{"id":488688,"date":"2026-07-27T09:36:34","date_gmt":"2026-07-27T09:36:34","guid":{"rendered":"https:\/\/savepearlharbor.com\/?p=488688"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=488688","title":{"rendered":"\u042f\u0437\u044b\u043a\u043e\u0432\u0430\u044f \u041c\u043e\u0434\u0435\u043b\u044c \u0431\u0435\u0437 \u043c\u0430\u0433\u0438\u0438: \u041a\u0440\u043e\u0448\u0435\u0447\u043d\u0430\u044f Language Model \u043d\u0430 \u0447\u0438\u0441\u0442\u043e\u043c Node.js"},"content":{"rendered":"<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<figure class=\"\"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/\/post_images\/192\/b3b\/9d8\/192b3b9d8f98c52546c0b151f69a2648.png\" alt=\"\u0421\u0445\u0435\u043c\u0430 \u042f\u0437\u044b\u043a\u043e\u0432\u043e\u0439 \u041c\u043e\u0434\u0435\u043b\u0438\" sizes=\"(max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/\/post_images\/192\/b3b\/9d8\/192b3b9d8f98c52546c0b151f69a2648.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/\/post_images\/192\/b3b\/9d8\/192b3b9d8f98c52546c0b151f69a2648.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/p>\n<div><figcaption>\u0421\u0445\u0435\u043c\u0430 \u042f\u0437\u044b\u043a\u043e\u0432\u043e\u0439 \u041c\u043e\u0434\u0435\u043b\u0438<\/figcaption><\/div>\n<\/figure>\n<p><a href=\"https:\/\/habr.com\/ru\/articles\/1063326\/\" rel=\"noopener noreferrer nofollow\">English<\/a> | <strong>\u0420\u0443\u0441\u0441\u043a\u0438\u0439<\/strong><\/p>\n<blockquote>\n<p>Tokenization \u2192 embeddings \u2192 causal Transformer \u2192 LM head \u2192 softmax \u2192 loss \u2192 backpropagation. \u0411\u0435\u0437 TensorFlow, \u0431\u0435\u0437 PyTorch, \u0438 \u0431\u0435\u0437 hidden autograd.<\/p>\n<\/blockquote>\n<p>\u0423\u0447\u0435\u0431\u043d\u0430\u044f causal language model \u0431\u0435\u0437 TensorFlow, PyTorch \u0438 ML-\u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a. \u041a\u0430\u0436\u0434\u044b\u0439 \u0441\u043a\u0430\u043b\u044f\u0440, \u043d\u0435\u0439\u0440\u043e\u043d, \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442, attention score \u0438 \u0448\u0430\u0433 \u043e\u0431\u043d\u043e\u0432\u043b\u0435\u043d\u0438\u044f \u0432\u0435\u0441\u043e\u0432 \u0440\u0435\u0430\u043b\u0438\u0437\u043e\u0432\u0430\u043d \u043e\u0431\u044b\u0447\u043d\u044b\u043c JavaScript \u0438 \u0434\u043e\u0441\u0442\u0443\u043f\u0435\u043d \u0434\u043b\u044f \u043f\u0440\u043e\u0441\u043c\u043e\u0442\u0440\u0430 \u0432 \u043e\u0442\u043b\u0430\u0434\u0447\u0438\u043a\u0435.<\/p>\n<p>\u0412 \u043f\u0440\u043e\u0435\u043a\u0442\u0435 \u043e\u0441\u0442\u0430\u043b\u0441\u044f \u043e\u0434\u0438\u043d \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u0439 \u0438 \u043e\u0434\u043d\u0430 \u043a\u043e\u043c\u0430\u043d\u0434\u0430:<\/p>\n<pre><code class=\"bash\">node src\/train.js --generalize --adaptive-teach<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:87px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u0414\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e Node.js 18.19 \u0438\u043b\u0438 \u043d\u043e\u0432\u0435\u0435. \u0423\u0441\u0442\u0430\u043d\u0430\u0432\u043b\u0438\u0432\u0430\u0442\u044c \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0438 \u043d\u0435 \u043d\u0443\u0436\u043d\u043e.