Forwarded from
Доброе утро! ☀️
Встречайте новый выпуск подкаста "Капитанский мостик". Ведущие Валентин Малых и Дмитрий Колодезев разбирают главные ИИ-события недели: вышел Gemini 4, Figure косплеит Терминатора, Пентагон закупает беспилотники, а Google несёт вычисления в космос.
Смотрите видео на каналах ⤵️
ODS VK Video
ODS YouTube
📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).
Встречайте новый выпуск подкаста "Капитанский мостик". Ведущие Валентин Малых и Дмитрий Колодезев разбирают главные ИИ-события недели: вышел Gemini 4, Figure косплеит Терминатора, Пентагон закупает беспилотники, а Google несёт вычисления в космос.
Смотрите видео на каналах ⤵️
ODS VK Video
ODS YouTube
📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).
❤2👍1🎉1🤡1
Forwarded from
Всем привет!
Встречайте воскресный выпуск подкаста "Капитанский мостик". В этот раз подкаст проводился вживую, как часть программы Data Fest Siberia 7. Ведущие Валентин Малых и Дмитрий Колодезев разбирали главные ИИ-события недели, главная тема — математика, созданная ИИ.
Смотрите видео на каналах ⤵️
ODS VK Video
ODS YouTube
📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).
Встречайте воскресный выпуск подкаста "Капитанский мостик". В этот раз подкаст проводился вживую, как часть программы Data Fest Siberia 7. Ведущие Валентин Малых и Дмитрий Колодезев разбирали главные ИИ-события недели, главная тема — математика, созданная ИИ.
Смотрите видео на каналах ⤵️
ODS VK Video
ODS YouTube
📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).
❤2🤩2😁1🤡1
Forwarded from
Доброе утро! ☀️
Встречайте новый выпуск подкаста "Капитанский мостик". Ведущие Валентин Малых и Дмитрий Колодезев разбирают главные ИИ-события недели: Sakana представила ИИ-ученого, обсуждаем глубокое рецензирование и будущее научных публикаций, вычисления прямо в памяти и китайские успехи в ИИ-математике.
Смотрите видео на каналах ⤵️
ODS VK Video
ODS YouTube
📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).
Встречайте новый выпуск подкаста "Капитанский мостик". Ведущие Валентин Малых и Дмитрий Колодезев разбирают главные ИИ-события недели: Sakana представила ИИ-ученого, обсуждаем глубокое рецензирование и будущее научных публикаций, вычисления прямо в памяти и китайские успехи в ИИ-математике.
Смотрите видео на каналах ⤵️
ODS VK Video
ODS YouTube
📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).
🤓3❤1
we are glad to announce that tomorrow 10 am UTC+3 Valentin Malykh and Dmitry Kolodezev will will host an Ask Me Anything session with Zheng Wang - one the main contributors to openJiuwen platform
Zheng Wang is also an author of several well-known papers on retrieval augmented generation and agents, if you are interested please join!
link for translation
Zheng Wang is also an author of several well-known papers on retrieval augmented generation and agents, if you are interested please join!
link for translation
🫡2
Forwarded from (Anton)
🏭 ИИ-фабрики. DSX POD собирают из готовых контейнеров, каждый весит 28,5 тонны и содержит 10 млн деталей, а проверяют их ещё на заводе. На месте такую фабрику запускают за 14 дней вместо полугода, охлаждение работает почти без воды, а электричества уходит на 30% меньше
P.S.
Хуанг продаёт всё: ноутбук для агента, чип для фабрики и фабрику целиком в контейнере. В золотую лихорадку выигрывает тот, кто продаёт лопаты, а у NVIDIA теперь лопаты любого размера
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🤯3🔥2
🚀 Stage 2 of the SWE MERA Challenge has started!
Here's what's new this time:
🔹 Evaluation now runs inside Docker — your model and (optionally) a harness solve the tasks there
🔹 48 tasks in Go, Python, PHP, and one more language, with varying difficulty levels
🔹 We're giving you half of an NVIDIA PRO 6000 to run the models
Big thanks to Kazteleport for providing the GPUs for the competition! 🙏
🏆 Reminder: the Top-3 participants will get the chance to present their work at ICSE 2027!
