Channel
@beyondTheLLM
On this record: Topic · Growth · Engagement · Reactions · Posts · Citations · Cite this entry
69subscribers
+43 since we began measuring on 11 September 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1002064860664 |
|---|---|
| Type | Channel |
| Username | @beyondTheLLM |
| Created | 31 October 2023 — measured — dated from the channel’s first post |
| First recorded | 12 September 2026 |
| Last confirmed live | 5 November 2026 |
| Measurements held | 8 |
| Confirmed unchanged | 1 time, most recently 5 November 2026 |
| On Telegram | t.me/beyondTheLLM |
Education — a classification, not a measurement. An on-box language model (Qwen3.6-35B-A3B-FP8, prompt version 1) read this channel’s own recent posts on 29 September 2026 and assigned it the closest of 31 fixed categories, at 53% confidence. This is a model’s judgement about what the channel is likely to be about, not a fact this register measured the way a subscriber count or a view count is measured — it can be revised on a later pass, and it carries no weight anywhere else on this page. How this classification works, and the other topics.
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 5 Nov 2026, 02:46 | 69 | +1 |
| 22 Oct 2026, 23:36 | 68 | +3 |
| 15 Oct 2026, 00:27 | 65 | +3 |
| 8 Oct 2026, 15:21 | 62 | +4 |
| 28 Sept 2026, 18:01 | 58 | +26 |
| 12 Sept 2026, 21:22 | 32 | no change |
| 12 Sept 2026, 20:37 | 32 | +6 |
| 11 Sept 2026, 19:47 | 26 | first reading |
20 posts held, back to 31 October 2023 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 1 page of Telegram’s post history, 20 posts per page.
Nothing published in the last 30 days. ERR and ER are rolling 30-day measures, so there is nothing to compute — we hold 20 posts for this entry, the most recent from 11 September 2026. An engagement rate over an empty window would be a number about nothing.
777 reactions across 18 posts, in 21 distinct kinds. The most used accounts for 23.9% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| 👍 | 186 | 23.9% | |
| 🔥 | 160 | 20.6% | |
| 👌 | 150 | 19.3% | |
| 🐳 | 85 | 10.9% | |
| 💯 | 70 | 9.01% | |
| ❤🔥 | 49 | 6.31% | |
| ❤ | 30 | 3.86% | |
| 🆒 | 8 | 1.03% | |
| 😱 | 7 | 0.901% | |
| 🥰 | 7 | 0.901% | |
| 🤝 | 5 | 0.644% | |
| 🤯 | 4 | 0.515% | |
| 🍓 | 3 | 0.386% | |
| 🤔 | 3 | 0.386% | |
| 🎉 | 2 | 0.257% | |
| 👻 | 2 | 0.257% | |
| 🤮 | 2 | 0.257% | |
| 👾 | 1 | 0.129% | |
| 😁 | 1 | 0.129% | |
| 🙉 | 1 | 0.129% | |
| 1 further kind | 1 | 0.129% |
No sentiment is inferred, and none should be read in. This table is ordered by count and by nothing else. Emoji do not carry stable meaning across languages or communities — 🙏 is thanks in one channel and mourning in another — so we publish which ones were pressed and how often, and pass no judgement on what an audience meant by them.
Precision. Telegram publishes reaction counts per emoji and short-forms each one — 4.34K, 1.2M — so any single kind at or above 1,000 reaches us at three significant figures, and only counts below 1,000 are exact. The shares above are ratios of those figures and carry the same error. This is also why the total here can differ slightly from a reaction total printed elsewhere on the page: both are sums of the same rounded parts, taken over samples with different edges.
Coverage. Reactions were read on 18 of the 20 sampled posts in this sample. Summed by Telegram’s own count on each post — not by adding up the per-emoji breakdown above — those same posts carry 777 reactions in total: the kind of figure the paragraph above means by “a reaction total printed elsewhere on the page”.
Measured over the 20 most recent posts we hold, published 31 October 2023 to 11 September 2026, using the newest reading held for each. Telegram Stars are excluded: they are a payment, not a reaction, and they have their own section.
