Channel
@yet_another_mle
On this record: Topic · Growth · Engagement · Reactions · Posts · Citations · Cite this entry
859subscribers
-1 since we began measuring on 7 August 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1001863648013 |
|---|---|
| Type | Channel |
| Username | @yet_another_mle |
| Created | Between 1 October 2022 and 30 September 2023 — estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 8 August 2026 |
| Last confirmed live | 18 September 2026 |
| Measurements held | 5 |
| Confirmed unchanged | 1 time, most recently 18 September 2026 |
| On Telegram | t.me/yet_another_mle |
Technology — 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 19 September 2026 and assigned it the closest of 31 fixed categories, at 97% 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 why it has no browse page of its own yet.
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 18 Sept 2026, 20:36 | 859 | -2 |
| 9 Sept 2026, 16:38 | 861 | +2 |
| 16 Aug 2026, 17:03 | 859 | -1 |
| 8 Aug 2026, 01:17 | 860 | no change |
| 7 Aug 2026, 23:49 | 860 | first reading |
20 posts held, back to 21 January 2025 — 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 14 May 2026. An engagement rate over an empty window would be a number about nothing.
442 reactions across 20 posts, in 10 distinct kinds. The most used accounts for 41.9% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| 🔥 | 185 | 41.9% | |
| 👍 | 150 | 33.9% | |
| 🍌 | 52 | 11.8% | |
| 😁 | 26 | 5.88% | |
| 👀 | 14 | 3.17% | |
| 🤔 | 7 | 1.58% | |
| 😢 | 5 | 1.13% | |
| 🎉 | 1 | 0.226% | |
| 👎 | 1 | 0.226% | |
| 🤯 | 1 | 0.226% |
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 20 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 442 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 21 January 2025 to 14 May 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.
Кто пробовал Paperclip? Это такой оркестратор агентов, но в виде структуры организации. Вы ставите задачи. Их берет CEO и передает подчиненным — агентам, которых предварительно нанимает. Все это в красивом UI У кого-то был позитивный опыт? ))0) Я 2 часа промучился, пытаясь добиться создания агента с простейшим скиллом на проверку баланса в OpenRouter. По сути, это скил, описывающий один HTTP-запрос. Я поставил з…
😁19🔥4😢2🍌1👀1
Полезный режим был в ChatGPT — Study Mode Пока собрался про него написать, его уже убрали 💀 Но сам подход мне прям зашёл. Отлично вскрывает иллюзии понимания. Я использую очень просто: “погоняй меня по X” И дальше модель начинает задавать вопросы, копать глубже, цепляться к формулировкам. Часто уже после 3–4 вопросов понимаешь, что на самом деле не понимаешь. Неплохо работает: — когда учишь новую тему — перед соб…
👍15🍌4👀1
Неожиданно полезный сценарий для Claude Code — дебаг сложных LLM-пайплайнов Один промпт дебажить легко Два подряд — еще терпимо А вот пайплайн с классификатором, ветками выполнения, несколькими LLM и tools — уже боль Проблему понять еще можно, а вот локализовать конкретное место в промпте или коде, которое ее вызвало, уже тяжело Тут хорошо зашел Claude Code. Я просто даю ему ссылку на trace в Langfuse, и он разбир…
🔥14👍5
Энжоеры langchain тут? Недавно задумался, а что происходит при llm.with_structured_output. Интересовали два вопроса: 1. Гарантируется ли формат? 2. А как это работает, если провайдер не умеет “вернуть JSON по схеме” Копнув глубже, оказалось: with_structured_output - это не одна функция, а 3 разных режима под капотом: ### 1. json_schema Провайдер применяет server-side ограничение на формат ответа (constrained deco…
👍15🔥6👀4👎1
Довольно давно пользуюсь Obsidian, и недавно стал пользоваться Claude Code. Первый — это набор локальных md файлов, а второй, грубо, LLM, которая умеет читать и писать файлы. Так вот получается мощный дуэт Потестил связку на двух задачках: 1. Планирование путешествия Предстоит поездка, и оказалось удобнее планировать ее в Obsidian через Claude Code, чем в чате в браузере. Сначала попросил набрать интересных мест в…
🔥23🍌3👍2
Полезный сайтик https://deepwiki.directory, с ИИ описанием репозиториев. Из прикольного - не только текстом описывает, но и строит схемы с архитектурой. Мне так, действительно, легче вникнуть, если нет хорошей документации от разработчиков Недавно, например, вникал в архитектуру библиотечки для рагов dsRAG. А вот ИИ дока для него.
🔥12👍5🍌2😢2
Yet another сайт со сравнением ллмок, но еще и с метриками на бенчмарках https://llm-stats.com/
🍌4👍3
Крутой репозиторий, где люди взяли nanogpt (воспроизведение GPT-2) и ускоряли ее обучение. Такой спидран, но для llm-ки Тут записаны все изменения, и улучшения по времени. Можно почерпнуть идей для оптимизаций обучений На текущий момент для обучения на 8 h100: - Время: было 45 минут, стало 2 минуты - Данные: было 10 млрд токенов, стало 730 млн
👍12🍌5🤔3
Всегда было интересно найти промпты, которые обходят отказы ллмок и заставляют их ответить на запрещенные вопросы. Наткнулся на такой репозиторий. Кое-где работают 🙃 Из интересного у этого же автора - подборка ликнутых системных промптов от разных провайдеров
👍10🍌1🤔1
Спустя долгое время отсутствия приношу пост 👀 Наверняка вы когда-нибудь сталкивались с тем, что питонячий код/скрипт зависал во время выполнения. В такие моменты очень хочется знать, собственно, в каком месте это происходит... Так вот это довольно легко сделать (по крайней мере на Linux) с помощью дебагера gdb Делается так: 0. Сохраняем локально файл libpython.py. Это нужно, чтобы в gdb стек и код вокруг отображал…
🔥22👍3🤔2🍌1
Полезная статейка о использовании блендера для синтетики вдогонку к посту о генерилке синтетических листков Если в первом случае все управлялось конфигами, то тут уже напрямую питоном Вообще там много интересных статей в блоге DeepSchool (не реклама 🙂)
🔥11🍌3👍1🤔1
у вас такое бывало, когда в очередной раз столкнувшись с чем-то неработающим в сети, ты обещаешь себе изучить их? Узнали? так вот после секции вайбдебагинга я честно покопал DNS: 1. Посмотрел легендарного курс по сетям Андрея Созыкина. Он теперь свежий - три месяца назад снят. 18-24 видео 2. Поболтал с Клодом 3. Проделал практику из видео (вот это прям мастхев. Итеративный режим звучит просто, а сам я его не с перво…
🔥18👍6🍌3
Showing the 12 most recent of 20 posts we hold for @yet_another_mle. 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.
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.
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 18 September 2026 — this entry's latest reading, not the date you are reading this.
“Записки MLEшника” (@yet_another_mle), 859 subscribers as measured 18 September 2026. Telegram Register, tgregister.com/channel/yet_another_mle.
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.