Все потоки

Выпуск 449

Открыта интересная планета с рекордными характеристиками. Открыта методом транзитов, но потом удалось измерить вариацию лучевой скорости звезды и детально изучить саму звезду и особенности транзитов.

Итак, планета имеет орбитальный период 105 дней и массу менее 30 земных. Пекулярны две характеристики. Во-первых, орбита полярная, т.е. ее наклон к экватору звезды почти 90 градусов. Во-вторых, планета имеет очень низкую среднюю плотность (менее 0.3 от плотности воды). Т.е., она "раздутая" - радиус определяется очень протяженной атмосферой. Это необычно для планет, находящихся так далеко от звезды.

Объяснение этого, скорее всего, связано с составом: очень большая (для такой массы, это ведь не гигант!) доля водорода и гелия. Также отметим относительную молодость планеты. Возраст оценивается не очень точно: от 200 миллионов до 1.5 миллиарда лет. Ожидается, что будущие наблюдения на JWST помогут определить состав атмосферы и лучше разобраться в физике этого необычного объекта.

Это новая часть серии статей о разработке медицинского устройства фотобиомодуляции. В ней расскажу о нашей проблеме литья пластиковых корпусов, стоимости производства и технических решениях, которые мы приняли по ходу работы.

На связи Анатолий Шостак - проверятель сжигатель стартапов. Продолжаю делиться итогами проверки гипотез создания для бизнеса. Сегодня поделюсь рассказом о ценности ещё одного «провального» проекта. Это пошаговая история о том, как мы с командой прошли полный, но короткий путь от яркой идеи до ее осознанного закрытия, и почему я считаю это большим успехом.

Порядковый номер проекта: 19
Название проекта: Видеоролики для риэлтеров созданные из фото.
О чём проект: создаём для риэлтеров сервис, который будет делать для них видео из итоговых фотографий недвижимости.
Дата теста: сентябрь 2025
Статус: Закрыт.

На Хабр Карьере запустился первый карьерный онлайн-фест, и эта статья про то, как он вообще появился: с какой задачи все началось, как рождалась креативная концепция, как она трансформировалась, и как из гугл-дока вырос такой большой движ.

Я расскажу максимально приземленно: покажу контекст, куски внутренних документов, ссылку на саму концепцию, немного черновиков и мои мысли изнутри. Основной фокус статьи будет на том, как придумываются и пишутся такие проекты, как идея ищет форму, проходит через сомнения и постепенно превращается в готовый продукт.

В этом посте пойдет рассказ о ToF-датчиках, которые мы с моей командой пытались обуздать чуть более недели. На рынке большое количество различных датчиков расстояния, их вариаций и модификаций. От ультразвуковых датчиков HC-SR04 мы решили сразу отказаться, так как нам нужна была максимальная точность и стабильность измерений.

В прошлой статье был рассмотрен процесс создания без стековых сопрограмм на основе библиотеки прото потоков. При этом вся работа по хранению состояния сопрограммы и сохранению ее параметров полностью ложится на плечи программиста. В данной статье я хочу рассказать о том, как можно автоматизировать выполнение этих задач при помощи стековых корутин, рассмотрю 3 способа передачи управления от одной сопрограммы к другой, и опишу с  какими проблемами приходиться сталкиваться при создании стековых корутин. Продолжим писать на языке Си и добавим ассемблер.

Для начала вспомним сопрограмму для вычисления чисел Фибоначчи, рассмотренную в предыдущей статье. Для её корректной все переменные, необходимые для работы алгоритма, а также состояние выполнения сопрограммы приходилось хранить в отдельной структуре, передаваемой сопрограмме в качестве параметра. Теперь я хочу избавиться от этой структуры и хранить состояние корутины при помощи локальных переменных, как это делается в обычных функциях. Функции хранят локальные переменные в стеке, следовательно, нам также нужен стек.

Под обычной я подразумеваю функцию, определённую синтаксисом языка, с указанием возвращаемого типа, имени функции, а также её параметров.

