🖥 Goedel-Prover — нейросеть, придвигающая формальные доказательства к автоматике

📌 Goedel-Prover — это открытая LLM-модель, предназначенная для автоматического вывода полных формальных доказательств в среде Lean 4. Благодаря сочетанию обучения формализации задач и итеративного режима обучения, она достигает выдающихся результатов на математических бенчмарках.

📌 Модель работает по схеме «statement formalizer + prover iterations». Сначала естественноязыковые математические задачи переводятся в формальный язык Lean 4, затем серия проверов дообучаются друг на друга — каждый следующий решает те те задачи, которые не удалось предыдущему. На benchmark miniF2F Goedel-Prover достигает 57.6% Pass@32, опережая предыдущие модели (DeepSeek-Prover-V1.5) на ~7.6%.

ℹ️ Интересный поворот — в августе 2025 вышла версия Goedel-Prover-V2, с новыми методами: scaffolded data synthesis, verifier-guided self-correction, объединение чекпоинтов (model averaging). В ней используются стратегии самокоррекции: модель сначала генерирует кандидата, затем проверяет его через компилятор Lean и вносит правки. В публичном доступе есть модель Goedel-Prover-V2-32B на Hugging Face.

🔗 Попробовать: Goedel-Prover

🔥 Полезные библиотеки Python

✅ Featuretools

📌 Featuretools — библиотека для автоматизированного создания признаков (feature engineering) в задачах машинного обучения. Она берёт таблицы данных (включая связанные/реляционные), анализирует связи между ними и автоматически генерирует новые признаки на основе правил и трансформаций. Это особенно полезно, когда нужны мощные признаки для моделей, но ручное проектирование слишком долгое или сложное.

📌 Особенности библиотеки:

🟢 Автоматическое создание признаков: генерирует сотни/тысячи новых признаков из сырых данных без ручного кодинга.
🟢 Поддержка реляционных и временных данных: можно работать с несколькими таблицами и использовать их отношения при генерации признаков.
🟢 Интеграция в ML-пайплайны: легко использовать с pandas и стандартными ML-инструментами.
🟢 Лёгкая установка и использование — есть примеры кода и документация.

⚙️ Установка:

pip install featuretools

🔢 Документация

#библиотеки

🖥 Python_Scripts

🕊🕊🕊🕊🕊🕊🕊🕊🕊🕊

Каналы с IT мероприятиями

Подписывайся,
чтобы не пропустить 👨‍💻

1. IT мероприятия для стажеров и студентов
2. IT мероприятия по РФ
3. IT мероприятия и хакатоны
4. Бесплатные IT мероприятия
5. IT мероприятия онлайн
6. IT мероприятия Москва
7. IT мероприятия Санкт-Петербург

✅ PDF Encryption Script — Python‑скрипт для защиты PDF паролем и шифрования файла.

📱 Python  3.x

📌 Скрипт позволяет зашифровать PDF‑файл с помощью числового пароля — при попытке открыть файл потребуется ввести пароль. Работает на Python и использует библиотеку PyPDF2 для обработки PDF‑структуры. Есть простая оболочка запуска: клонируешь репозиторий, устанавливаешь зависимости и запускаешь файл .py, вводя имя PDF и пароль.

📌 Фичи:

🟢 Возможность быстро защитить конфиденциальный документ перед пересылкой или хранением.
🟢 Минималистичный CLI‑инструмент — подходит для автоматизации через другие скрипты или CRON‑задачи.
🟢 Можно расширить поддержку шифрования, добавить графический интерфейс или работу с папками.

🔗 Репозиторий GitHub

#скрипты

🖥 Python_Scripts

📱 Держите 6 хороших каналов по искусственному интеллекту и программированию для любого уровня!

Выбирай направление:

📱 Нейросети — @neuro_prompt

🤖 AI-инструменты — @ai_prompt

📱 Python — @python_prompt

🤔 InfoSec & Хакинг — @infosec_prompt

👩‍💻 IT Новости — @it_news

😄 IT Мемы — @it_memes

Промпты, обучение, шпаргалки и полезные ресурсы на каждую тему!

✅ sync-gists — скрипт из репозитория “osteele/noscripts”, написанный на Python и Bash, который автоматически синхронизирует локальные файлы-скрипты/заметки с GitHub Gists.