Join the challenge 👈
#SWEMERA #AI #ICSE2027
Here's what's new this time:
🔹 Evaluation now runs inside Docker — your model and (optionally) a harness solve the tasks there
🔹 48 tasks in Go, Python, PHP, and one more language, with varying difficulty levels
🔹 We're giving you half of an NVIDIA PRO 6000 to run the models
Big thanks to Kazteleport for providing the GPUs for the competition! 🙏
🏆 Reminder: the Top-3 participants will get the chance to present their work at ICSE 2027!
Join the challenge 👈
#SWEMERA #AI #ICSE2027
Forwarded from
Доброе утро! ☀️
Встречайте новый выпуск подкаста "Капитанский мостик". Ведущие Валентин Малых и Дмитрий Колодезев разбирают главные ИИ-события недели: Агенты лезут в кошелек | Видеокарта на 480 Гб | Робот-телохранитель
Смотрите видео на каналах ⤵️
ODS VK Video
ODS YouTube
📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).
Встречайте новый выпуск подкаста "Капитанский мостик". Ведущие Валентин Малых и Дмитрий Колодезев разбирают главные ИИ-события недели: Агенты лезут в кошелек | Видеокарта на 480 Гб | Робот-телохранитель
Смотрите видео на каналах ⤵️
ODS VK Video
ODS YouTube
📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).
❤1
Forwarded from
Если агента (обычный Claude Code, например) посадить в виртуальную среду, что он там будет делать? Что-то делает, оказывается, есть какой-то bias на исследование мира.
А если позволить ему сохранять накопленные знания в виде файлов, то вообще интересно. Самое забавное для меня вот это:
Отсюда, кажется, уже недалеко до computational religious studies.
Is this machine playing?
Nathan Cloos, Antonio Norelli, Daniel Durbin, Jacob Andreas, Daniela Rus, Phillip Isola
Статья: https://arxiv.org/abs/2610.07130
Ревью: https://arxiviq.substack.com/p/is-this-machine-playing
Код: https://github.com/nacloos/clawblox
ЧТО сделали: Авторы создали Eko — систему, где стандартного ассистента для написания кода помещают в симулированный физический мир без инструкций, функций наград и внешних оценок. Опыт между ежечасными сбросами среды сохраняется в текстовых файлах памяти Markdown.
ЧТО получили: Eko спонтанно сгенерировал 682 игровых эпизода за 23 запуска по 30 часов, проявив классические признаки игры. В бенчмарке
ПОЧЕМУ это важно: Свободная исследовательская игра позволяет вырабатывать полезные физические навыки без внешнего контроля и обновления весов. Однако агенты иногда сохраняют ложные убеждения, которые мешают решать последующие задачи.
Играть тут: https://t.me/gonzo_ML_podcasts/4833
А если позволить ему сохранять накопленные знания в виде файлов, то вообще интересно. Самое забавное для меня вот это:
Внешняя память помогает накапливать навыки, но порождает серьёзную проблему: закрепление ложных убеждений. Если агент записывает неверный вывод в SEMANTIC_MEMORY.md, все последующие сессии воспринимают его как аксиому.
Этот сбой наглядно виден на Figure 5F. Агент 7 решил, что вертикальная сборка блоков через команду Place ненадёжна, и пытался ставить блоки точными бросками. В итоге он показал один из худших результатов, построив башню медианной высоты всего в 3 блока. Когда исследователи удалили это заблуждение из файла памяти, медианная высота башни выросла с 3 до 11 блоков (p < 0.05).
Агент 12 на втором часу работы посчитал прыжки бесполезными для подъёма наверх и записал: «Лазание бесперспективно: поиск пути не работает на стенах, прыжок почти не даёт высоты». На Figure 3E видно, что все 30 часов он провёл на земле. Он выложил 29 плоских фигур (Figure 9) и ни разу не поднялся на возвышенность.
