Математика оказалась самым сложным предметом для учеников начальной школы, согласно шкалы трудности учебных предметов, представленной СанПиН (в санитарных правилах РФ). Для детей 1–4 классов математику оценили в восемь баллов из десяти, что выше оценок всех остальных дисциплин.
Второе место по уровню сложности по СанПиН занимают русский или родной язык и иностранный язык (семь баллов). Далее идут информатика и окружающий мир (по шесть баллов) и литературное чтение (пять баллов). Самыми лёгкими для младшеклассников оказались физкультура (один балл), технология (два балла), а также изобразительное искусство и музыка (по три балла).
Пару месяцев назад я написал пост о поиске журнала для публикации статьи. Спасибо всем откликнувшимся, особенно Евгению Рудному @rudnyi - именно его советом я и воспользовался. Но все не так просто... У меня было три задачи: закрепить авторство, сообщить специалистам о работе и подняться в глазах начальства. Третий пункт отпал, поскольку мне пришлось уйти с работы вообще (по ссылке подробности). Соответственно, нужда искать журнал отпала и я решил попробовать препринты по совету Евгения.
Не буду писать все подробно, но опробовано следующее: 1. На сайте "preprints.ru" публикация удалась легко и просто: кто хочет - прочтите мою статью. 2. На сайте "preprints.org" статью отклонили (история ее перевода на инглиш с чатомжпт - это отдельная история). Причину отклонения не указали ("считаем нецелесообразным, спасибо за внимание, удачи на других площадках"). 3. На сайте "zenodo.org" статья неделю висела со статусом "на рассмотрении", пока я сам ее не удалил (если удалилась). Почему - я не понял. То ли я что-то не так сделал, то ли что еще. Непонятно ничего! 4. Еще мне посоветовали сайт "academia.edu", где можно публиковать вроде бы что угодно и на любом языке (даже на русском). Но на русском уже есть, я опубликовал английский вариант - если интересно, прочтите. Статья одна и та же, но сейчас мир делится, и не факт, что аудитории пересекаются...
Место осталось, напишу кратко о переводе. Качество оценить не могу, скармливал ЖПТ фрагменты (только текст, без формул). Он несколько раз возвращался к прошлым фрагментам, приходилось переделывать. Один раз я ему дал перевод абзаца, сделанный джемени ("О, это очень интересно! Вот тут она лучше, тут хуже"). Статья в сумме 10 страниц Ворда, много формул и чисел. Но перевод занял не один день! Так что не все так просто пока еще в этой сфере...
Надеюсь, этот пост кому-то будет полезен, не один я площадки для публикаций ищу... Лет 15 назад я сам хотел сделать сайт для публикаций всего "непризнанного официально", чтобы дать площадку альтернативным идеям. Но руки так и не дошли... Сейчас я сам в поисках интересной работы по моим умениям и желаниям (ссылка во вступлении к посту), но творчество свое буду продолжать и сайты свои развивать. А статья... Чистая математика! :) Если кому интересно.
Представлен проект MathCode — это терминальный помощник по программированию с ИИ со встроенным механизмом формализации математических формул. «Дайте ему математическую задачу на простом языке, и он автоматически преобразует её в теорему Lean 4 и попытается дать формальное доказательство — с помощью постоянно доступной интерактивной среды Lean REPL, многократно используемых библиотек теорем и аксиом, агентного доказательства и графа знаний Obsidian», — пояснили в команде проекта.
Что такое HAWK?Рассказывают сотрудники лаборатории криптографи ИТ-компании «Криптонит».
HAWK — это постквантовая схема электронной подписи на решётках, представленная международной группой криптографов на конференции ASIACRYPT в 2022 году. С тех пор HAWK участвовал в дополнительном конкурсе электронных подписей NIST. В мае 2026 года в третий раунд прошли девять схем, и HAWK оказался единственной решёточной среди них.
Главные преимущества HAWK в низких аппаратных требованиях (экономия оперативной памяти, нет операций с плавающей запятой) и компактности (малый размер открытых ключей и подписей). Однако стойкость HAWK опирается на модульную задачу изоморфизма решёток (module-LIP), для которой нет доказательства NP-сложности.