<\/p>\n<p>\u0420\u0435\u0430\u043b\u044c\u043d\u044b\u0439 \u0444\u0440\u0430\u0433\u043c\u0435\u043d\u0442 \u0438\u0437 <code>logs\/training-log.txt<\/code>: \u043c\u0430\u0442\u0440\u0438\u0446\u044b AFTER \u0438 DELTA \u043e\u0434\u043d\u043e\u0433\u043e FFN-\u0441\u043b\u043e\u044f:<\/p>\n<figure class=\"\"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/\/post_images\/e64\/0e9\/df3\/e640e9df33fdd1d0015c6b95d6b6b934.png\" alt=\"\u041c\u0430\u0442\u0440\u0438\u0446\u044b \u0432\u0435\u0441\u043e\u0432 AFTER \u0438 DELTA \u0438\u0437 logs\/training-log.txt\" sizes=\"(max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/\/post_images\/e64\/0e9\/df3\/e640e9df33fdd1d0015c6b95d6b6b934.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/\/post_images\/e64\/0e9\/df3\/e640e9df33fdd1d0015c6b95d6b6b934.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/p>\n<div><figcaption>\u041c\u0430\u0442\u0440\u0438\u0446\u044b \u0432\u0435\u0441\u043e\u0432 AFTER \u0438 DELTA \u0438\u0437 logs\/training-log.txt<\/figcaption><\/div>\n<\/figure>\n<h3>\u0427\u0442\u043e \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u0437\u0430\u043f\u0443\u0441\u043a<\/h3>\n<p>\u0421\u043d\u0430\u0447\u0430\u043b\u0430 \u043f\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u0430 \u0432\u044b\u0432\u043e\u0434\u0438\u0442 \u043e\u0442\u0432\u0435\u0442\u044b \u043c\u043e\u0434\u0435\u043b\u0438 \u0434\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f:<\/p>\n<pre><code>BEFORE TRAINING \u2014 random, usually wrong answers&gt; can human read ?  model:    ? &lt;unk&gt; ...  expected: human can read.  [WRONG]&gt; can cat read ?  model:    ? &lt;unk&gt; ...  expected: cat cannot read.  [WRONG]<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u0417\u0430\u0442\u0435\u043c \u0432\u044b\u043f\u043e\u043b\u043d\u044f\u044e\u0442\u0441\u044f pre-training, SFT \u0438 adaptive SFT. \u0412 \u043a\u043e\u043d\u0446\u0435 \u043e\u0442\u0432\u0435\u0442\u044b \u0441\u0442\u0430\u043d\u043e\u0432\u044f\u0442\u0441\u044f \u0443\u0441\u0442\u043e\u0439\u0447\u0438\u0432\u044b\u043c\u0438 \u0438 \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u043c\u0438:<\/p>\n<pre><code>FINAL ANSWERS AFTER ADAPTIVE SFT&gt; can human read ?  model:    human can read.  [CORRECT]&gt; can fish swim ?  model:    fish can swim.   [CORRECT]&gt; can bird fly ?  model:    bird can fly.    [CORRECT]&gt; can cat read ?  model:    cat cannot read. [CORRECT]Rehearsal controls preserved: 14\/14.Stable criterion reached 11 times in a row.<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u041f\u0435\u0440\u0432\u043e\u043d\u0430\u0447\u0430\u043b\u044c\u043d\u044b\u0435 \u043e\u0442\u0432\u0435\u0442\u044b \u043c\u0435\u043d\u044f\u044e\u0442\u0441\u044f, \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u0432\u0435\u0441\u0430 \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u0443\u044e\u0442\u0441\u044f \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u043e. \u041d\u0430 \u0442\u0435\u0441\u0442\u043e\u0432\u043e\u0439 \u043c\u0430\u0448\u0438\u043d\u0435 \u043f\u043e\u043b\u043d\u044b\u0439 \u0437\u0430\u043f\u0443\u0441\u043a \u0441\u043e \u0441\u043a\u0430\u043b\u044f\u0440\u043d\u044b\u043c autograd \u0437\u0430\u043d\u0438\u043c\u0430\u0435\u0442 \u043e\u043a\u043e\u043b\u043e \u0447\u0435\u0442\u044b\u0440\u0451\u0445 \u043c\u0438\u043d\u0443\u0442.