Отсюда, кажется, уже недалеко до computational religious studies.
Is this machine playing?
Nathan Cloos, Antonio Norelli, Daniel Durbin, Jacob Andreas, Daniela Rus, Phillip Isola
Статья: https://arxiv.org/abs/2610.07130
Ревью: https://arxiviq.substack.com/p/is-this-machine-playing
Код: https://github.com/nacloos/clawblox
ЧТО сделали: Авторы создали Eko — систему, где стандартного ассистента для написания кода помещают в симулированный физический мир без инструкций, функций наград и внешних оценок. Опыт между ежечасными сбросами среды сохраняется в текстовых файлах памяти Markdown.
ЧТО получили: Eko спонтанно сгенерировал 682 игровых эпизода за 23 запуска по 30 часов, проявив классические признаки игры. В бенчмарке
many-5-towers 62% опытных агентов построили больше двух башен (до 16) против 15% у агентов с нулевым опытом (максимум 6). В тесте objects-on-spire опытные агенты подняли в среднем 10.3 объекта против 3.5 у бейзлайна.ПОЧЕМУ это важно: Свободная исследовательская игра позволяет вырабатывать полезные физические навыки без внешнего контроля и обновления весов. Однако агенты иногда сохраняют ложные убеждения, которые мешают решать последующие задачи.
Играть тут: https://t.me/gonzo_ML_podcasts/4833
arXiv.org
Is this machine playing?
We placed a modern AI coding assistant in an unintended role: as the mind of a body on an unknown digital island. With only a minimal instruction mentioning no specific task, reward, or activity,...
❤5
Forwarded from
Всем привет!
Встречайте новый выпуск подкаста "Капитанский мостик". Ведущие Валентин Малых и Дмитрий Колодезев разбирают главные ИИ-события недели: ИИ-гуру благословил | Швеция запрещает Claude | Робот-бензопила
Смотрите видео на каналах ⤵️
ODS VK Video
ODS YouTube
📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).
Встречайте новый выпуск подкаста "Капитанский мостик". Ведущие Валентин Малых и Дмитрий Колодезев разбирают главные ИИ-события недели: ИИ-гуру благословил | Швеция запрещает Claude | Робот-бензопила
Смотрите видео на каналах ⤵️
ODS VK Video
ODS YouTube
📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).
😴1
Forwarded from
Инженеры Google дали Gemini 4 Argon через Antigravity научную модель океана FVCOM. В исходном проекте было 174 тысячи строк Fortran и C, накопленных за десятилетия.
Агент самостоятельно изучил код, составил план миграции, переписал основные вычислительные модули на Rust, запустил тесты и оптимизировал производительность.
Результаты эксперимента:
- 59 минут на миграцию основного вычислительного ядра.
- Ускорение симуляции в 1,88 раза.
- Потребление памяти снизилось на 54%.
- Обнаружено 6 старых ошибок, включая переполнения и выходы за границы массивов.
- 96,8% покрытия ветвей тестами.
- Численные результаты совпали с оригиналом до 12 знаков после запятой на 100 тестовых сценариях.
В новом коде полностью запретили
unsafe. Для ускорения агент убрал лишние выделения памяти внутри циклов, переработал структуры данных и применил LLVM PGO.При первом запуске один тест упал из-за ошибки в расчётах для мелководья. Агент сам разобрал трассировку, исправил код и повторно прогнал тесты.