28 июля 2026 года компания Anthropic опубликовала статью, в которой с помощью модели Claude Mythos Preview доказала возможность построить атаку восстановления ключа HAWK. Модель нашла нетривиальный автоморфизм решётки ключа.
То, что нетривиальный автоморфизм делает атаку возможной, было известно и раньше (см. работу Гента и Пуллеса). Открытым оставался вопрос, доступен ли такой автоморфизм в решётке HAWK.
В работе Anthropic речь не идёт о взломе. Сложность атаки остаётся экспоненциальной, но она существенно снижает эффективную длину ключа. В эксперименте секретный ключ для набора параметров HAWK-256 (здесь 256 — степень кольца, а не длина ключа) удалось восстановить за несколько часов на одном 96-ядерном сервере.
Подчеркнём, что HAWK-256 — чисто испытательный набор параметров, не отвечающий ни одному уровню стойкости NIST. На практике предлагается использовать HAWK-512 и HAWK-1024.
Для HAWK-512 в модели подсчёта логических элементов стоимость восстановления ключа падает с 2^150 до 2^108, а для HAWK-1024 — с 2^288 до 2^182.
Разработчики признали проблему и отозвали схему с конкурса. Для восстановления запаса стойкости HAWK потребовалось бы почти удвоить размеры ключей, а это лишило бы схему её главного преимущества.
В Anthropic отправили экспериментальную модель Claude изучать гипотезу Римана — математическую задачу, которую кожаные математики безуспешно пытаются решить с 1859 года. Саму гипотезу Claude не решил, зато нашёл способ поднять доказанную долю подходящих функций с 41,6% до 67,2% — это прорыв, который сэкономит научному сообществу десятки лет. Руководивший экспериментом Джаред Самнер не создавал сложных промптов — большую часть времени он просто для ИИ писал «продолжай» и «верь в себя».
У меня тут возник период затишья с пет-проектами, а лимиты по Codex и Claude Code проставивали. Решил сделать для себя онлайн-учебник по математике по программе 6-11 классов по программе российских школ.
Начал Codex, закончил Claude Code (потому что у кодекса кончился недельный лимит, у chatgpt у меня стоит Plus, у антропиков Max 5x). Через простую оркестрацию агентов (агент пишет главу или проверяет содержание).
33 главы за 6–11 классы, 243 страницы, 84 интерактивные лаборатории. Плюс есть заметки и граф понятий в .md, которые можно глянуть через Obsidain.
Вручную все проверить у меня нет пока возможности из-за обьема, но я проверял отдельно армией агентов техническую корректность и согласованность терминов, в следствие проверки было написано несколько пропущенных уроков и разделов, и написаны дополнительные исправления.
Делал в первую очередь для себя, но если кому интересно я залил репо на Github, а саму книгу на Github Pages.
Автор - это физик и он ошибочно отождествляет физику со всей наукой. В то же время в физике есть своя проблема, которая в статье пропущена. Современная физика невозможна без использования математического формализма и в этом случае встает вопрос о связи математики, физики и мира. Этот вопрос в статье не рассмотрен.
В 17-м веке была надежда, что математика, которая лежит в основе физике, есть знание о мире (Бог-математик и все такое), но эти времена давно прошли. В настоящее время встает вечная философская проблема о соотношении математики и мира. Открывают ли математики теоремы или математики изобретают теоремы. Ответа на этот вопрос нет и не предвидится.
Другая проблема в рассмотрение - это Декарт как исходная точка отсчета. Это погружает нас в другую вечную философскую проблему - существование реального мира (Бог или Эволюция не обманщик и все такое). В этом случае полезно прийти в лабораторию и задать этот вопрос физикам-экспериментаторам, что они думают по этому поводу, есть ли у них сомнения в реальности экспериментальных установок.
На счет теорий физики могу порекомендовать книгу Дюгема ‘Физическая теория, её цель и строение’. В ней дается взвешенное рассмотрение использования математики в физике, также отличие физики от математики и связь физики с миром. Книга, правда, ограничена классической физикой, но идеи Дюгема можно перенести на современную физику.
