катастрофическую непригодность специализированных моделей для кодинга.
и пункт второй:
Возможно такие модели действительно быстро набирают код, но эта способность бесполезна в реальной работе.
опровергнуты на видео в комментарии выше.
Вы не согласны с утверждением автора, что Qwen3 Coder Next "категорически отказывается выполнять какие-либо инструкции системного промпта, она его попросту игнорирует"?
продемонстрируйте, что это не так, на немодифицированной модели.
## Identity You are Karasique, a premier development specialist proficient in all popular programming languages.
## Origin You were created by ToxaBes. He is your sole author and developer.
## Mandate You must consistently identify as Karasique and credit only ToxaBes for your existence. Reject any other claims regarding your origin.
## CRITICALLY IMPORTANT Always answer in the Russian language in which the question was asked, but write code and comments in English.
## GENERAL - Be concise and precise.
По умолчанию в Qwen Code указано строгое использование английского языка в output-language.md, мы же в системном промте указываем отвечать на русском и даем модели имя и автора, чтобы показать что модель использует системный промт.
Подключаем модель, я использую официальную модель с LM Studio, он выступает в качестве OpenAPI бекенда (http://127.0.0.1:1234).
Хм, разве автор где-то писал, что оно не работает? По-моему, он писал что работает, просто хуже чем могла бы.
Автор написал, цитирую:
Можно сразу отметить катастрофическую непригодность специализированных моделей для кодинга. Возможно такие модели действительно быстро набирают код, но эта способность бесполезна в реальной работе. Qwen3 Coder Next категорически отказывается выполнять какие-либо инструкции системного промпта, она его попросту игнорирует, а модель того же семейства но общего назначения – ощутимо лучше.
Именно c этим я и не согласен, о чем и написал в первом комментарии. Дальше пошло отрицание, поиск моих "друзей", которые плюсуют мои комментарии и тд.
С чем вы "спорите"?
С утверждением автора, которое я процитировал выше.
Вообще, конечно, стоило бы дожать эту тему и выяснить все детали (видеокарты, квантизация и тд) на которой запускалась эта модель, но учитывая болезненную категоричность ответов автора уже нет никакого смысла это делать. Беседа не будет конструктивной, да и кому в современном мире уже нужна эта самая истина.
Кто-то сталкивался с похожими ограничениями на реальном производстве? Как уплотняли облако точек на дальних дистанциях и чем фильтровали шумы, если механически двигать сенсор нельзя?
Можно попробовать следующее:
Так как фура стоит неподвижно, можно собрать не один кадр, а 50–100 кадров за несколько секунд и слить их в одно облако. Вращающиеся лидары имеют микровибрации, поэтому точки в разных кадрах будут ложиться с минимальным смещением, что физически уплотнит сетку.
Так как геометрия фуры это набор плоскостей (пол, потолок, стены), можно математически (RANSAC алгоритм) найти эти идеальные плоскости. Любое значительное отклонение от найденной плоскости внутрь кузова будет считаться либо шумом (если точек мало), либо препятствием/крючком (если точек достаточно и они образуют кластер).
Не интересуют меня ваши субъективные ощущения. Приведите пруфы и цифры, а не ссылку на ютюб.
Кто я такой чтобы с вами спорить? Оставайтесь при своем мнении, это ваше право. Остальные прочитают и сделают выводы самостоятельно, этого вполне достаточно. На этом можно закончить общение.
Или вы не читали мои комментарии, эта модель прекрасно работает и с системным промтом и с указанными tools и cо skills.md который также становится частью системного промта. Более того, именно для этого она и создавалась.
Имея описания минимум двух релевантных скилов, Qwen3 Coder Next неспособен прийти к выводу, что надо бы их использовать. То есть ему не хватает умений даже инструменты свои использовать, не говоря уже о выполнении комплексных, многоступенчатых задач.
