Поисковая выдача по запросу «chrome extension for cheating in chess» переполнена. Инструментов для нечестной игры — десятки.
Но стоит инвертировать пожелание и поискать плагин для защиты — не найдется почти ничего. Кроме расширения, о котором сегодня пойдет речь. Ну, возможно, еще нескольких старых приложений, показывающих базовую статистику.
Удивительный дисбаланс, не правда ли?
Где‑то полгода назад я в комментариях писал что «через пару недель» протестирую К1921ВГ015 и выложу результаты. Пара недель прошли, кроме меня никто этим не занялся, так что исправляем ситуацию как можем! В программе: мотивация создать свою собственную отладочную плату, краткий обзор существующих и тесты АЦП с подручным оборудованием.
Команда Nof1 представила публичную версию Alpha Arena — бенчмарка, в котором популярные ИИ торгоуют криптовалютой. В бенчмарке участвуют такие ИИ как GPT-5, Gemini 2.5 Pro. Claude Sonnet 4.5, DeepSeek V-3.1, Grok 4 и Qwen3. На старте каждая модель получила 10 тысяч долларов реальных денег, которые может вкладывать в сделки с криптовалютой. Судя по анализу логов, в торговле модели полагаются на технический анализ и не ориентируются на новостную повестку, которая также может влиять на курс криптовалют.
Почему REST API не подходит для общения микросервисов?
Разбираем на примере интернет-магазина, как Kafka решает проблемы синхронной коммуникации, масштабирования и отказоустойчивости.
Простыми словами о топиках, партициях, consumer groups — для начинающих разработчиков.
Как устроен формат кодирования с плавающей точкой, что он из себя представляют и где может использоваться.
AI давно обещает избавить менеджеров от рутины, но делает ли он это на самом деле?
Я проверила 10 систем управления проектами — от таск-трекеров до больших платформ — и посмотрела, где искусственный интеллект работает лучше людей.
Подобно тому, как созвездие Андромеды знаменито своей галактикой, а созвездие Ориона — одноименной туманностью, примерно так же созвездие Геркулеса в среде любителей астрономии в первую очередь ассоциируется с роскошным шаровым скоплением Messier-13 — самым ярким из подобных вселенских структур, расположенных в пределах северного небесного полушария (тут надо признать, что в южном небесном полушарии есть шаровые скопления существенно более яркие, но это не умаляет интереса к Объекту сегодняшнего рассказа).
Как убедить заказчика отказаться от Excel, зачем архитектору опыт кодинга и почему эволюция ПО похожа на эволюцию живых существ? Опытный архитектор отвечает на вопросы коллег-айтишников.
Привет, Хабр! Меня зовут Дмитрий Овчаренко, я технический директор департамента разработки для финансового сектора IBS, более десяти лет создаю сложные ИТ-решения для лидеров рынка, а также преподаю в Учебном центре IBS.
Недавно мы провели внутрикорпоративный эфир Ask Me Anything («Спроси меня о чем угодно»). Коллеги могли задать любой вопрос о работе архитектора ПО. В этой статье поделюсь самыми интересными и неожиданными из них.
Архитектурный промт — это структурированный шаблон запроса, который задает AI определенную логику обработки информации через явные инструкции и последовательности действий.
Базовое строение:
[КОНТЕКСТ] → [ЦЕЛЬ] → [МЕТОДОЛОГИЯ] → [ЭТАПЫ] → [ТРЕБОВАНИЯ] → [ФОРМАТ]
Помню тот момент, когда я в очередной раз пытался вытащить конкретную спецификацию из стопки PDF‑отчетов. «Вот бы ИИ мог сам в этом покопаться», — подумал я. Это чувство знакомо многим, кто работает с большими массивами текстовой информации.
Тогда я и решил, что хватит это терпеть. Последующий день превратился в марафон по установке и настройке RAG (генерация с дополнением извлеченной информацией). Это был путь проб и ошибок, который в итоге увенчался успехом. И теперь я хочу поделиться этим опытом с вами.
В этом материале мы:
• Пошагово установим rag_api в уже развёрнутый LibreChat;
• Воспользуемся Python 3.12, PostgreSQL 17;
• В командной строке соберём PostgreSQL‑аддон pg_vector через x64 Native Tools Command Prompt for VS 2022;
• Протестируем RAG‑систему 20 вопросами к вымышленной документации, сгенерированной в Gemini 2.5 Pro;
• Узнаем, во сколько раз медленнее запускать через CPU, чем через GPU.
В прошлых частях нашего цикла мы проследили историю пасты в Италии с момента первых упоминаний до наших дней — а также узнали о том, как макароны попали в Российскую империю и понемногу покорили сначала дворян, а затем и более широкие слои её жителей. Теперь мы добрались до истории макаронных изделий в СССР и постсоветской России, и попробуем разобраться: зачем советское руководство в конце 20-х годов стало усиленно развивать производство макарон, как к ним подходили советские кулинарные книги, когда возникли макароны по-флотски, и побежали ли они на всемирной выставке в Италии? Но сначала ненадолго вернёмся в XVIII век и узнаем, как в появлении макарон в нашей стране умудрились поучаствовать ещё и масоны.