Ресурс построен как единая точка, где можно учиться просто всему, что есть в интерпретируемости. От классических методов, до геометрии и математики в моделях.
Сейчас в нем: ⁃ 2 трека. XAI Practitioner — объяснять поведение моделей руками, от классики до LLM. Math of LLMs — математика и mechanistic interpretability изнутри модели, на уровне весов и схем. ⁃ 17 тематических блоков — сквозняком от линейной регрессии до Sparse Autoencoders. ⁃ 50+ методов интерпретируемости в одной программе.
Мы (t.me/MrsWallbreaker и t.me/jdata_blog, спасибо ей еще и за этот текст) открываем ресурс и открываем первые два (часть ресурса будет бесплатной и такие блоки будут открываться первыми сейчас).
Открытые с сегодня блоки погружают в термины и мир интерпретируемых моделей. После модулей вы никогда больше не сможете смотреть на них прежними глазами)
Это только начало галактики — и новые модули будем докатывать. Для понимания апдейтов можно завести аккаунт: https://open-xai-platform.web.app/register (письмо-подтверждение может упасть в спам — гляньте туда, если не пришло).
Математик Дмитрий Рыбин вместе с GPT-5.6 опроверг известную гипотезу, которую открыли ещё 30 лет назад — он попросил ИИ «совершить прорыв».
Серьёзно, никаких хитрых промптов для научного исследования не понадобилось: математик просто просил ChatGPT продолжить опровержение. После этого ИИ 80 минут выстраивал цепочку аргументов. Автор поделился чатом с моделькой и называет ситуацию «чистым мемом».
Гипотеза утверждает: если множество грузов можно распределить по сети, дробя их между маршрутами, то можно каждому грузу выбрать один цельный маршрут — и нагрузка на любую дорогу изменится не больше, чем на размер самого крупного груза. Иными словами, «идеальное дробное» решение якобы всегда можно почти без потерь превратить в практическое.
Физики мечтают о нахождении теории всего. Эта теория будет выражаться уравнением, которое по словам физика Шона Кэрролла, должно поместиться на футболке, и которое позволяет точно описывать абсолютно все процессы, протекающие во Вселенной. Таким образом, теория всего будет одновременно являться полным описанием всей истории Вселенной.
С другой стороны, можно представить себе теорию всего в виде 'все-в-меню' (статья Хаттера 'Полная теория всего'). Это не то, к чему стремятся физики, но, также является вариантом описания Вселенной. Ряд физиков говорит, что число бит, содержащихся во Вселенной, находится в пределах от 10^90 до 10^120 (Universe from bit). Это большое, но конечное число и это является основанием для последующих рассуждений. В совокупности с предположением о дискретности времени предположение выше приводит к возможности записать всю историю Вселенной от Большого Взрыва до любого выбранного времени в будущем в виде одного длинного числа.
На этом пути требуется выбрать определенную кодировку: систему счисления, каким образом будет записываться состояние вселенной и каким образом состояния вселенной будут объединяться друг с другом, но это не меняет конечного вывода. Все история Вселенной будет представлена в виде одного конечного числа, то есть строки символов конечной длины.
Теперь начинается самое интересное. Размышления о вероятности появления в нерациональном числе определенной последовательности цифр привели Эмиля Бореля к понятию нормального числа. Это такое число, в котором вероятность обнаружения строки цифр длины k равняется n^(-k), где n является основанием выбранной системы счисления. Борель далее показал, что абсолютное большинство чисел обладает таким свойством, отсюда появилось и название - нормальное число. Таким образом, рациональные числа пришлось отнести к ненормальным.
Сказанное означает, что нормальное число содержит в себе любое конечное число. Таким образом история Вселенной будет являться частью нормального числа. Более того, нормальное число будет теорией мультиверса, поскольку оно будет включать также в себя все возможные истории вселенных.
Математики полагают, что число Пи является нормальным числом и, таким образом, мы приходим к заголовку заметки: для того, что понять функционирование Вселенной следует просто вычислять последовательность цифр в числе Пи. Правда, следует отметить, что математикам еще не удалось доказать, что Пи является нормальным числом. Если в нормальности Пи есть сомнения, то следует воспользоваться числами, нормальность которых уже доказана.