Однако, использовать стек как это делается в обычных функциях мы не можем из-за того, что сопрограмма должна приостанавливать свое выполнение и передавать управление вызывающему коду, а при повторном вызове продолжать свою работу. 

Обычная функция в Си передает управление вызывающему коду при помощи оператора return. При этом область стековой памяти, хранящая локальные переменные, больше не принадлежит функции. 

Я построил полноценную образовательную платформу для изучения иврита — с интерактивными тренажерами, умным словарем на 4000+ слов и системой подписок. В статье рассказываю о нетривиальных технических решениях, архитектурных выборах и ошибках, которые пришлось исправлять по ходу.

Продукт: hebrewglot.com

Стек: Next.js 15, TypeScript, PostgreSQL + SQLite, Stripe, NextAuth

Привет, Хабр! С вами Матвей Шелухан и Тимур Мамедов из команды распознавания силуэтов в Tevian. Сегодня поговорим про метрики в задаче трекинга объектов, которая по праву считается одной из самых сложных в компьютерном зрении. Когда мы только приступали к её изучению, то принялись разбирать, какие есть датасеты, бейзлайны и метрики для оценки качества построенных траекторий. Будем честны: последнее было одним из самых сложных. Во-первых, метрик в рассматриваемой задаче довольно много, и ни одну из них не встретишь в стандартном курсе по машинному обучению. Во-вторых, в каждую из них порой сложно въехать, пока не придумаешь конкретные примеры (да, поэтому в этой статье будет много примеров). И, наконец, практически каждой посвящена отдельная научная статья, поэтому всю информацию приходилось собирать по крупицам. Кроме того, в процессе изучения литературы мы поняли, что универсальной метрики в данной задаче нет, поэтому для оценки качества алгоритмов необходимо смотреть на целый комплекс показателей. Данная статья будет полезна тем, кто занимается (либо просто интересуется) задачей трекинга и хочет понять, как устроены метрики оценки качества алгоритмов её решения. Как вы уже могли догадаться, мы за вас собрали всю нужную информацию в одну статью. Поехали!

На высоких конференциях и форумах говорят о цифровой трансформации, бизнес-форумы обсуждают автоматизацию и оптимизацию, на конференциях разбирают высоконагруженные системы и экономику данных под красными, зелёными, синими узнаваемыми логотипами.

Между тем, малый и средний бизнес просто работает, редко обсуждая проблемы и всё чаще разыскивая решения. Хороший, понятный и доступный софт для такого бизнеса — удачная находка. Прежде всего потому что это история про эффективность, то есть возможность сократить затраты, увеличить показатели, в итоге получить результат, который устроит всех.

Особенно такой подход важен для сотрудников, которые напрямую влияют на доходность компании и от которых зависит репутация — весомое конкурентное преимущество на рынке, где цена уже практически не играет значения. В первую очередь, речь идёт о сервисных подразделениях, сотрудники которых работают вне офиса и сталкиваются со всяким-разным: от проблем с безопасностью до беспочвенных обвинений клиентов и недобросовестных коллег, которые умудряются решать свои дела или левачить, тем самым отбрасывая тень на всех.

Традиционные методы, основанные на устных отчетах, бумажной документации, да даже на электронных таблицах, давно исчерпали себя, создавая «слепые зоны» в операционной деятельности, которые прямо влияют на скорость выполнения заявок, удовлетворенность клиентов и, как следствие, на общую рентабельность бизнеса.

Поставляя компаниям CRM-системы, мы видели, что компании нуждаются в хорошем комплексном решении для управления выездными сотрудниками. Так появился наш GeoMonitor, о котором мы сегодня расскажем максимально подробно.

Когда мы пишем запрос, СУБД делает гораздо больше, чем просто ищет данные. Она оценивает десятки сценариев выполнения, сравнивает стоимость операций и выбирает оптимальный путь к результату. От этого выбора зависит, будет ли запрос выполняться секунду или минуту. Почему одни системы находят лучший план, а другие выстраивают менее эффективный алгоритм? Попробуем разобраться, как планировщики СУБД принимают решения и что определяет их эффективность.

Привет, Хаброжители!