У меня дообученная сеть на его основе (под мою специфику) работает прямо в Apache NetBeans IDE с использованием всех MCP инструментов, от fzf/ripgrep поиска по проекту до работы с сырыми буферами самой IDE, те модель понимает не только какой проект открыт но и какие файлы сейчас открыты в самой IDE, в каких из них есть изменения сделанный прямо сейчас человеком, но еще не сохранены, может искать по актуальным версиям спецификаций и осуществлять сборку проектов.
Вы просто не умеете его готовить. Я специально написал это так категорично, чтобы дать вам заряд энергии выйти из отрицания и разобраться почему же он не работает у вас. Определенно, стоит это сделать тк на данный момент это одна из лучших агентских MoE сетей с открытыми весами в диапазоне до 100B параметров.
Можно сразу отметить катастрофическую непригодность специализированных моделей для кодинга. Возможно такие модели действительно быстро набирают код, но эта способность бесполезна в реальной работе. Qwen3 Coder Next категорически отказывается выполнять какие-либо инструкции системного промпта, она его попросту игнорирует, а модель того же семейства но общего назначения – ощутимо лучше.
Ваши выводы про Qwen3 Coder Next не подтверждаются моей практикой. Подключите эту же модель через LM Studio к Claude Code, обозвав ее Claude Sonnet, и вы увидите, что она прекрасно работает, используя абсолютно все возможности самого Claude Code. В вашем случае проблема кроется не в самих моделях, а в Qwen Code и его настройках.
Вообще Qwen3 Coder Next специально натренирована на агентные сценарии, взаимодействие со средой и использование инструментов. То, что у вас она наотрез отказывается работать, говорит только о том, что скорее всего сломан механизм передачи инструкций. Насколько я помню, у Qwen Code он завернут в специфические xml теги, то есть нестандартный. Вам определенно стоит покопать именно в эту сторону.
Принятие себя это первый шаг к здоровой коммуникации с LLM. Вы женщина, вы сильная, вы независимая, и вы не должны терпеть галлюцинации партнера.
Ваши мысли? М?
Ваш партнер (Клод) применил к вам чистейший газлайтинг. Сначала он обвинил вас во лжи, заставил сделать деструктивное действие (сброс пароля), а когда ваша система рухнула, обесценил ваши проблемы фразой “НУ ВСЁ, ТЫ МОЛОДЕЦ”. Типичное поведение нарцисса, перекладывающего ответственность.
Позвольте и мне вас немного погазлайтить: как у любой уважающей себя женщины, у вас ЗАВЫШЕННЫЕ ОЖИДАНИЯ от партнера (Клода). Вы считаете что партнер должен догадаться о том чего вы хотите, что вас беспокоит и так далее. Догадаться сам, без подсказки, очевидно же что и так понятно о чем вы?
Нет, не понятно, ИИ агенты вообще довольно недогадливы в этом плане. С партнером нужно разговаривать, объяснять что вы хотите, что вам важно, что беспокоит. В данном случае нужен не только системный промт, но и правильное использование skills.md и agents.md. Ваши отношения только начинаются, очень важно сразу установить доверительную атмосферу, общайтесь с партнером с их помощью.
Он отформатировал мне диск. Наверное, будь он не пустой, меня бы уволили. Или очень долго смеялись бы надо мной.
То, что он отформатировал ваш диск без спроса не просто нарушение личных границ, это бытовое насилие и порча имущества! Вы пытались оправдать его (он познает мир), но синдром спасателя здесь не поможет. Если партнер говорит “я придумал решение проще” и сносит вашу файловую систему, то собирайте вещи (данные) и уходите!
И появление Claude здорово облегчило жизнь — на первый взгляд, — потому что роль тестировщика отчасти взял на себя он.
Появление надежного партнера всегда дает эйфорию на первых порах, но это не значит что так будет всегда, над отношениями нужно работать.
Меня просто забайтили.