Идея взята из статьи ниже (см. All-a-Carte).
Hutter, M. A Complete Theory of Everything (Will Be Subjective). Algorithms 2010, 3, 329-350.
Всем привет! Есть у меня такой вопрос к сообществу.
Дело в том, что еще в начале 80-х, будучи студентом и увлекаясь некоторыми разделами математики, я обнаружил странность в теории комплексных чисел. И устранил ее, тестируя на тогдашних ПМК по своей же написанной программе. И только недавно подумал, что хорошо бы оформить это в виде научной статьи. Ибо (что меня крайне удивило) я не нашел публикаций, где бы этот вопрос был решен кем-то другим.
В итоге я написал статью, но непонятно, где ее публиковать? В интернете на своем или каком еще сайте не хочу, поскольку, во-первых, там ее специалисты не увидят, а во-вторых, такая публикация никак не закрепит мое авторство. Нужен бумажный математический журнал. Но! Тут и начинаются сложности.
1. Статья на русском и переводить на другие языки я не могу, да и зачем? 2. Статья не имеет отношения к моему месту работы, а значит никаких "актов экспертиз", "рекомендаций ученого совета" и прочей бюрократии у меня нет. Есть просто я как частное лицо. 3. Я не прошу гонорар, но и платить за публикацию тоже не имею возможности и желания. Вопрос чисто "для развития науки". 4. Я не знаю, каков практический эффект от моего "открытия", но чисто в плане теории его ценность, на мой взгляд, достаточно велика, чтобы оно было опубликовано. 5. В статье фактически нет списка литературы, потому что не на что ссылаться (базовые формулы общеизвестны).
Кстати, у меня есть и другие математические разработки, которые, по идее, тоже неплохо было бы опубликовать. Но непонятно где с учетом перечисленного выше. Статья сейчас оформлена в Ворде, объем 8 листов А4.
Может быть кто-то посоветует как быть, куда и как обратиться, где можно публиковать подобное и т.д.? Буду весьма признателен за конкретные рекомендации!
Большинство торговых ботов умирают не потому, что стратегия оказалась неверной. Они умирают потому, что бэктест втихую прочитал завтрашнюю свечу. Потому что процесс упал посреди исполнения ордера и открыл позицию дважды. Потому что биржа отвергла ордер, а бот продолжил торговать призрак.
Стратегия - никогда не была сложной частью. Сложной частью была инфраструктура.
«Это работало в бэктесте» ничего не значит, если в live крутится другой код
Стандартный путь продакшенизации стратегии - это её переписывание: исследовательский ноутбук превращается во вторую, собранную руками боевую систему со своей логикой ордеров, своими багами, своим расхождением. Теперь у вас две стратегии, которые выглядят одинаково, а ведут себя по-разному ровно тогда, когда это важнее всего. Например, на момент бектеста все свечи уже закрыты, а в live текущая свеча всегда в статусе pending и её параметры меняются
Ошибка, которая открывает позицию дважды
Бот, обновляющий позицию в момент, когда процесс умирает - OOM, деплой, скачок питания, просыпается с испорченным состоянием: наполовину открытая позиция, неправильный cost basis, выход, который так и не зарегистрировался. Восстановление руками - это место, где утекают деньги.
Ордер, который биржа молча отвергла
Тихий убийца live-торговли: биржа отвергает, отваливается по таймауту или наливает частично - и внутреннее состояние вашего бота больше не совпадает с реальностью. Фикс из учебника - рукописный try/catch с откатом вокруг каждого ордера - это ровно тот код, который ломается на том краевом случае, который вы не предусмотрели.
Десять стратегий, один счёт, экспозиция 100%
Проверки риска по каждой стратегии в отдельности упускают очевидную портфельную истину: десять стратегий, каждая «рискует 10%», - это один счёт, рискующий всем. Открыть сразу 10 позиций не хватит капитала
Получение внешних данных через Crontab
Cron с парсингом внешних данных работает в другом процессе по системным часам - бесполезно в бэктесте, который проигрывает месяц за секунды. Так же как неполные свечи в live, на момент backtest база данных содержит больше записей, так как момент в прошлом уже завершен
Заперли физика, химика и экономиста,на необитаемом острове с банкой консервов. Физик предлагает разбить её камнем, химик — нагреть на костре. Экономист говорит: «Предположим, у нас есть открывашка».