<\/p>\n<h3>\u0415\u0434\u0438\u043d\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0439 pipeline \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f<\/h3>\n<pre><code>\u0442\u0435\u043a\u0441\u0442  \u2192 word tokenization  \u2192 token \u0438 position embeddings  \u2192 \u0434\u0432\u0430 causal Transformer-\u0431\u043b\u043e\u043a\u0430     \u2192 multi-head self-attention     \u2192 FFN \u0441 \u0434\u0432\u0443\u043c\u044f \u0441\u043a\u0440\u044b\u0442\u044b\u043c\u0438 \u0441\u043b\u043e\u044f\u043c\u0438  \u2192 LM head  \u2192 softmax probabilities  \u2192 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0442\u043e\u043a\u0435\u043d  \u2192 cross-entropy loss  \u2192 backpropagation  \u2192 \u043e\u0431\u043d\u043e\u0432\u043b\u0435\u043d\u0438\u0435 \u0432\u0435\u0441\u043e\u0432 Adam<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u0417\u0430\u043f\u0443\u0441\u043a \u0441\u043e\u0441\u0442\u043e\u0438\u0442 \u0438\u0437 \u0442\u0440\u0451\u0445 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u044b\u0445 \u044d\u0442\u0430\u043f\u043e\u0432.<\/p>\n<h4>1. Pre-training<\/h4>\n<p>\u041c\u043e\u0434\u0435\u043b\u044c \u0447\u0438\u0442\u0430\u0435\u0442 \u0434\u0435\u043a\u043b\u0430\u0440\u0430\u0442\u0438\u0432\u043d\u044b\u0435 \u0441\u0432\u044f\u0437\u0438 \u0438 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0442\u043e\u043a\u0435\u043d:<\/p>\n<pre><code>human can read .fish can swim .bird can fly .dog cannot read .<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u0421\u0432\u044f\u0437\u044c <code>cat + read<\/code> \u043d\u0430\u043c\u0435\u0440\u0435\u043d\u043d\u043e \u043e\u0442\u0441\u0443\u0442\u0441\u0442\u0432\u0443\u0435\u0442.<\/p>\n<h4>2. Supervised fine-tuning<\/h4>\n<p>SFT \u043e\u0431\u0443\u0447\u0430\u0435\u0442 \u0444\u043e\u0440\u043c\u0430\u0442\u0443 \u0432\u043e\u043f\u0440\u043e\u0441\u0430 \u0438 \u043e\u0442\u0432\u0435\u0442\u0430 \u043d\u0430 42 \u043f\u0430\u0440\u0430\u0445:<\/p>\n<pre><code>question : can fish swim ? answer : fish can swim .question : is bird able to fly ? answer : bird can fly .<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>Loss \u0441\u0447\u0438\u0442\u0430\u0435\u0442\u0441\u044f \u0442\u043e\u043b\u044c\u043a\u043e \u0434\u043b\u044f \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u043e\u0442\u0432\u0435\u0442\u0430. \u041a\u0430\u0436\u0434\u0430\u044f \u044d\u043f\u043e\u0445\u0430 \u043f\u0440\u043e\u0445\u043e\u0434\u0438\u0442 \u043a\u0430\u0436\u0434\u0443\u044e \u043f\u043e\u0437\u0438\u0446\u0438\u044e \u043e\u0442\u0432\u0435\u0442\u0430, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043f\u0440\u0438\u043c\u0435\u0440\u044b \u043d\u0435 \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u0430\u044e\u0442\u0441\u044f \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u043e\u0439 \u0432\u044b\u0431\u043e\u0440\u043a\u043e\u0439.<\/p>\n<h4>3. Adaptive SFT \u0441 rehearsal<\/h4>\n<p>\u041d\u0435\u0434\u043e\u0441\u0442\u0430\u044e\u0449\u0430\u044f \u0441\u0432\u044f\u0437\u044c \u043f\u0435\u0440\u0435\u0434\u0430\u0451\u0442\u0441\u044f \u0442\u043e\u043b\u044c\u043a\u043e \u043a\u0430\u043a \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u0435 target-\u0442\u043e\u043a\u0435\u043d\u044b:<\/p>\n<pre><code>['cat', 'cannot', 'read', '.']<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u041e\u0431\u0443\u0447\u0430\u044e\u0442\u0441\u044f \u0448\u0435\u0441\u0442\u044c \u0441\u0432\u044f\u0437\u0430\u043d\u043d\u044b\u0445 \u0444\u043e\u0440\u043c\u0443\u043b\u0438\u0440\u043e\u0432\u043e\u043a, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440:<\/p>\n<pre><code>can cat read ?is cat able to read ?does the cat know how to read ?