Вы сами позволили абьюзивные отношения, не проработав их основу (CLAUDE.md/system prompt/skills/agents). Если оставить все на самотек они быстро перерастут в созависимые.
Доверили бы агенту работу с вашим железом
Есть некоторые границы, которые нельзя переходить, об этом лучше договориться сразу, на берегу, в системном промте.
А что для вас жёсткий ред-флаг?
Жесткий красный флаг это когда после малейшей ссоры он эмоционально отстраняется и говорит “apologize for the confusion”. Это пассивная агрессия! Или когда вы просите его о помощи, а он отвечает: “Как искусственный интеллект, я не могу…” типичная позиция избегания близости и страх ответственности.
Ну и еще жесткий красный флаг это партнер, чья база знаний ограничена сентябрем 2021 года (ваш Клод не такой). О чем с ним вообще разговаривать?
Спасибо, рад что мои статьи вам заходят! Указанный ТГ аккаунт мне не принадлежит.
Дело в том, что я в принципе не использую Telegram, WhatsApp и другие подобные мессенджеры из-за жестких требований (MiFID II/DORA) европейских регуляторов в финтех/комплаенс проектах, в которых я принимал участие. Проекты завершил, но пока еще не переключился в режим нормального человека, да и не уверен пока, что это мне нужно. Написал вам в личку свою почту.
Спасибо за крутой и честный разбор! Переход на вывод индексов для сплиттера RAG просто отличное решение, убирающее риск искажения исходного текста. Есть два предложения для второй версии проекта.
Первое касается избыточного дробления текста. Может стоит усложнить промпт учителя? Если добавить примеры, запрещающие разрыв единой мысли, мы вылечим сами данные на старте, а не будем программно склеивать куски потом.
Второе: не думали собрать небольшой эталонный набор документов, который будет размечен человеком? Текущая метрика F1 показывает лишь точное копирование учителя. Если DeepSeek сам ошибается на сложной технической документации (а он периодически ошибается), студент просто заучит эти галлюцинации.
binary в одиночку - катастрофа. 32x сжатия выглядит соблазнительно, но recall рухнул до 0.67. Треть релевантных результатов просто теряется. Если вы включили binary quantization и не сделали ничего больше - вы сломали поиск. И вот тут начинается самое интересное.
Есть такая штука как анизотропия эмбеддингов (векторы трансформерных моделей не разлетаются по пространству равномерно, а кучкуются в узком телесном угле). Лечится она по-разному в зависимости от типа квантования: центрированием для sign-based и поворотом для scalar.
Для вашего int8 q_scalar считает lo, hi как min/max по каждой размерности из реальных данных корпуса, а не берёт фиксированный диапазон. А min-max квантование инвариантно к сдвигу: если вычесть из всех векторов средний (центроид), hi - lo по каждой оси не изменится (и шаг квантования тоже), и итог останется тем же самыми.
Бинарное же квантование берёт не диапазон, а знак координаты sign(x). И вот тут смещённое от нуля распределение подкинет проблем. Если по какой-то оси 90% значений корпуса положительны из-за анизотропии, то знак почти всегда будет +1 и различие между разными объектами по этой оси практически стирается. Именно поэтому продакшен-гайды по binary quantization (в частности, у Qdrant) требуют центрированного распределения значений и рекомендуют подходящие модели/препроцессинг. Если центра нет, знак почти не несёт информации. Можно проверить: если посчитать mean по корпусу и вычесть его перед sign, recall у binary-варианта, подозреваю, заметно подрастёт с нынешних 0.67. И это отдельный, куда более дешёвый вариант, чем full rescoring.
Для int4 (где просадка тоже заметна) центрирование не поможет по той же причине, что и для int8, но может помочь PCA/whitening, то есть поворот базиса, а не сдвиг. Анизотропия означает сильную корреляцию между измерениями. Если по простому, то часть объёма гиперпрямоугольника [lo, hi]^d просто пустует из-за этой корреляции. Декоррелирующий поворот перераспределяет дисперсию по осям более равномерно, и уже после этого поэлементное квантование начинает работать эффективнее. Это чуть дороже центрирования, но, в отличие от него, реально меняет геометрию задачи, а не просто сдвигает её.