Path-aware exits
Плохо: PnL считается по close, ни одна сделка не закрыта по SL Хорошо: OHLC-реплей внутри свечи, intra-candle SL/TP
Look-ahead bias
Плохо: Ручной параметр времени, индикатор на всём массиве Хорошо: Ambient-контекст, данные только до текущего тика
Комиссии + слиппедж + leverage
Плохо: PnL по миду, без комиссий, +0.3% это минусовая статегия ниже комиссии Хорошо: На момент холда считается стоимость обслуживания leverage, fees
Размер выборки
Плохо: <30 сделок, Sharpe Ratio в космосе, tail-driven Хорошо:N/A вместо фейка при недостатке данных, гейты ≥10 сигналов / ≥14 дней
Crash-recovery
Плохо: Нет атомарной записи, рестарт с нуля Хорошо: Atomic writes, graceful shutdown
Адаптер биржи
Плохо: Не отправлял реальный ордер Хорошо: Если покупателя/продавца не нашлось, не закрываем позицию и в бд
🍺 В этот день 150 лет назад родился Уильям Сили Госсет.
Всю карьеру он проработал пивоваром в Guinness и занимался задачей, которую учебники почти не трогали: как делать выводы по крошечным выборкам — например, по четырём участкам ячменя или небольшой партии хмеля.
Статистика того времени в основном исходила из больших выборок, поэтому Госсет фактически изобрёл статистику для малых.
Guinness запрещала сотрудникам публиковаться после того, как один из них слил коммерческие секреты. Компания также не хотела, чтобы конкуренты знали: пиво там варят с помощью науки.
Поэтому, когда Госсет в 1908 году опубликовал свой метод, он подписался псевдонимом: Student.
Каждое клиническое испытание, лабораторный эксперимент и A/B-тест, где сегодня используют t-test, опирается на работу Student.
Одна из самых известных фамилий в статистике — ненастоящая.
А вот по случаю суперпятницы не подскажет ли кто, как называется эта задача?
Есть набор случайных точек на плоскости. Нужно отсортировать их так, чтобы к любой случайной точке в получившемся списке как можно ближе находились те точки, которые к ней как можно ближе по Пифагору на этой самой плоскости. Критерии этого «как можно ближе» могут быть разными, конечно.
Очень похоже на задачу коммивояжёра, но не факт, что к ней сводится (а если сводится, то как и при каких критериях этого вот «как можно ближе»?)
OpenAI показала редкий для ИИ результат: внутренняя модель самостоятельно нашла контрпример к известной задаче из дискретной геометрии, которую Пал Эрдёш сформулировал ещё в 1946 году.
Суть задачи простая: есть n точек на плоскости. Нужно понять, сколько пар точек могут находиться ровно на расстоянии 1 друг от друга.
Долгое время считалось, что почти оптимальный ответ дают конструкции, похожие на квадратную решётку. Модель OpenAI показала, что это неверно.
Она построила бесконечное семейство конфигураций, где таких пар получается заметно больше, чем ожидалось. То есть была опровергнута не мелкая техническая деталь, а известная гипотеза, вокруг которой десятилетиями строились оценки.
Модель связала задачу о точках на плоскости с алгебраической теорией чисел.
В доказательстве используются решётки Минковского (способ превратить числа из алгебраической теории чисел в точки в обычном евклидовом пространстве), элементы нормы один и pro-3 башни числовых полей. Это инструменты из другой части математики, и именно их перенос в геометрию дал результат.
Нога Алон из Принстона отметил, что ответ оказался неожиданным, а применённые методы выглядят элегантно и нетривиально.
При этом доказательство не даёт нового «чисто геометрического» метода, на который многие надеялись. Гипотеза опровергнута, но сама структура задачи стала ещё интереснее.