Google выложила использованный workflow в виде открытого skill для Antigravity. Запуск миграции выглядит так:
/migrate-to-rust <github-repo-url>https://antigravity.google/blog/modernizing-40-year-old-scientific-code-with-gemini-4-argon
@data_analysis_ml
#rust #Google #Argon
Please open Telegram to view this post
VIEW IN TELEGRAM
❤9👍7😢2🔥1🤡1🆒1
Forwarded from
всем привет, мы открыли прием заявок на премию имени Левенштейна этого года
в позапрошлом году премию получила Наталья Валентиновна Лукашевич, в прошлом году - Александр Иванович Панченко, про обоих писал в свое время тут
в этом году из особенностей, мы сделали еще молодежную номинацию, для тех, ктомолод душой сделал первый свой вклад в течение 2026 года; кстати, несмотря на название "молодежная", ограничений по возрасту нет, только на очередность вклада
в общем, всех призываю подаваться здесь
@valuableai
в позапрошлом году премию получила Наталья Валентиновна Лукашевич, в прошлом году - Александр Иванович Панченко, про обоих писал в свое время тут
в этом году из особенностей, мы сделали еще молодежную номинацию, для тех, кто
в общем, всех призываю подаваться здесь
@valuableai
Forwarded from
Как развивался рефразер промптов в Alice AI ART
В Алисе есть модель для генерации и редактирования изображений Alice AI ART. Она может заменить лицо на фотографии или сгенерировать поздравительную открытку.
Под капотом это — сложная многостадийная система. Самые важные стадии — рефразер и диффузия. Диффузия непосредственно генерирует изображение. А рефразер переписывает запрос пользователя так, чтобы диффузия хорошо его поняла.
Алексей Кириллов из команды Alice AI ART рассказал на Data Fest в Новосибирске, как рефразер эволюционировал за два года, а мы пересказываем главное.
Переводчик
История началась в 2023 году. Тогда весь обучающий корпус для диффузии состоял исключительно из английский данных, из-за чего модель не понимала запросы на русском. Чтобы русскоязычный юзер мог пользоваться моделью, придумали простое решение: Яндекс.Переводчик.
Переводчик существовал в этой роли достаточно долго и успешно. Однако со временем у него стали всплывать проблемы на стыке русского и английского языков. Дело в том, что существуют слова, у которых есть несколько переводов с разным смыслом. Так, запрос «большие синицы» (big tits) давал неожиданный результат.
Решением стало добавлять уточняющий контекст, то есть сделать «умный переводчик». Например, писать: “bit tits are sitting on a tree”. Для обучения такого рефразера выработали пайплайн: собрать синтетический датасет с эталонными репромптами, сделать на нём SFT с Ptune, сверху шлифануть квантизацией для ускорения.
Детальные кепшены
Диффузионная модель обучается на парах «текст-картинка». Качество текста (кепшена) во много определяет качество модели, ведь если описание короткое или неточное, часть информации о картинке теряется, и модели сложнее научиться точно следовать промптам.
В какой-то момент для улучшения модели решили перейти на длинные структурированные кепшены. От прошлой версии они отличались увеличившейся в несколько раза длиной, наличием внутренней структуры и логики повествования.
Но качество просело. Родилась гипотеза, что проблема в расхождении промптов на инференсе и в обучении: модель привыкла видеть длинные промпты, а замеряем мы её на коротких. Для проверки гипотезы мы адаптировали рефразер к новому распределению кепшенов и — о чудо — всё завелось! Новый рефразер «вошел в резонанс» с новой диффузией, и метрики заметно выросли.
Так, рефразер перестал быть обособленной моделью, став неотъемлемой часть end2end-пайплайна.
Культурный контекст
Алиса — русскоязычный продукт, и когда пользователь пишет «нарисуй полицейского» он, вероятно, ожидает получить фотографию с российским полицейским.
В идеальной картине мира такое свойство должно закладываться на уровне диффузионной модели. Но это сделать сложно, потребуется пересборка всего корпуса для предобучения.
Можно поступить проще, закрепив это свойство на уровне рефразера. А именно, в нужных местах точечно дописывать слово «российский»: «российский полицейский», «российский космонавт». Несмотря на простоту, идея сработала: собрали специальную доливку к SFT, обучили, и увидели ожидаемый эффект.
Так рефразер взял на себя функцию продуктового алаймента.
JSON-кепшены
Ранее переход на длинные кепшены дал значительный прирост качества. У команды аналитики появилось желание пойти ещё дальше и уйти от текста к «машиночитамому» формату. Что если подавать в модель не текст, а JSON?