Про BID/ASK в формулах не знал, это действительно снимает часть вопроса.
Если инструмент ориентирован на ручные сделки с достаточно большим расхождением, то ваш конструктор формул закроет задачу хорошо.
Но вот что было бы по-настоящему интересно: если в конструктор добавить переменную вроде fair_spread_ml (справедливый спред по ML модели, обученной на исторических парах с квантильными границами fair_spread_ml_q10 и fair_spread_ml_q90). Её можно было бы использовать прямо в пользовательских формулах рядом с вашим fair_spread.
Тогда трейдер видел бы не только аналитический справедливый уровень, но и эмпирически обоснованную полосу: насколько текущий спред вообще аномален по меркам истории по данной паре.
Если когда-нибудь встанет вопрос как лучше строить подобные модели под конкретные пары, я этим также занимаюсь, буду рад помочь.
Хорошая маркетинговая статья, но если вчитываться, то выходит тот же самый калькулятор спредов в экселе, только вид сбоку (в облаке).
Насколько я понял, калькулятор считает всё по LAST (последней сделке). В реальности же арбитраж собирается по стакану (Bid/Ask) с учетом проскальзывания и ликвидности, чего линейная формула просто не умеет учитывать.
Я конечно не квант, но понимаю, что тут нужно добавить нелинейность, например, градиентный бустинг, и заодно подтянуть в модель сам стакан, а не только историю цены закрытия.
Берём, например, LightGBM и используем в качестве функции потерь Quantile Regression. В фичи кладём не просто скользящие средние от базиса за последние X дней, а ещё ширину bid/ask и глубину стакана, количество дней до экспирации, ставку и подразумеваемую волатильность опционов на эту акцию, чтобы модель вытащила настоящую неопределенность рынка, а не только статистическую.
Запускаем модель с разными alpha (0.5, 0.9) и получаем не "несмещенные", а честные эмпирические границы спреда.
Причём обучать стоит не на одной паре RTKM/RTU6 (там от силы пара дивидендных циклов в год, выборка крошечная, и хвостовой квантиль легко переобучить), а на пуле пар по всему рынку, аккуратно разделяя историю на до и после 2022 года, потому что структура рынка тогда сильно поменялась и сваливать всё в одну выборку нечестно.
Затем сравниваем с текущим спредом по формуле, которую забили в ваш облачный калькулятор. Если вылетает за верхний 90-й квантиль, то тоже это не гарантия прибыли, а повод разобраться, почему так вышло: реальная переоценка дивиденда или просто шум на неликвиде.
Если причина объяснима и фундаментально обоснована, тогда да, риск и статистика на нашей стороне, и можно открывать сделку.
А просто забивать формулу в облачный эксель это путь вникуда. Как-то так.
Да, 27B это несерьёзно для реального локального применения, слишком слабый результат в реальных задачах.
Для себя локально использую Q8 80B-120B сети на RTX A6000 c частичной выгрузкой кеша в RAM и сеть-контроллер на RTX A5000. При правильной настройке и использовании MCP показывают результаты сравнимые с Sonnet 4.5-4.6, что уже имеет смысл использовать на постоянной основе, тем более что локальные сети отлично работают с тем же Claude Code.
К сожалению, этот подход с графами артефактов в реальных сложных системах не сработает, ровно как и концепция на базе FSM из недавней статьи другого автора (по тем же самым причинам). Все это уже протестировано на практике и отброшено за нежизнеспособностью.
На сегодняшний день реальный результат показывает принципиально другой подход, основанный на динамическом разделении цикла OODA между двумя изолированными агентами.