Речь идет о диагностированном специалистом конкретном расстройстве. Психика остается деликатным образованием и каждый, кто в этом заинтересован, может с лёгкостью прикрываться синдромом, продолжая вести себя по-хамски. Здесь же речь пойдет о том: какие вообще есть сильные стороны у СДВГ, почему о них никто не говорит, и на что ориентироваться человеку с таким диагнозом?
ИИ сегодня легко справляется с текстом, картинками и даже видео — кажется, ничто не способно его остановить. Но вот парадокс: когда дело доходит до прогнозирования временных рядов, где мы ожидаем от моделей почти волшебства, простая старая линейная регрессия всё ещё регулярно обыгрывает модные трансформеры. Почему сложные нейросети так часто уступают классике — даже когда вроде бы должны показать класс?
Новое исследование переворачивает привычное представление: оказывается, размер и глубина модели сами по себе не гарантируют прорыва. На временных рядах даже самые изощрённые схемы внимания не могут обработать данные лучше, чем линейные методы. А увеличение слоёв или длины истории, вопреки ожиданиям, лишь медленно сокращает отставание.
В этой разборчивой работе показано: понять, как модели учатся и где проходит граница их возможностей — критически важно для всех, кто строит или применяет ИИ в реальных задачах. Разбираемся, почему иногда лучше довериться старым добрым формулам и что это значит для будущего ИИ-прогнозирования.
Аннотация. Статья посвящена анализу этически вызовов, возникающих при интеграции систем искусственного интеллекта (ИИ) в промышленность. На основе ключевых международных и национальных документов — Рекомендации по этике ИИ ЮНЕСКО, Спецификации этики искусственного интеллекта нового поколения Китая, Закона Европейского Союза об искусственном интеллекте и российского Кодекса этики в сфере ИИ — рассматриваются основные риски и принципы, которые должны лежать в основе проектирования, внедрения и эксплуатации промышленных ИИ-систем на всех этапах их жизненного цикла. Особое внимание уделяется вопросам безопасности, прозрачности, объяснимости и подконтрольности человеку промышленных ИИ-систем в контексте Индустрии 4.0.
Введение.
Искусственный интеллект (ИИ) становится неотъемлемой частью современной промышленности, открывая новые возможности для повышения ее эффективности, снижения затрат и улучшения качества выпускаемой продукции и услуг. Однако внедрение ИИ также поднимает важные этические и регуляторные вопросы, которые необходимо учитывать для обеспечения ответственного и устойчивого использования прорывных технологий [[i], [ii]].
На сегодняшний день, цифровая трансформация промышленности, или Индустрия 4.0, немыслима без использования искусственного интеллекта. Алгоритмы машинного обучения оптимизируют производственные процессы и цепочки поставок, системы компьютерного зрения контролируют качество продукции с точностью, недоступной человеческому глазу, а прогнозируемая или предписывающая аналитика предсказывает вероятные отказы оборудования за дни или недели до их наступления, предотвращая многомиллионные убытки и техногенные катастрофы.
Магнитно-резонансная томография — процедура, которая зачастую пугает не только детей, но и взрослых. Бывает так, что без нее не обойтись, поэтому компания LEGO решила помочь детям и создала конструктор в виде МРТ-сканера.
Plain Text vs XML or Markdown: на чём писать промпты для ИИ‑кодера?
Структура — это новый язык общения с ИИ. Особенно когда дело касается кода.
Есть миф: чтобы попросить ИИ написать код, достаточно набросать запрос в чат «как есть». Plain text, без правил. Сработает? Иногда. Будет эффективно? Редко.
Почему ИИ «понимает» структурированный промпт (с тегами, отступами, чёткими блоками) лучше, чем простой текст?
Недавно увидел на просторах телеграмма заметка о том как решать алгоритмические задачи на деревья. Вспомнил, что в свое время у меня тоже были некоторые наработки, при этом они непохожи на то что описывается по умолчанию в статьях и курсах. Поэтому делюсь ими с вами и очень рассчитываю на ваш фидбэк, вдруг вам эта информация пригодится во время подготовки к собеседованиям.
Проект Яндекс Практикума и Кинопоиска в честь выхода сериала «Кибердеревня»
Что, если бы вы жили в «Кибердеревне» — мире, где технологии соседствуют с деревенским бытом? Вместе с Кинопоиском сделали мини-тест, который перенесёт вас во вселенную сериала и покажет, кем вы могли бы стать среди роботов и бескрайних лугов будущего.
Неважно, фанат вы «Кибердеревни» или слышите о ней впервые — тест создаёт собственную историю, где всё зависит от ваших ответов. Шесть коротких вопросов — и вы узнаете, какая профессия будущего ближе именно вам.
Все мы видели, как нейросети рисуют крокодило бомбардино и балерин-капучино. Но я хочу рассказать, как нейросеть помогла с реальным бизнес процессом.
Это история о том, как я написал полноценную CRM-систему с помощью ChatGPT, работая обычным менеджером по работе с заказчиками.
В статье рассматривается создание кластера Patroni и etcd в одной виртуальной машине в контейнерах docker. Приводится пример, когда Patroni не будет автоматически восстанавливать кластер PostgreSQL.
Patroni в докере
Задача запуска Patroni в докере обсуждалась на реддит и гитхаб. Приводился пример наиболее простой сборки batonogov/patroni-docker, которая состоит из 7 контейнеров: трёх с кластером etcd и трёх с PostgreSQL 17 под управлением Patroni (мастер и две реплики), один контейнер с HAProxy.