Мы проделали кропотливую работу, перебрав 18 версий промпта, — и в результате смогли выбить большой прирост по качеству. Теперь модель получала максимально детальную инструкцию: что генерировать, с какими атрибутами и взаимодействиями объектов. Ошибиться стало практически нереально.
Переход на новый формат кепшенов ожидаемо потребовал обновления рефразера. Одновременно удалось прийти к «обучению без обучения»: вместо подготовки датасета, SFT и квантизации — подбор системного промпта.
Таким образом, с развитием технологии, рефразер брал на себя всё больше и больше задач. Он прошёл путь от Яндекс.Переводчика до неотъемлой частьи всей системы, сравнявшись по значимости с диффузионной моделью.
ML Underhood
В Алисе есть модель для генерации и редактирования изображений Alice AI ART. Она может заменить лицо на фотографии или сгенерировать поздравительную открытку.
Под капотом это — сложная многостадийная система. Самые важные стадии — рефразер и диффузия. Диффузия непосредственно генерирует изображение. А рефразер переписывает запрос пользователя так, чтобы диффузия хорошо его поняла.
Алексей Кириллов из команды Alice AI ART рассказал на Data Fest в Новосибирске, как рефразер эволюционировал за два года, а мы пересказываем главное.
Переводчик
История началась в 2023 году. Тогда весь обучающий корпус для диффузии состоял исключительно из английский данных, из-за чего модель не понимала запросы на русском. Чтобы русскоязычный юзер мог пользоваться моделью, придумали простое решение: Яндекс.Переводчик.
Переводчик существовал в этой роли достаточно долго и успешно. Однако со временем у него стали всплывать проблемы на стыке русского и английского языков. Дело в том, что существуют слова, у которых есть несколько переводов с разным смыслом. Так, запрос «большие синицы» (big tits) давал неожиданный результат.
Решением стало добавлять уточняющий контекст, то есть сделать «умный переводчик». Например, писать: “bit tits are sitting on a tree”. Для обучения такого рефразера выработали пайплайн: собрать синтетический датасет с эталонными репромптами, сделать на нём SFT с Ptune, сверху шлифануть квантизацией для ускорения.
Детальные кепшены
Диффузионная модель обучается на парах «текст-картинка». Качество текста (кепшена) во много определяет качество модели, ведь если описание короткое или неточное, часть информации о картинке теряется, и модели сложнее научиться точно следовать промптам.
В какой-то момент для улучшения модели решили перейти на длинные структурированные кепшены. От прошлой версии они отличались увеличившейся в несколько раза длиной, наличием внутренней структуры и логики повествования.
Но качество просело. Родилась гипотеза, что проблема в расхождении промптов на инференсе и в обучении: модель привыкла видеть длинные промпты, а замеряем мы её на коротких. Для проверки гипотезы мы адаптировали рефразер к новому распределению кепшенов и — о чудо — всё завелось! Новый рефразер «вошел в резонанс» с новой диффузией, и метрики заметно выросли.
Так, рефразер перестал быть обособленной моделью, став неотъемлемой часть end2end-пайплайна.
Культурный контекст
Алиса — русскоязычный продукт, и когда пользователь пишет «нарисуй полицейского» он, вероятно, ожидает получить фотографию с российским полицейским.
В идеальной картине мира такое свойство должно закладываться на уровне диффузионной модели. Но это сделать сложно, потребуется пересборка всего корпуса для предобучения.
Можно поступить проще, закрепив это свойство на уровне рефразера. А именно, в нужных местах точечно дописывать слово «российский»: «российский полицейский», «российский космонавт». Несмотря на простоту, идея сработала: собрали специальную доливку к SFT, обучили, и увидели ожидаемый эффект.
Так рефразер взял на себя функцию продуктового алаймента.
JSON-кепшены
Ранее переход на длинные кепшены дал значительный прирост качества. У команды аналитики появилось желание пойти ещё дальше и уйти от текста к «машиночитамому» формату. Что если подавать в модель не текст, а JSON?
Мы проделали кропотливую работу, перебрав 18 версий промпта, — и в результате смогли выбить большой прирост по качеству. Теперь модель получала максимально детальную инструкцию: что генерировать, с какими атрибутами и взаимодействиями объектов. Ошибиться стало практически нереально.