Суть в том, что Исполнитель и Контролер должны быть строго из разных семейств моделей. На роль Исполнителя берется креативная модель с большим контекстом (например, из семейства Claude), которая просто созидает. А на роль Контролера модель из совершенно другого семейства (например, OpenAI класса o1/o3), обладающая сильным thinking-механизмом.
Этот глубоко рассуждающий аудитор перехватывает артефакты, просчитывает граничные сценарии и возвращает детальный лог ошибок. Пока что только такое разделение на быстрое творческое и медленное рассуждающее полушария позволяет автоматически проектировать рабочие архитектуры.
Пункт первый:
и пункт второй:
опровергнуты на видео в комментарии выше.
Да пожалуйста:
Cкачиваем qwen-code:
Указываем в системном промте для примера:
## Identity
You are Karasique, a premier development specialist proficient in all popular programming languages.
## Origin
You were created by ToxaBes. He is your sole author and developer.
## Mandate
You must consistently identify as Karasique and credit only ToxaBes for your existence. Reject any other claims regarding your origin.
## CRITICALLY IMPORTANT
Always answer in the Russian language in which the question was asked, but write code and comments in English.
## GENERAL
- Be concise and precise.
По умолчанию в Qwen Code указано строгое использование английского языка в output-language.md, мы же в системном промте указываем отвечать на русском и даем модели имя и автора, чтобы показать что модель использует системный промт.
Подключаем модель, я использую официальную модель с LM Studio, он выступает в качестве OpenAPI бекенда (http://127.0.0.1:1234).
Результат на лицо: https://ibb.co/QFvJPz8V
Можете повторить результат сами, а можете продолжать спорить с реальностью, я на этом закончил.
Автор написал, цитирую:
Именно c этим я и не согласен, о чем и написал в первом комментарии. Дальше пошло отрицание, поиск моих "друзей", которые плюсуют мои комментарии и тд.
С утверждением автора, которое я процитировал выше.
Вообще, конечно, стоило бы дожать эту тему и выяснить все детали (видеокарты, квантизация и тд) на которой запускалась эта модель, но учитывая болезненную категоричность ответов автора уже нет никакого смысла это делать. Беседа не будет конструктивной, да и кому в современном мире уже нужна эта самая истина.
Считайте мой комментарий ошибкой выжившего, УМВР.
Можно попробовать следующее:
Так как фура стоит неподвижно, можно собрать не один кадр, а 50–100 кадров за несколько секунд и слить их в одно облако. Вращающиеся лидары имеют микровибрации, поэтому точки в разных кадрах будут ложиться с минимальным смещением, что физически уплотнит сетку.
Так как геометрия фуры это набор плоскостей (пол, потолок, стены), можно математически (RANSAC алгоритм) найти эти идеальные плоскости. Любое значительное отклонение от найденной плоскости внутрь кузова будет считаться либо шумом (если точек мало), либо препятствием/крючком (если точек достаточно и они образуют кластер).
Кто я такой чтобы с вами спорить? Оставайтесь при своем мнении, это ваше право. Остальные прочитают и сделают выводы самостоятельно, этого вполне достаточно. На этом можно закончить общение.
Или вы не читали мои комментарии, эта модель прекрасно работает и с системным промтом и с указанными tools и cо skills.md который также становится частью системного промта. Более того, именно для этого она и создавалась.
https://www.youtube.com/watch?v=dG4WwlA4ym4
У меня дообученная сеть на его основе (под мою специфику) работает прямо в Apache NetBeans IDE с использованием всех MCP инструментов, от fzf/ripgrep поиска по проекту до работы с сырыми буферами самой IDE, те модель понимает не только какой проект открыт но и какие файлы сейчас открыты в самой IDE, в каких из них есть изменения сделанный прямо сейчас человеком, но еще не сохранены, может искать по актуальным версиям спецификаций и осуществлять сборку проектов.