📱 Python 3.8+
💾 Модули: os, subprocess, возможно requests или gh для Gist API, плюс Bash для хука. (детали — на странице проекта)

📌 sync-gists — помогает держать репозитории заметок/скриптов в актуальном виде: когда ты правишь локальные файлы, скрипт автоматически или по команде пушит изменения в соответствующие GitHub Gists. Удобно, если используешь Gist как резервное хранилище быстро-доступного кода или заметок.

🔧 Код и использование (примерная логика):

#!/usr/bin/env bash
# bash wrapper + python

LOCAL_DIR="$HOME/gists"
GIST_API_TOKEN="your_token_here"

for file in "$LOCAL_DIR"/*; do
    # получить соответствующий gist ID из маппинга
    gist_id=$(basename "$file" .py)
    # проверка, есть ли изменения
    git diff --quiet "$file" || \
    curl -X POST -H "Authorization: token $GIST_API_TOKEN" \
         -d "{\"files\": {\"$(basename "$file")\":{\"content\":\"$(sed 's/\"/\\\"/g' "$file")\"}}}" \
         "https://api.github.com/gists/$gist_id"
done

*(Это адаптированный фрагмент, не точный код из репо, но отражает основную идею.)

#скрипты

🖥 Python_Scripts

✅ Daily.py — коллекция готовых Python-скриптов для автоматизации повседневных задач

📱 Python 3.x

📌 Daily.py — репозиторий, в котором собраны десятки отдельных скриптов на Python: для управления файлами, работы с данными, автоматизации мелких задач. Полезно, если хочешь выбрать готовый скрипт «под дело» и быстро внедрить в свой рабочий процесс.

👨‍💻 Пример кода (логика):

# Примерный вызов (адаптирован)
from daily import file_organizer

file_organizer.run(src="/Users/user/Downloads", mode="by_extension")

📌 Что делает:

🟢 В комплекте: скрипт «FileOrganizer» — перемещает файлы по расширениям. (пример из списка)
🟢 Скрипты для отправки писем, переименования, скачивания, обработки изображений, работы с PDF и т.д.
🟢 Модули организованы как «выбери нужный скрипт → настрой → запусти».
🟢 Хорошее стартовое решение, если хочешь не писать с нуля, а подправить готовый.

🔗 Репозиторий GitHub

#скрипты

🖥 Python_Scripts

🔥 Полезные библиотеки Python

✅ PyXAB

📌 PyXAB — библиотека для X-armed бандитов и онлайн blackbox оптимизации. Предназначена для задач, где пространство действий непрерывно или высокоразмерно, и классические дискретные методы бандитов не подходят. Реализует такие алгоритмы, как HOO, StoSOO, HCT, GPO и др., а также даёт инструменты для оценки и синтетические функции для экспериментов.

📌 Особенности библиотеки:

🟢 Поддерживает несколько алгоритмов X-armed бандитов — HOO, StoSOO, HCT, а также более современные подходы GPO, VHCT и др.
🟢 Встроенные синтетические функции (test functions) для отладки и сравнительной оценки алгоритмов.
🟢 Гибкость в выборе разбиения пространства, параметров модели и стратегии поиска.
🟢 Документированная программная обвязка: интерфейсы для запуска экспериментов, анализа результатов, визуализации.
🟢 Открытая лицензия MIT, исходники на GitHub, доступна через PyPI.

⚙️ Установка:

pip install pyxab

🔢 Документация

#библиотеки

🖥 Python_Scripts

✅ autoDownloader

📱 Python 3.9+
ℹ️ Модули: В репозитории скрипта.

📌 autoDownloader — скрипт, который позволяет автоматизированно проверять заданные источники (RSS, HTML или текстовые файлы), и при появлении новых ссылок скачивать контент. Идеален для подписки на обновления: журналы, блоги, файлы, медиа.