#собесы Разбор кейса с System Design интервью 🎯Задача: Есть система трекинга показателей здоровья пожилых людей. Надо спроектировать AI-агента, который на основе этих метрик советует специалистов или направления активности. Пример: Пользователь пишет: «У меня болит голова» Система должна: 1. задать уточняющие вопросы 2. собрать контекст оценить потенциальный риск 3. предложить дальнейшее действие Например: посов…
❤🔥2👍1🔥1
Сегодня с @oudser выступаем в качестве спикеров у @M0rtyMerr🐺
🤯2👾1
Релокация в сентябре 2026 / Где лучше пожить после выборов 10 сентября в 19:15 на стриме послушаем отчет про 10+ стран для релокации из первых рук. Обосновавшиеся там айтишники расскажут про бонусы и недостатки их стран, помогут определиться с выбором для осеннего отдыха: • как легализоваться • че с картами, деньгами и ценами • климат, неожиданные приколы, локальное сообщество Друзья, не очень люблю продавать страх…
❔ Почему Vision-Language Models пока не заменили Computer Vision Каждый раз, когда выходит новая Vision-Language Model, появляются одни и те же заявления: 👎 «YOLO умер.» 👎 «Классический Computer Vision больше не нужен.» 👎 «Одна VLM заменит весь vision pipeline.» За несколько лет работы над production-системами Computer Vision я пришёл к другому выводу. 👍 VLM действительно великолепны, когда задача открытая. Нужно…
👍3
На infra.conf 2026 Яндекс рассказал про Dev Cluster — штуку, которая должна была появиться давно. Это динамическое распределение GPU-ресурсов внутри их ML-платформы. Суть следующая: ML-инженер за пару кликов получает контейнер с нужной GPU-конфигурацией — без заявок, без ожидания, без "Игорь,ты уже два года не возвращаешь битки ты уже два дня не трогаешь свою ГПУ, отдай". Говорят, ресурсы доступны за секунды. Главн…
❤1🔥1🙉1
Как разработчик с 20-летним опытом потерял работу, купил трак для вывоза мусора, но вернулся в IT с оффером $500K в год В новом выпуске поговорила с Романом Пушкиным (@roman_estados_unidos) — Staff AI Engineer, бывшим разработчиком Cisco, Atlassian и SAP, который 11 лет живет и работает в Кремниевой долине. Поговорили о рынке труда, сокращениях, AI, проваленных интервью, потере веры в найм и том, как Роман перепако…
👍3❤1🍓1
❓Что такое Clawdrain? 😳Это атака типа Resource Amplification, нацеленная на автономных агентов (вроде тех, что работают в AutoGPT, OpenClaw или кастомных LangChain-фреймворках). В отличие от тупого спама запросами, Clawdrain использует протокол «сегментированной верификации». Хакер подбрасывает агенту задачу (через Indirect Prompt Injection в PDF или на веб-странице), которая вводит его в бесконечный, но логически …
🔥4🤔2🤝2
❓Как и где искать решение при проектировании и реализации ML-систем? На практике эффективные подходы редко рождаются «с нуля»: они собираются из уже существующих идей, экспериментов и ограничений. Поэтому вместо того чтобы сразу писать код, полезнее сначала понять, где искать сигналы — в исследованиях, готовых реализациях и реальных кейсах — и как превратить их в решение, подходящее именно под вашу задачу. Когда ст…
💯4❤3👍3🍓2
💡 Создать или купить: open-source или коммерческое решение? ❓В разработке ML-систем и инфраструктуры почти всегда возникает один и тот же вопрос: строить решение внутри компании или использовать готовый продукт? Представьте продукт уровня Slack. В нем есть функция распознавания речи для аудиозвонков и генерации субтитров. Но ключевая ценность Slack — текстовая коммуникация, а не голосовые звонки. При этом требовани…
❤3👍3🔥3🤗1
😳Фатальная ошибка при проектировании ML-систем, которую делают почти все Многие инженеры начинают с решения, а не с проблемы. В результате они тратят время на модели и фичи, не понимая, что на самом деле нужно бизнесу. Я недавно написал об этом в LinkedIn, с примером из книги ML System Design Валерия Бабушкина и Арсения Кравченко. Читать полный пост и разбор: https://goo.su/Mgmb9T
❤3👍2🔥2🤝1
Claude Opus 4.6 за час решил задачу, над которой Дональд Кнут бился неделями 🤖Очередное доказательство тому, что AI ничего сам по себе не заменяет. Он усиливает. 🔬Великие теоремы — фермо́вские, гипотезы, сложные доказательства — не появляются из воздуха. За ними стоят люди с десятилетиями насмотренности, интуицией, пониманием контекста и чувством, где вообще копать. Если у вас есть условные Кнут и Стапперс, и вы да…
👌42🐳20👍19💯19🔥10❤🔥7
🗞 Недавно прочитал статью 21го года: Using Synthetic Controls: Feasibility, Data Requirements, and Methodological Aspects Она приятна тем, что она понятная. Если я могу её прочитать и понять, моё настроение сразу улучшается, и для меня это критерий хорошей статьи😅 📊 В ней описан простой подход к созданию синтетического контроля. Ситуация такая: мы хотим оценить эффект какого-то вмешательства, но полноценного А/В-те…
👍2🔥1🤝1
Showing the 12 most recent of 20 posts we hold for @beyondTheLLM. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.
Republishes
Channels on the register whose posts this channel has forwarded.
Built only from forwarded posts we have actually read, on both sides. Coverage is early and deliberately incomplete: a missing link means we have not read the post that would prove it, never that the relationship does not exist. Counts are distinct forwarded posts observed, so they only ever go up as we read more.
Named by 1 registered channel — every channel on the register whose own posts have named this one, by its current username or any other username it currently holds, merged from two separately captured readings of the same fact so a namer caught by only one of them is not missed and a namer both caught is not counted twice. A username this channel has since dropped is not matched — that handle may belong to someone else now, and crediting today’s namer to yesterday’s owner would misattribute it.
Named by
Channels on the register whose posts name this channel's handle.
Names
Channels on the register whose handles appear in this channel's posts.
A mention is a weaker signal than a forward and is counted separately for that reason — naming a channel is not republishing it, and a handle in a post body is easy to place deliberately. The post counts beside each row below are distinct posts in which the handle appeared, from posts we have read on both sides — the “Named by N registered channels” figure above is a different count, of distinct NAMING CHANNELS rather than posts, and is not the sum of the rows under it.
A live page changes as we take new readings, so a citation should name the measurement it is based on, not just the URL. The line below cites the subscriber count as measured 5 November 2026 — this entry's latest reading, not the date you are reading this.
“Beyond the LLM 🌓 | ML Mentorship” (@beyondTheLLM), 69 subscribers as measured 5 November 2026. Telegram Register, tgregister.com/channel/beyondTheLLM.
Full measurement history, CC BY 4.0. Every reading this register holds for this entry, not just the latest one, as a dated, downloadable record: CSV · JSON. Free to use with attribution to tgregister.com. Each file carries its own generation timestamp, which is the figure to cite for exactly when the data was retrieved.