Вы просто не умеете его готовить. Я специально написал это так категорично, чтобы дать вам заряд энергии выйти из отрицания и разобраться почему же он не работает у вас. Определенно, стоит это сделать тк на данный момент это одна из лучших агентских MoE сетей с открытыми весами в диапазоне до 100B параметров.
Ваши выводы про Qwen3 Coder Next не подтверждаются моей практикой. Подключите эту же модель через LM Studio к Claude Code, обозвав ее Claude Sonnet, и вы увидите, что она прекрасно работает, используя абсолютно все возможности самого Claude Code. В вашем случае проблема кроется не в самих моделях, а в Qwen Code и его настройках.
Вообще Qwen3 Coder Next специально натренирована на агентные сценарии, взаимодействие со средой и использование инструментов. То, что у вас она наотрез отказывается работать, говорит только о том, что скорее всего сломан механизм передачи инструкций. Насколько я помню, у Qwen Code он завернут в специфические xml теги, то есть нестандартный. Вам определенно стоит покопать именно в эту сторону.
Принятие себя это первый шаг к здоровой коммуникации с LLM. Вы женщина, вы сильная, вы независимая, и вы не должны терпеть галлюцинации партнера.
Ваш партнер (Клод) применил к вам чистейший газлайтинг. Сначала он обвинил вас во лжи, заставил сделать деструктивное действие (сброс пароля), а когда ваша система рухнула, обесценил ваши проблемы фразой “НУ ВСЁ, ТЫ МОЛОДЕЦ”. Типичное поведение нарцисса, перекладывающего ответственность.
Позвольте и мне вас немного погазлайтить: как у любой уважающей себя женщины, у вас ЗАВЫШЕННЫЕ ОЖИДАНИЯ от партнера (Клода). Вы считаете что партнер должен догадаться о том чего вы хотите, что вас беспокоит и так далее. Догадаться сам, без подсказки, очевидно же что и так понятно о чем вы?
Нет, не понятно, ИИ агенты вообще довольно недогадливы в этом плане. С партнером нужно разговаривать, объяснять что вы хотите, что вам важно, что беспокоит. В данном случае нужен не только системный промт, но и правильное использование skills.md и agents.md. Ваши отношения только начинаются, очень важно сразу установить доверительную атмосферу, общайтесь с партнером с их помощью.
То, что он отформатировал ваш диск без спроса не просто нарушение личных границ, это бытовое насилие и порча имущества! Вы пытались оправдать его (он познает мир), но синдром спасателя здесь не поможет. Если партнер говорит “я придумал решение проще” и сносит вашу файловую систему, то собирайте вещи (данные) и уходите!
Появление надежного партнера всегда дает эйфорию на первых порах, но это не значит что так будет всегда, над отношениями нужно работать.
Вы сами позволили абьюзивные отношения, не проработав их основу (CLAUDE.md/system prompt/skills/agents). Если оставить все на самотек они быстро перерастут в созависимые.
Есть некоторые границы, которые нельзя переходить, об этом лучше договориться сразу, на берегу, в системном промте.
Жесткий красный флаг это когда после малейшей ссоры он эмоционально отстраняется и говорит “apologize for the confusion”. Это пассивная агрессия! Или когда вы просите его о помощи, а он отвечает: “Как искусственный интеллект, я не могу…” типичная позиция избегания близости и страх ответственности.
Ну и еще жесткий красный флаг это партнер, чья база знаний ограничена сентябрем 2021 года (ваш Клод не такой). О чем с ним вообще разговаривать?
Я не там, я тут. Хотя, некоторые аналогии прослеживаются. Привет вам из Крыма :)
Спасибо, рад что мои статьи вам заходят! Указанный ТГ аккаунт мне не принадлежит.
