В декабре в The Economist вышла прикольная статья под названием «Битва за то, чтобы остановить умных людей, делающих ставки». Там их дата-журналисту, который в качестве хобби строил вероятностные модели и баловался ставочками на спорт, надоело, что его банят во всех букмекерских домах UK – и он решил написать про это материал. Ниже несколько интересных моментов из него.
🐌 Примерный размер маржи букмекеров, зашитой в коэффициенты, составляет 4,5%+ от размера ставки. Но так как они принимают ставки на огромное количество событий – их алгоритмы для «правильного прайсинга» коэффициентов не могут быть точными вообще для всех линий ставок.
🐌 Букмекеры начинают профилировать клиентов еще даже до того, как они делают первую ставку. С какого устройства заходит чел, какого он пола (женщины-гэмблеры – это уже подозрительно!), за ставками на какие события и на каких рынках он следит – по косвенным признакам они почти сразу с вероятностью 80–90% прикидывают: лох перед ними или прошаренный профи (так называемый «шарп»).
🐌 Когда новая линия ставок на какое-то спортивное событие только открывается – предлагаемые коэффициенты выигрыша с большей вероятностью являются «неэффективными», чем когда все рыночные игроки уже успели сделать ставки и сдвинуть коэффициенты к более равновесным значениям. Именно таким образом шарпов спалить легче всего: они делают свои ставки как можно раньше и чаще всего фиксируют для себя коэффициенты, которые пост-фактум оказываются более выгодными, чем на закрытии линии (ближе к началу самого события).
🐌 Если машин-лёрнинг модель букмекеров пометила вас как потенциального шарпа-профи – то вам сразу урежут лимиты ставок раза в три. А если модель уверена уже очень сильно – то в сто раз, лол. Неча тут в минус для казино играть, бизнес не для этого делался!!
🐌 Обратная картинка для так называемых «китов» – кто ставит много, но глупо. Этим лимиты дают практически бездонные и всячески их обхаживают. Я бы даже перевел этот термин на русский как «мамонты»…
🐌 По сути, чтобы нормально зарабатывать на ставках, шарпам приходится маскироваться: ставить через других подставных лиц (их называют «мулами» или «бородами») – примерно как Борис-бритва в фильме Snatch отправлял Фрэнки-четыре-пальца сделать ставку вместо себя. Из этих же соображений профи часто пытаются «прикинуться лохами» на первых порах – делать много маленьких и глупых ставок, и только потом уже начинать действовать всерьез на суммы побольше.
🐌 Самый высший пилотаж для шарпа – это задружиться с настоящим китом-мамонтом, и договориться, чтобы он подмешивал твои хитрые ставки в океан своих тупых, лол. Как говорит один шарп в статье: «лучше зайти не как Дракула, а по пути комара – высасывать из букмекеров понемногу крови, но зато долго».
🐌 Интересный нюанс: многие профессиональные шарпы на самом деле поддерживают эту «грязную игру» со стороны букмекеров, с урезанием лимитов хорошим игрокам. Если бы букмекеров заставили давать всем одинаковые условия – то это, скорее всего, привело бы к общему ухудшению коэффициентов и снижению лимитов для всех одновременно. А так – букмекеры успешно щиплют мамонтов, а у самых прошаренных шарпов с навыками конспирации 80-го уровня есть возможность за счет своих скиллов устойчиво извлекать маржу из низкоконкурентного рынка.
Короче, к букмекерам – ни ногой! Хотя, признаюсь, я последние года четыре балуюсь немного ставками на UFC (но много не проигрываю – так, гоняю туда-сюда тысяч десять рублей годами)…
PhD Students – How to identify top researchers in your research area?
First, why it is important to know top researchers in your research area.
1️⃣ Help you identify top papers
2️⃣ Help you to collaborate with top researchers
3️⃣ Help you to learn from their work
4️⃣ Help you find your research ideals
🎯 Use @Bohrium_AI4S to identify the top researchers.
👉 Here is how it works?
1. Go to https://t.co/rNB7rdA0RT and log in.
2. From the left side menu, click Scholars.
3. In the search box, enter your research area.
4. For example, I entered cloud computing.
5. Bohrium will display the ranked list of top researchers.
6. This list is based on the number of citations for the researcher.
7. Then, click on the researcher’s name.
8. It will display the entire profile of the researcher.
9. This profile contains the work history of the researcher.
10. It contains the research areas of the researcher.
11. You will see the number of papers and citations.
12. You can sort the papers based on the latest/most cited.
13. You will also see the co-authors of the researcher.
Once explored, you can go back and explore another researcher.
This way you will know the top researchers in your research area.
Bohrium has a large database of 20 million active scholars
🎗️Try Bohrium to find top researchers
Bohrium Link: https://t.co/rNB7rdA0RT
❄️ Anything you'd like to add?
Meta just released MapAnything on Hugging Face
A universal transformer model for metric 3D reconstruction
It supports 12+ tasks like multi-view stereo and SfM in a single feed-forward pass
MicroCAD in the browser is becoming real.
I'm building a web-based μCAD editor where code is the model:
- Write parametric geometry, compile, and instantly preview.
- Export STL with no dependencies.
- No heavyweight CAD.
- An LLM chat to generate μCAD from text (still experimental).
Still experimental but powerful by design. The best part is that it's live. I added login because the host can't handle many parallel CAD-to-STL conversions.
https://t.co/8RXtuQmeQ9
[ Siggraph Asia '25] DeMapGS: Simultaneous Mesh Deformation and Surface Attribute Mapping via Gaussian Splatting
Contributions:
1. We propose an optimization framework that incorporates a gradient diffusion strategy, enabling large-step vertex updates while maintaining mesh regularity.
2. We introduce a postprocessing pipeline that extracts high-fidelity surface attributes—diffuse, normal, and displacement maps—directly from the optimized Gaussian splats.
3. We demonstrate that our structured Gaussian representation achieves high-quality geometry reconstruction and supports downstream applications such as editing, cross-object manipulation, and rendering.
Learn 𝗚𝗣𝗨 𝗽𝗿𝗼𝗴𝗿𝗮𝗺𝗺𝗶𝗻𝗴 from the ground up: begin with Numba for low-level control, then progress to Triton to write high-performance kernels in a Python-like language. A hands-on Jupyter notebook to get you started quickly.