Время Валеры

На основе пятничного поста про промт:

Сожми документ максимально, не потеряв никакой информации.

Превратили этот подход в отдельный open-source skill — lossless-doc-compress.

Скилл читает документ целиком и относит каждый фрагмент к одной из трёх категорий:

KEEP — содержит информацию и остаётся без изменений;
REMOVE — доказуемо избыточен и удаляется;
FLAG — требует решения автора, поэтому остаётся в документе с пометкой.

Он удаляет filler, пустой hedging, LLM-slop, дословные повторы и избыточные формулировки. Сохраняет факты, цифры, решения, оговорки, ограничения, названия систем, код и таблицы.

Если есть сомнение — не удалять, дает отметку для автора

Результат: три артефакта:
Сжатый документ.
Лог всех удалений и спорных мест.
Scorecard: число слов до/после, процент сокращения и подтверждение сохранности содержания.

npx skills add ML-SystemDesign/MLSystemDesign
Код и инструкция:
https://github.com/ML-SystemDesign/MLSystemDesign/tree/main/skills/lossless-doc-compress

Это пост был прогнан через скилл

Две первые главы книги «Agentic AI System Design» уже написаны и сейчас находятся на ревью у соавторов.

Один соавтор тот же: https://t.me/partially_unsupervised
Два — с курса по ML System Design.

По отзывам вышло неплохо:

Прочитал с кайфом и даже взял на вооружение

Надеюсь, к концу года допишем.

3 года назад я рассказывал про сказочника в своем посте

Но тот случай был хотя бы безвредным, да и, прочитав это, сказочник быстро убрал свои фантазии.

На днях в местах, где я живу, произошла история более печальная и более масштабная со всех сторон.

Профессор Jason Arday, который стал самым молодым черным профессором в истории Кембриджа, оказался не тем, за кого себя выдавал. Оказалось, что докторская его с большой вероятностью полна плагиата.

Но здесь ничего необычного нет - плагиат встречается регулярно. Необычно то, что человека, судя по всему не очень связанного с реальностью (дальше станет понятно почему), подняли на флаг и использовали как классический токен.

Arday с каждым годом завирался все больше
* То он пробежал 600 миль (почти 1000 км) за 6 дней.
* То он научился читать и писать только в 18 лет, но при этом в 16 сдал два GCSE (аналог ОГЭ) и учился на BTEC в колледже.
* То он пролежал в коме и заново учился ходить.
* То он собрал 5 млн фунтов на благотворительность.
* Где-то сообщалось, что он говорил, что участвовал в записи телепередачи ребенком, оказалось, что она про детей, которые родились за 15+ лет до него
* И много-много чего еще, очевидно невероятного.

Его лекции, по словам студентов, представляли собой (если он приходил на них) какую-то околесицу, где в основном смотрели YouTube и затем обсуждали в группах. Это, конечно, говорит еще и про качество самой дисциплины, где он преподавал (sociology of education).

Кембридж вначале сказал, что все это клевета и навет.
Потом, под весом доказательств, когда университеты, указанные Джейсоном в резюме как те, где он почетный лектор, сообщили, что это не так и он никогда у них не был, согласился на расследование. До этого 4 месяца полиция слегка прессовала журналиста, который посмел найти плагиат у почетного академика - теперь публично извинилась.

В конце концов - Джейсон ушел в отставку, а сегодня BBC сообщило, что он найден мертвым.

В итоге история, начавшаяся как враки и фантазии, принесла множество бед. Самому Джейсону и его семье. Студентам, многие из которых заплатили деньги, чтобы слушать такую чепуху, Кембриджу, а заодно дала повод для критики практик DEI. Такой вот Мюнхгаузен наших дней.

Самое удивительное в этой истории — как настолько очевидную ложь и регулярные жалобы со стороны студентов заметали под ковер в жертву великой идее. А казалось бы, университет мирового уровня.

Поэтому каждый раз, сталкиваясь на работе с фантазерами и решая промолчать (а ситуаций, аналогичной этой, много, пусть и не в таком масштабе), подумайте о конечном эффекте и о том, к чему это может привести.

Прочитал замечательную статью: The Linux Scheduler: a Decade of Wasted Cores

“And you have to realize that there are not very many things that have aged as well as the scheduler. Which is just another proof that scheduling is easy.”
Linus Torvalds, 2001

15 + лет спустя

As a central part of resource management, the OS thread scheduler must maintain the following, simple, invariant: make sure that ready threads are scheduled on available cores. As simple as it may seem, we found that this invariant is often broken in Linux. Cores may stay idle for seconds while ready threads are waiting in runqueues. In our experiments, these performance bugs caused many-fold performance degradation for synchronization-heavy scientific applications, 13% higher latency for kernel make, and a 14-23% decrease in TPC-H throughput for a widely used commercial database

и

The Group Imbalance bug
The bug. We encountered this bug on a multi-user machine which we used to perform kernel compilation and data analsis using the R machine learning package. We suspected that this system, a 64-core, eight-node NUMA server, did not use all available cores for highly-threaded computations, instead crowding all threads on a few nodes. We illustrate this bug with the output from our visual tool

Стоит заметить, что их фикс у меня вызывает много сомнений, замена среднего на минимум, для оценки загрузки - многое может пойти не так. Да и в целом, я бы даже не назвал это багами, оптимизировали под свою нагрузку - честь им и хвала, но это не значит что в среднем стало лучше, а не хуже.

Самый важный вывод, что понимая систему достаточно глубоко, можно ее взять и допилить очень значимо под себя

Вышло видео стрима с Витей Кантором по поводу МЛ систем дизайна

Для тех, кому тяжело пользоваться скиллами, создали два GPT:

* ML System Design Reviewer
* AI Stage Gate Reviewer

Вот это уже интереснее
Файн тюнинг из коробки, правда привязан к их платформе, что хорошо для них

https://thinkingmachines.ai/news/introducing-inkling/

Вышла запись выступления с майского датафеста, рассуждения о том, сколько весит кубический километр сыра

Добавили еще один скилл - AI Stage-Gate Review. Поможет вам ответить на вопрос, стоит ли продолжать или лучше перестать.

Скилл имени Адама Елдарова

Use this skill to run a gate review for an AI product and reach a defensible decision: advance, fix-and-recycle, or stop. Stage-Gate is a portfolio-management process that structures an AI product from idea to scale: each stage of work ends at a gate where results are defended and a Go/Conditional/Kill decision is made. The useful output is not a checklist stamp. It is a decision that says what is proven, what is still a risk, what must be true to advance, and how much to invest next.

Provenance. This skill encodes a generic Stage-Gate process adapted for AI products — six stages on Discovery and Delivery tracks, traffic-light gates, and dual value-and-technical validation. It is a distilled, vendor-neutral adaptation, not a transcription of any one organization's internal playbook; tune the stages, criteria, and thresholds to your own portfolio. It is a sibling of ml-system-design-review in the same ML System Design skill collection: that skill judges how good a design is; this one judges whether it has earned the next investment.

The process runs on two tracks — Discovery (find and validate ideas) and Delivery (build and scale) — across six stages, with an optional Fast Track for low-uncertainty products. The AI difference is that value alone is never enough: technical feasibility, data, and alignment must clear each gate too.

Между делом, ищу директора по Дате в British Petroleum к себе в команду, нанимаем в офис - Malaysia - Kuala Lumpur. Визу делаем