Учитесь, вдохновляйтесь и совершенствуйтесь с лучшими книгами мира программирования и технологий из серии Manning — заказывайте сейчас по привлекательным ценам!

Не надо бояться «простыни» текста, если там всё по делу.

В моем бюро мы помогаем предпринимателям рассказывать о себе — собираем тексты для сайтов, презентации, берем интервью. Но самый частый запрос — это кейсы, то есть истории-отчеты о том, как решали определенную задачу. 

Другие форматы контент-маркетинга приносят лидов и деньги не так быстро: можно делиться своими идеями в блоге много месяцев, пока не сработает накопительный эффект. А когда пишешь кейс, результаты почти мгновенные: люди читают и говорят «Сделайте мне так же». Но это если по кейсу понятно, что конкретно вы сделали и почему это было хорошим решением. 

Расскажу пару приемов, как сделать ваши кейсы понятными и интересными.

Привет, Хабр!

Представим, что вы отвечаете за десятки конфигурационных файлов Kubernetes (или Terraform, Ansible, не суть важно) в репозитории, и каждый pull request может потенциально привести к тому, что в кластер уйдёт что-то не то. Наш любимый коллега случайно поставил контейнер с privileged-правами, другой задеплоил образ из публичного репозитория Docker Hub, а третий вовсе забыл про лимиты памяти и CPU. Без автоматического контроля такие промахи легко попадут в продакшн. Ошибки в настройках сегодня одна из главных причин инцидентов безопасности в облачных средах.

Как же нам держать всё под контролем? Внедрить политики как код: формализованные правила, проверяемые автоматически на каждом шаге. В этой статье я расскажу, как применять Open Policy Agent и язык Rego, чтобы навести порядок в GitOps-пайплайне и не допускать лишнего в конфигурациях.

В наших текущих реалиях требования к роутеру могут быть очень высокими, недостаточно просто «выпускать устройства в интернет». Я хотел выделить сервера в отдельную подсеть, поднять VPN для доступа к устройствам за пределами дома, срезать рекламу на обделенных адблоком устройствах, а дальше хотелки только росли.

Примерно оценив количество хотелок, прикинув количество ресурсов с учетом запаса на будущее и моей недальновидности, а также увидев цены на MikroTik hAP ax³, я подумал: «а почему бы не взять пассивный мини‑пк за ту же сумму и получить в разы более мощное железо?», а следующая мысль была «а чего это железо такое мощное будет пустовать? Пусть еще виртуальную мелочевку на себе тащит, ресурсов хватит».

Недавно у Земли появилась седьмая подтверждённая квазилуна. Это 2025 PN7 — маленький астероид типа «аполлон», обнаруженный гавайским телескопом Pan-STARRS 1 лишь благодаря его яркости.

Проанализировав его траекторию, астрономы пришли к выводу, что объект поддерживает с Землёй резонанс 1:1. Иными словами, он совершает оборот вокруг Солнца за то же время, что и наша планета. Из-за такой синхронности издалека кажется, как будто Землю сопровождает крошечный астероид и у неё есть дополнительная луна.

В отличие от лун, квазилуны не привязаны к Земле гравитационно. В космологической терминологии они считаются эфемерными спутниками, следующими собственным путём вокруг солнца. Они настолько приближаются, чтобы казаться гравитационно привязанными, только в определённые интервалы времени. В случае 2025 PN7 минимальное расстояние равно 299 тысячам километров, а самая дальняя точка находится в 17 миллионах километров. Для сравнения: Луна остаётся от Земли на среднем расстоянии 384 тысячи километров.

Микротомография удивляет своей гибкостью и широтой сфер применения. В предыдущих статьях серии мы только прикоснулись к методу.

Предлагаю погрузиться глубже в сумрачный мир археологии, палеонтологии и естественных наук: посмотреть интересные картинки из могильников и погребений, пощупать саблезубого котенка, погадать на тему ритуалов скифов.

И да, помним что внутри будут фотографии человеческих останков, еще есть время закрыть страничку ;-)

Привет, меня зовут Степан Золотухин, я разработчик в Битрикс24. Моя команда работает над такими продуктами, как Почта, Маркетинг, Структура компании, Подписание, CRM-Формы и Бизнесс процессы.

