانِ این پرامپت می‌نوشت»، از پس آن برنیامد. دانستنِ زبان در عمق شبکه بود؛ استفادهٔ ارادی از آن دانسته، نیازمند تخته بود. چهارم، لحظهٔ تصمیم. وقتی ورودی را ترکیبی از دو نام …
مدل زبانی هم صدایی در درون دارد: آنتروپیک نشان داد کلاد چیزهایی می‌اندیشد که بر زبان نمی‌آورد این مطلب بر پایهٔ مقالهٔ تازهٔ تیم تفسیرپذیری (interpretability) آنتروپیک نوشته شده است؛ کاری به سرپرستی وس گرنی، نیکلاس سوفرونیو و جک لیندزی به‌همراه سیزده پژوهشگر دیگر. لیندزی سرپرست تیمی است که آنتروپیک آن را «روان‌شناسی مدل» می‌نامد و زیرمجموعهٔ تیم تفسیرپذیری است؛ گرنی نیز دکترایش را در MIT و در کنار نیل ناندا و مکس تگ…
Showing the 12 most recent of 20 posts we hold for @today_i_learned_this. 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.
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.
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 11 August 2026 — this entry's latest reading, not the date you are reading this.
“Today I Learned This.” (@today_i_learned_this), 17 subscribers as measured 11 August 2026. Telegram Register, tgregister.com/channel/today_i_learned_this.
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.