Пайплайн для превращения видео в статью без следов AI

Скринкасты, стримы, туториалы — всё это можно конвертировать в готовый текст для документации или блога.

Готовый стек:
➡️ Транскрибация ➡️ перевод ➡️ перефразирование ➡️ грамматика ➡️ проверка на AI

Результат: текст с 31% «машинности» (порог — 50%), проходит проверки на уникальность и читается как написанный человеком.

В статье — разбор на примере видео про t-строки в Python 3.14:
🔘Какие инструменты использовать на каждом этапе
🔘Какой уровень перефразирования не убивает технические термины
🔘Где автоматика даёт 80%, а где без ручной правки не обойтись

@prog_stuff

65 идей новогодних подарков для айтишников

Tproger собрал подборку по категориям: эргономичные аксессуары для работы, гаджеты, товары для сна и креативный мерч. Всё со ссылками на маркетплейсы и разбито по ценам:
🔘до 1000 ₽;
🔘от 1000 до 3000 ₽;
🔘больше 3000 ₽.

Пригодится для тайного Санты в команде или если не знаете, что дарить знакомому разработчику / сисадмину / тимлиду.

@prog_stuff

Инструмент, который создаёт страницы ошибок, выглядящие точь-в-точь как настоящие от Cloudflare. Можно кастомизировать и встроить на свой сайт.​

Зачем это нужно? Во-первых, ни за чем, просто весело. Во-вторых, чисто визуально это хорошее решение на самом деле, привычное для юзера. Можно иконки заменить и в понятном стиле показывать юзерам когда что-то пошло не так.

Как использовать
1️⃣Python-библиотека:

pip install cloudflare-error-page

2️⃣Есть визуальный редактор, где можно просто натыкать статусы и тексты.

📎 GitHub

@prog_stuff

Сергей Долгов перевёл «The Smol Training Playbook» — самую популярную публикацию на HuggingFace о том, как создают, тренируют и дообучают языковые модели.

➡️ Что внутри

🔘Архитектура: MHA → GQA → MLA, позиционные кодировки (RoPE, NoPE), почему DeepSeek выбрал именно такие решения

🔘Претрейн: как собирать данные, выбирать learning rate, batch size, schedulers (WSD vs Cosine vs Multi-Step)

🔘Scaling laws: сколько данных нужно для модели N параметров, как считать FLOPs

🔘Post-training: SFT, DPO, GRPO, RLVR — когда что использовать и почему on-policy лучше off-policy

🔘Практика: как команда SmolLM3 обучала модель на 384×H100 за 11 триллионов токенов

➡️ Для кого
Для тех, кто хочет понять, как реально устроен процесс обучения LLM — не на уровне «скачал модель с HuggingFace», а на уровне «почему GQA ratio 4, а не 8» и «когда WSD лучше cosine decay».

Сергею — огромное спасибо за качественную вёрстку и время на перевод. Настольная книга для всех, кто копает в сторону ML.

📎 Оригинал на HF, версия на русском в прикреплённой PDF.

@neuro_channel