Переход на новый формат кепшенов ожидаемо потребовал обновления рефразера. Одновременно удалось прийти к «обучению без обучения»: вместо подготовки датасета, SFT и квантизации — подбор системного промпта.
Таким образом, с развитием технологии, рефразер брал на себя всё больше и больше задач. Он прошёл путь от Яндекс.Переводчика до неотъемлой частьи всей системы, сравнявшись по значимости с диффузионной моделью.
ML Underhood
🔥2😁2❤1😱1🆒1
Forwarded from
Доброе утро! ☀️
Встречайте новый выпуск подкаста "Капитанский мостик". Ведущие Валентин Малых и Дмитрий Колодезев обсуждают с Григорием Черновым, специалистом по экономике, новости об ИИ: Kimi за рубли | Нейрохирургия Qwen | ИИ-пузырь лопнул
Смотрите видео на каналах ⤵️
ODS VK Video
ODS YouTube
📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).
Встречайте новый выпуск подкаста "Капитанский мостик". Ведущие Валентин Малых и Дмитрий Колодезев обсуждают с Григорием Черновым, специалистом по экономике, новости об ИИ: Kimi за рубли | Нейрохирургия Qwen | ИИ-пузырь лопнул
Смотрите видео на каналах ⤵️
ODS VK Video
ODS YouTube
📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).
👍1
Where Generated Floor Plans Stop: Calibrated Sample-Level Checks Against a Built Baseline
Professionals reject plans on criteria that generators are never scored on, and no code or standard states them. So there might be a room to improve the technology based on direct report from the professionals.
ArXiV: https://arxiv.org/abs/2611.00063
#AI #AEC #GAN
Professionals reject plans on criteria that generators are never scored on, and no code or standard states them. So there might be a room to improve the technology based on direct report from the professionals.
ArXiV: https://arxiv.org/abs/2611.00063
#AI #AEC #GAN
👍2🥱2
Forwarded from
Доброе утро! ☀️
Встречайте новый выпуск подкаста "Капитанский мостик". Ведущие Валентин Малых и Дмитрий Колодезев обсуждают новости об ИИ: Microsoft лежит | Китай на NVIDIA | Закладки в LLM
Смотрите видео на каналах ⤵️
ODS VK Video
ODS YouTube
📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).
Встречайте новый выпуск подкаста "Капитанский мостик". Ведущие Валентин Малых и Дмитрий Колодезев обсуждают новости об ИИ: Microsoft лежит | Китай на NVIDIA | Закладки в LLM
Смотрите видео на каналах ⤵️
ODS VK Video
ODS YouTube
📩 Присылайте новости для обсуждения в канал "Дата-капитаны" в mattermost (авторизуйтесь через ODS.ai).
Forwarded from
Наткнулся тут в посте Reminder на концепцию про которую много думаю в последние месяцы. Ее хорошо раскрывает преподаватель Стэнфорда Джереми Атли в своей книге The Human Advantage. Если коротоко, то ai усиливает то что есть у пользователя (ум, вкус, кругозор), если ничего нет, то и усиливать нечего. Это приводит к мультипликации интеллектуального неравенства. И немного еще напоминает торговлю с плечом на бирже — у вас мощный рычаг, но если вы его не туда приложили, то еще быстрее вылетаете в трубу да еще и платите за это брокеру проценты.
Что делать? Ну во первых больше учиться и тренировать мозги + смотреть вокруг и тренировать вкус и насмотренность. Ну и еще делать штуки в области в которой вы ориентируетесь лучше всего, можете оценить свои силы и понимаете куда приложить рычаг, а куда не надо.
@maxrepost👾️
Что делать? Ну во первых больше учиться и тренировать мозги + смотреть вокруг и тренировать вкус и насмотренность. Ну и еще делать штуки в области в которой вы ориентируетесь лучше всего, можете оценить свои силы и понимаете куда приложить рычаг, а куда не надо.
@maxrepost
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6