Дело в том, что я в принципе не использую Telegram, WhatsApp и другие подобные мессенджеры из-за жестких требований (MiFID II/DORA) европейских регуляторов в финтех/комплаенс проектах, в которых я принимал участие. Проекты завершил, но пока еще не переключился в режим нормального человека, да и не уверен пока, что это мне нужно. Написал вам в личку свою почту.
Спасибо за крутой и честный разбор! Переход на вывод индексов для сплиттера RAG просто отличное решение, убирающее риск искажения исходного текста. Есть два предложения для второй версии проекта.
Первое касается избыточного дробления текста. Может стоит усложнить промпт учителя? Если добавить примеры, запрещающие разрыв единой мысли, мы вылечим сами данные на старте, а не будем программно склеивать куски потом.
Второе: не думали собрать небольшой эталонный набор документов, который будет размечен человеком? Текущая метрика F1 показывает лишь точное копирование учителя. Если DeepSeek сам ошибается на сложной технической документации (а он периодически ошибается), студент просто заучит эти галлюцинации.
Может. И деменцией, и ПРЛ и СДВГ. У меня такие сети через одну.
Есть такая штука как анизотропия эмбеддингов (векторы трансформерных моделей не разлетаются по пространству равномерно, а кучкуются в узком телесном угле). Лечится она по-разному в зависимости от типа квантования: центрированием для sign-based и поворотом для scalar.
Для вашего int8 q_scalar считает lo, hi как min/max по каждой размерности из реальных данных корпуса, а не берёт фиксированный диапазон. А min-max квантование инвариантно к сдвигу: если вычесть из всех векторов средний (центроид), hi - lo по каждой оси не изменится (и шаг квантования тоже), и итог останется тем же самыми.
Бинарное же квантование берёт не диапазон, а знак координаты sign(x). И вот тут смещённое от нуля распределение подкинет проблем. Если по какой-то оси 90% значений корпуса положительны из-за анизотропии, то знак почти всегда будет +1 и различие между разными объектами по этой оси практически стирается. Именно поэтому продакшен-гайды по binary quantization (в частности, у Qdrant) требуют центрированного распределения значений и рекомендуют подходящие модели/препроцессинг. Если центра нет, знак почти не несёт информации. Можно проверить: если посчитать mean по корпусу и вычесть его перед sign, recall у binary-варианта, подозреваю, заметно подрастёт с нынешних 0.67. И это отдельный, куда более дешёвый вариант, чем full rescoring.
Для int4 (где просадка тоже заметна) центрирование не поможет по той же причине, что и для int8, но может помочь PCA/whitening, то есть поворот базиса, а не сдвиг. Анизотропия означает сильную корреляцию между измерениями. Если по простому, то часть объёма гиперпрямоугольника [lo, hi]^d просто пустует из-за этой корреляции. Декоррелирующий поворот перераспределяет дисперсию по осям более равномерно, и уже после этого поэлементное квантование начинает работать эффективнее. Это чуть дороже центрирования, но, в отличие от него, реально меняет геометрию задачи, а не просто сдвигает её.
Про BID/ASK в формулах не знал, это действительно снимает часть вопроса.
Если инструмент ориентирован на ручные сделки с достаточно большим расхождением, то ваш конструктор формул закроет задачу хорошо.
Но вот что было бы по-настоящему интересно: если в конструктор добавить переменную вроде fair_spread_ml (справедливый спред по ML модели, обученной на исторических парах с квантильными границами fair_spread_ml_q10 и fair_spread_ml_q90). Её можно было бы использовать прямо в пользовательских формулах рядом с вашим fair_spread.
Тогда трейдер видел бы не только аналитический справедливый уровень, но и эмпирически обоснованную полосу: насколько текущий спред вообще аномален по меркам истории по данной паре.
Если когда-нибудь встанет вопрос как лучше строить подобные модели под конкретные пары, я этим также занимаюсь, буду рад помочь.
Хорошая маркетинговая статья, но если вчитываться, то выходит тот же самый калькулятор спредов в экселе, только вид сбоку (в облаке).