Так как наш продукт необходимо рекламировать, ну а наших пользователей своевременно оповещать о новинках и различных ивентах, наша команда маркетологов отправляет каждый день огромное количество различных писем.

В дефолтной конфигурации отправка идёт нативным PHP через функцию mail() (если у отправителя не задан SMTP). Дальше всё идет в инфраструктуру пользователя (exim, sendmail, postfix И так далее)
Это просто и надёжно, но скорость отправки упирается в ограничения при отправке в один поток.

Эпоха больших языковых моделей (LLM, Large Language Model) снова и снова ставит перед нами вопрос о том, что отличает великую прозу от просто хорошей.

Отвечая на этот вопрос, обычно довольно расплывчато рассуждают о «стиле»: о неуловимом, мистическом качестве, которое свойственно таким людям, как Хемингуэй, Вулф или Вудхаус. Это — как один судья сказал о порнографии: мы узнаём её, когда видим. Мы способны узнать стиль текста, мы даже можем его сымитировать. Но можем ли мы его измерить? Можем ли мы создать для него производственную функцию?

Большинство современных LLM выдаёт хорошие тексты. Даже — грамотные. Но — тексты это стандартные. Стилистически безвкусные. И что — так будет всегда? Этот вопрос меня тревожит с тех самых пор, как я начал пользоваться LLM. Они созданы из слов, и при этом не могут как следует словами пользоваться. Почему мы не способны создать ИИ, который пишет хорошие тексты?

Тут совершенно естественным образом возникает такой вопрос: можем ли мы задать какие-то (или хоть какие-нибудь) количественно измеримые, эмпирические «сигнатуры» хороших текстов? Если это возможно — значит такие вот «характеристики» можно использовать для обучения моделей, которые смогут лучше писать. Так случилось, что этот вопрос завёл меня, так сказать, в кроличью нору, породив проект, который я называю Horace.

Я выдвинул гипотезу, в соответствии с которой, приближённо говоря, волшебство текстов, написанных людьми, уместно сравнивать не с понятием «статистическое среднее», а с понятием «дисперсия». Полагаю, эту мысль нельзя назвать строгим правилом, но она, как мне кажется, ближе к истине, чем альтернативные идеи. Магия человеческих текстов заключается в осознанном, целенаправленном отступлении от ожидаемого. Речь идёт о ритме (rhythm), о темпе (pace), о музыкальности (cadence) текста.

ИИ становятся все умнее, но когда дело доходит до практического применения, энтузиасты и ученые обнаруживают, что некоторые ИИ-модели не справляются с отдельными задачами. 

Казалось бы, мы все время увеличиваем размеры моделей; посмотрите только на LLM которые сжигают все больше энергии, чтобы получить крошечное улучшение производительности на некоторых задачах, сохраняя при этом уязвимость ко всем видам атак. Однако по мере того, как растет стоимость, растут и требования к их надежности и стабильности.

Вот неожиданный поворот: недавние исследования показывают, что успех ИИ-систем часто определяется не размерами моделей, а тем, как различные модели объединяются или, что еще более важно, как они приходят к консенсусу или «договариваются» между собой. Фактически, небольшой рой разнородных ИИ-моделей, который умеет сравнивать решения между собой, часто может превзойти отдельную большую модель и, как правило, гораздо более устойчив к промт-инъекциям и другим видам атак.

Итак, как устроена эта коллективная мыслительная система и почему организации, стремящиеся создать децентрализованный ИИ, могут обратить на нее внимание?

• Инопланетные миры, возможно производят воду самостоятельно

• Учёные заинтригованы радиосигналами, поступающими с кометы

• Учёные придумали, как заглянуть за стену света, которой является реликтовое излучение

• Европа моделирует катастрофическую солнечную бурю, чтобы предупредить о реальных рисках

• Учёные обнаружили странные огни в небе на фотографиях, сделанных до запуска первых спутников, которые группировались вокруг мест испытаний ядерного оружия