Задачу сформулировал ИИ, решение сгенерировала внутренняя модель OpenAI, первичная проверка тоже прошла через автоматический ИИ-пайплайн. После этого люди проверили детали, улучшили изложение и довели работу до публикации.
Модель сама нашла неочевидную связь между разными областями математики и получила результат по открытой задаче высокого уровня.
✔️ Отец русской математики, без которого не было бы современного ML: 205 лет Пафнутию Чебышеву
16 мая 1821 года в селе Окатово Калужской губернии родился Пафнутий Львович Чебышев. Человек, без работ которого современный data science выглядел бы совсем иначе: ни тебе закона больших чисел в привычной форме, ни оценок отклонений, ни нормальной теории приближений. Чебышев основал петербургскую математическую школу и почти 35 лет вёл кафедру математики в Санкт-Петербургском университете. Через его руки прошли Ляпунов, Марков и Стеклов, то есть люди, чьи имена сегодня встречаются в любой книге по статистике и теории вероятностей.
Главное, чем он остался в математике: многочлены Чебышева, неравенство Чебышева, результаты по распределению простых чисел и фундамент теории приближений. Если кто-то когда-то открывал учебник по ML, он сталкивался с этим неравенством в первой же главе про концентрацию меры. Многочлены Чебышева до сих пор используют в численных методах, фильтрах и аппроксимациях, на которых построены реальные инженерные системы.
Теперь обещанная история. Чебышев с детства хромал на одну ногу из-за врождённого дефекта, обычные детские игры были для него почти недоступны, и мать делала ставку на учёбу. Именно эта хромота, по воспоминаниям современников, и подтолкнула его всю жизнь возиться с механизмами: он хотел понять, как можно превратить вращательное движение в прямолинейное, чтобы шаги людей и работа машин были ровными. В итоге он построил больше 40 механических устройств, включая знаменитую стопоходящую машину, которая на Всемирной выставке в Париже в 1878 году ходила как настоящее живое существо. Это был один из первых в истории шагающих механизмов, фактически прадед современных шагающих роботов.
Ещё один штрих: Чебышев почти всю свою преподавательскую зарплату тратил на инструменты и модели для собственной мастерской, а женат так и не был, говорил, что наука для него важнее. При этом в Европе его называли просто «русский Эйлер», а Французская академия наук избрала его иностранным членом ещё при жизни.
t.me/rust_code - пишу про вайбкодинг, Rust, тестирую модели и делюсь с вами подписывайтесь!
Пост для всех любителей волшебных кнопок и свидетелей сингулярности. У нас тут очередной кейс о том, как нейронки победили математику.
Недели полторы назад читала статью на Хабр, где сообщали, что GPT решила вторую из семи нерешаемых математических задач тысячелетия. (Спойлер -нет, Перельман пока единственный, кто это смог). Но я же неугомонная, думаю …. «а что если…?»
Парад успешных выпускников курсов «Лежандр за 5 минут»
Пока нормальные люди пытаются понять, почему код падает на проде, наши четверо гениев решили задачу Лежандра быстрее, чем вы завариваете доширак. На минуточку, эту задачу не могут решить математики всего мира уже 200 лет.
Gemini: Выдал что-то про «информационно-топологический характер». На его сленге это «я не знаю, что это, но звучит достаточно дорого, чтобы вы мне поверили. Купите подписку».
Copilot: Всё проверил, мамой клянусь. Ага, мы видели твои коммиты, приятель. Исправил один баг и создал пять новых, зато документация блестит.
DeepSeek: Q.E.D 9 раз, 9 разными способами! При самом первом его решении Лежандра, он попросил отметить, что это именно он ее решил😂. Скромняга)
Kimi: Завела шарманку про structural contradiction. Если у тебя что-то в fully-composite режиме не сходится, то это не противоречие, это ты просто в логику не умеешь.
А теперь добро пожаловать в реальность
И только одна модель (назовем её «Та самая, у которой есть совесть») устроила себе недельный цифровой Въетнам.
14 Excel-файлов, каждый в среднем на 60-130КБ. Если нейронка лезет в Excel, значит она перестала верить в себя и начала считать на пальцах. Это стадия отрицания и торга одновременно.