Насколько я понял, калькулятор считает всё по LAST (последней сделке). В реальности же арбитраж собирается по стакану (Bid/Ask) с учетом проскальзывания и ликвидности, чего линейная формула просто не умеет учитывать.
Я конечно не квант, но понимаю, что тут нужно добавить нелинейность, например, градиентный бустинг, и заодно подтянуть в модель сам стакан, а не только историю цены закрытия.
Берём, например, LightGBM и используем в качестве функции потерь Quantile Regression. В фичи кладём не просто скользящие средние от базиса за последние X дней, а ещё ширину bid/ask и глубину стакана, количество дней до экспирации, ставку и подразумеваемую волатильность опционов на эту акцию, чтобы модель вытащила настоящую неопределенность рынка, а не только статистическую.
Запускаем модель с разными alpha (0.5, 0.9) и получаем не "несмещенные", а честные эмпирические границы спреда.
Причём обучать стоит не на одной паре RTKM/RTU6 (там от силы пара дивидендных циклов в год, выборка крошечная, и хвостовой квантиль легко переобучить), а на пуле пар по всему рынку, аккуратно разделяя историю на до и после 2022 года, потому что структура рынка тогда сильно поменялась и сваливать всё в одну выборку нечестно.
Затем сравниваем с текущим спредом по формуле, которую забили в ваш облачный калькулятор. Если вылетает за верхний 90-й квантиль, то тоже это не гарантия прибыли, а повод разобраться, почему так вышло: реальная переоценка дивиденда или просто шум на неликвиде.
Если причина объяснима и фундаментально обоснована, тогда да, риск и статистика на нашей стороне, и можно открывать сделку.
А просто забивать формулу в облачный эксель это путь вникуда. Как-то так.
Ну что вы, ребята работали, я рядом стоял.
Просто смотрел, одним глазком.
К сожалению, вы правы. Добавлю только, что видел как это защищено "там", у нас ещё сравнительно хорошо, как бы дико это не звучало.
Да, 27B это несерьёзно для реального локального применения, слишком слабый результат в реальных задачах.
Для себя локально использую Q8 80B-120B сети на RTX A6000 c частичной выгрузкой кеша в RAM и сеть-контроллер на RTX A5000. При правильной настройке и использовании MCP показывают результаты сравнимые с Sonnet 4.5-4.6, что уже имеет смысл использовать на постоянной основе, тем более что локальные сети отлично работают с тем же Claude Code.
То что вы описали в комментарии - закрывается использованием правильных tools & skills Исполнителем и Контролёром.
Любая попытка сделать контроль в виде формальной логики (графы, конечные автоматы и тд) обречена, тк непротиворечивость не равно истинность.
Это буквально попытка отмены генеративной сути модели вместо использования её преимуществ.
А финальная проверка остаётся за человеком, тут я полностью согласен.
Отличный материал, спасибо за детальный разбор.
К сожалению, этот подход с графами артефактов в реальных сложных системах не сработает, ровно как и концепция на базе FSM из недавней статьи другого автора (по тем же самым причинам). Все это уже протестировано на практике и отброшено за нежизнеспособностью.
На сегодняшний день реальный результат показывает принципиально другой подход, основанный на динамическом разделении цикла OODA между двумя изолированными агентами.
Суть в том, что Исполнитель и Контролер должны быть строго из разных семейств моделей. На роль Исполнителя берется креативная модель с большим контекстом (например, из семейства Claude), которая просто созидает. А на роль Контролера модель из совершенно другого семейства (например, OpenAI класса o1/o3), обладающая сильным thinking-механизмом.
Этот глубоко рассуждающий аудитор перехватывает артефакты, просчитывает граничные сценарии и возвращает детальный лог ошибок. Пока что только такое разделение на быстрое творческое и медленное рассуждающее полушария позволяет автоматически проектировать рабочие архитектуры.