👨‍💻 Пример использования и конфигурации:

Установка:

cd autoDownloader
pip install -r requirements.txt

Конфиг config.json:

{
  "items": [
    {
      "name": "Новости Блога",
      "dest_dir": "/home/user/auto_downloads",
      "provider": {
        "type": "RssProvider",
        "url": "https://someblog.com/rss.xml",
        "xpaths": {
          "noscript": "/item/noscript",
          "items": "//item",
          "url": "/item/link"
        }
      },
      "cache": {
        "type": "FileCache",
        "path": "/home/user/auto_downloads/cache.txt"
      },
      "downloader": {
        "type": "HttpDownloader",
        "method": "GET"
      },
      "post_downloads_noscript": "/home/user/noscripts/notify_new.sh"
    }
  ]
}

📌 Что делает:

🟢 Проверяет источники на новые записи / ссылки
🟢 Если появляются новые URL — скачивает
🟢 Использует кэш, чтобы не перезагружать то, что уже скачано
🟢 Можно подцепить свои скрипты перед/после скачивания, чтобы делать автоматические действия
🟢 Отлично подходит для автоматизации сбора данных, распространения материалов или мониторинга новых публикаций

🔗 Репозиторий GitHub

#скрипты

🖥 Python_Scripts

✅ ComfyUI-to-Python-Extension

📱 Python 3.8+
ℹ️ Модули: зависит от ComfyUI (framework для визуальной сборки нейросетей и потоков); использует модули Python скриптов внутри ComfyUI, обработку JSON / API, стандартные библиотеки. Требуется, чтобы ComfyUI версии, использующей “workflow API”,

📌 ComfyUI-to-Python-Extension — утилита-скрипт, которая преобразовывает визуальные workflow-конфигурации, созданные через интерфейс ComfyUI, в исполняемый Python код. То есть ты строишь узлы и связи в ComfyUI через UI, а скрипт экспортирует это в .py: удобно для автоматизации генерации, запуска без UI, сохранения версий конфигураций. (GitHub репозиторий скрипта)

👨‍💻 Код и установка (обзор):

🟠 Клонируете репозиторий pydn/ComfyUI-to-Python-Extension с GitHub.
🟠 Устанавливаете зависимости, указанные в requirements.txt.
🟠 Запускаете ComfyUI, загружаешь workflow в UI, затем используете “Save As Script” / “Save (API Format)” → получаете JSON.
🟠 Потом запускаете скрипт вроде comfyui_to_python.py --input_file workflow.json --output_file my_workflow.py.

Подробная информация в репозитории скрипта.

📌 Что делает:

🟠 Преобразует визуальную конфигурацию узлов (Nodes / workflow) в Python код, что позволяет:
запускать workflow программно, без UI,
делать версии сценариев, ставить автоматические тесты / CI,
масштабировать или создавать батчи генерации, где UI был бы неудобен.
🟠 Позволяет адаптировать workflow-конфигурации, изменять параметры узлов, модифицировать и повторно использовать.

#скрипты

🖥 Python_Scripts

🔥 Полезные библиотеки Python

✅ Effector

📌 Effector — библиотека, опубликованная на PyPI, предназначенная для региональных объяснений (regional feature effects) моделей интерпретируемого ML. Она помогает понять, как разные признаки влияют на прогноз модели не только в глобальном масштабе, но и в конкретных подпространствах (региональных субпространствах), что особенно важно, когда поведение модели неоднородно в зависимости от признаков.

📌 Особенности библиотеки:

🟠 Поддерживает глобальные методы объяснения (feature effect) и автоматически определяет региональные подпространства, где, по статистике, эффект признаков более однороден.
🟠 Интерфейс расширяемый — можно добавлять свои методы объяснения и определять регионы через логические правила.
🟠 Подходит как для табличных данных, так и для сложных ML-задач; позволяет визуализировать эффекты, сравнивать методы и отчётливо видеть, где признаки влияют по-разному.

⚙️ Установка:

pip install effector

🔢 Документация

#библиотеки

🖥 Python_Scripts

🔥 Полезная библиотека Python

✅ FastText-aligned

📌 FastText-aligned — расширение для библиотеки fastText, которое позволяет подгонять (align) эмбеддинги из одной языковой модели к эмбедингам другой так, чтобы они были совместимыми в одном векторном пространстве. Это особенно полезно при работе с мультиязычными моделями, когда эмбеддинги с разных языков или доменов нужно сравнивать напрямую.

📌 Особенности библиотеки:

🟢 Поддержка подгонки (alignment) методом Procrustes, Orthogonal Procrustes и др.
🟢 Совместимость с эмбедингами fastText (бинарные и текстовые форматы).
🟢 API, похожий на оригинальный fastText: load_model, align_to, get_vector.
🟢 Работает как вспомогательный инструмент, легко интегрируется в NLP-пайплайны, например для кроссъязыковых задач.

⚙️ Установка:

pip install fasttext-aligned

🔢 Документация

🖥 Python_Scripts