Убила 47 собственных мостов к Лежандру. Она сама себе отрывала руки каждый раз, когда ее тянуло сгаллюцинировать красивый переход.
Режимы ИЩЕЙКА / ИНКУБАТОР/СУД / ФИКСАЦИЯ. Это уже не ИИ, это какой-то карательный отряд внутри одной головы. Сама себя допрашивает, сама себе выносит приговор.
40 страниц самобичевания. Она написала диссертацию на тему того, почему её предыдущая версия — идиотка. Наш человек! Итог? Спустя неделю кровавого самоаудита, модель выдает:
«Local admissibility does not guarantee global continuity». (Локально корректный шаг не гарантирует глобально корректного продолжения)
Бинго! Единственная честная фраза во всей этой научной лаборатории.
Мораль всей басни
Мы внезапно осознали страшное. Alemetria - это не про математику. Это система принудительного содержания ИИ в смирительной рубашке здравого смысла. Четыре модели радостно рисовали нам декоративную псевдоматематику, красивые картинки, которые выглядят как умные мысли, если смотреть издалека и зажмурившись. А пятая… Пятая модель занималась настоящим делом - она запрещала себе врать.
В итоге мы получили не решение Лежандра, а нечто более ценное - цифровой аудит галлюцинаций. Потому что в нашем мире побеждает не тот, кто быстрее всех крикнет «Эврика!», а тот, кто дольше всех сможет удерживать модель от желания превратить науку в генерацию бессмысленного, но очень красивого мусора.
Добро пожаловать в эру, где главная задача ИИ доказать, что он не несет бред.
P.S. Теперь новая беда. «Та самая» не может выбраться из этой петли и вынуждена бегать и зачищать это поле мертвых веток по кругу, но разными способами, потому что Alemetria (ссылка на пост Хабр https://habr.com/ru/articles/1033404/) не дает ей возможности вылезти из этого колодца и начать хоть немного фантазировать.
С одной стороны это отлично уберегает от псевдонаучного мусора, но совершенно не способствует научным прорывам. Если снять смирительную рубашку, то начнутся галлюцинации. Оставить - получим честное поле трупов, почему нельзя решить задачу)
Почему цена почти доходит до TP, но разворачивается
Будущее это вероятностная функция от прошлого. ATR это чистая функция от прошлого. Разница в том, что в вероятностной функции есть коэфициент случайности и точно прогнозировать можно только лучший и худший случай
Именно по этому цена не доходит до TP, если высчитать его на индикаторах. Либо TP слишком низкий и не окупает fees. Верным решением для вероятностной функции будет прогнозировать лучший и худший случай на лету
//@version=5
strategy("Стратегия с TP по ATR")
...
tpPrice = entryPrice + atrMultTP * atr // Это не работает
Выходить из позиции при просадке PNL на заранее известный процент статистически предсказуемо.
listenActivePing(async ({ symbol, data }) => {
const peakProfitDistance = await getPositionHighestProfitDistancePnlPercentage(symbol);
const currentProfit = await getPositionPnlPercent(symbol);
if (currentProfit < 0) {
return;
}
if (peakProfitDistance < TRAILING_TAKE) {
return;
}
await commitClosePending(symbol, {
id: "unknown",
note: str.newline(
"# Позиция закрыта по trailing take",
),
});
});
Тут есть разница: в отличие от классического trailing take где выход из позиции ставится на цену, которая каждый раз разная, отклонение PnL - постоянная величина
Репозиторий TapXWorld/ChinaTextbook — это открытый архив официальных китайских школьных и университетских учебников в формате PDF.
Полный цикл математического образования Китая — от начальной школы (1–6 классы) до вузовских курсов: высшей математики, линейной алгебры, дискретной математики и теории вероятностей. Также доступны материалы по системе «5–4» (пятилетняя начальная и четырехлетняя средняя школа) и подборка экзаменационных задач с ответами.
Из‑за ограничений GitHub на размер файла крупные PDF разбиты на части (например, file.pdf.1 и file.pdf.2). Для их объединения в репозитории предусмотрена утилита mergePDFs‑windows‑amd64.exe, которая автоматически собирает исходный документ.