<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u041e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043e\u0441\u0442\u0430\u043d\u0430\u0432\u043b\u0438\u0432\u0430\u0435\u0442\u0441\u044f, \u0442\u043e\u043b\u044c\u043a\u043e \u043a\u043e\u0433\u0434\u0430:<\/p>\n<ul>\n<li>\n<p>\u0432\u0441\u0435 adaptive- \u0438 rehearsal-\u043e\u0442\u0432\u0435\u0442\u044b \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b;<\/p>\n<\/li>\n<li>\n<p>\u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u044c \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e\u0433\u043e target-\u0442\u043e\u043a\u0435\u043d\u0430 \u043d\u0435 \u043d\u0438\u0436\u0435 95%;<\/p>\n<\/li>\n<li>\n<p>\u043f\u043e\u043b\u043d\u0430\u044f \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0430 \u0443\u0441\u043f\u0435\u0448\u043d\u043e \u043f\u0440\u043e\u0445\u043e\u0434\u0438\u0442 \u043c\u0438\u043d\u0438\u043c\u0443\u043c 11 \u0440\u0430\u0437 \u043f\u043e\u0434\u0440\u044f\u0434.<\/p>\n<\/li>\n<\/ul>\n<p>\u041e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u043d\u043e\u0432\u044b\u043c \u0432\u043e\u043f\u0440\u043e\u0441\u0430\u043c \u043f\u0440\u043e \u043a\u043e\u0448\u043a\u0443 \u0432\u044b\u0437\u044b\u0432\u0430\u043b\u043e catastrophic forgetting: \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430\u0447\u0438\u043d\u0430\u043b\u0430 \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0442\u044c \u043e\u0442\u0432\u0435\u0442 \u043f\u0440\u043e \u043a\u043e\u0448\u043a\u0443 \u043d\u0430 \u043f\u043e\u0441\u0442\u043e\u0440\u043e\u043d\u043d\u0438\u0435 \u0432\u043e\u043f\u0440\u043e\u0441\u044b. Rehearsal \u0438\u0441\u043f\u0440\u0430\u0432\u043b\u044f\u0435\u0442 \u044d\u0442\u043e, \u043f\u043e\u0432\u0442\u043e\u0440\u044f\u044f \u0432\u043e \u0432\u0440\u0435\u043c\u044f adaptive-\u044d\u0442\u0430\u043f\u0430 14 \u0440\u0430\u043d\u0435\u0435 \u0438\u0437\u0443\u0447\u0435\u043d\u043d\u044b\u0445 \u0441\u0432\u044f\u0437\u0435\u0439 <code>can ... ?<\/code>.<\/p>\n<h3>\u0428\u0430\u0433 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043f\u0440\u043e\u0441\u0442\u044b\u043c \u043a\u043e\u0434\u043e\u043c<\/h3>\n<p>\u0426\u0435\u043d\u0442\u0440\u0430\u043b\u044c\u043d\u0430\u044f \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u044f \u043d\u0430\u043c\u0435\u0440\u0435\u043d\u043d\u043e \u043e\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0430 \u043a\u043e\u0440\u043e\u0442\u043a\u043e\u0439:<\/p>\n<pre><code>function learnOneToken({ model, optimizer, input, targetId }) {  const loss = model.loss(input, targetId);  optimizer.zeroGrad();  loss.backward();  optimizer.step();  return loss.data;}<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u0415\u0451 \u0441\u043c\u044b\u0441\u043b:<\/p>\n<pre><code>loss = -log(P(\u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u0439 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0442\u043e\u043a\u0435\u043d | \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u044b))<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p><code>backward()<\/code> \u0432\u044b\u0447\u0438\u0441\u043b\u044f\u0435\u0442 <code>dLoss\/dWeight<\/code> \u0434\u043b\u044f \u0432\u0441\u0435\u0445 \u0443\u0447\u0430\u0441\u0442\u0432\u043e\u0432\u0430\u0432\u0448\u0438\u0445 \u0432\u0435\u0441\u043e\u0432. \u0417\u0430\u0442\u0435\u043c Adam \u0438\u0437\u043c\u0435\u043d\u044f\u0435\u0442 \u0432\u0435\u0441\u0430 \u0442\u0430\u043a, \u0447\u0442\u043e\u0431\u044b \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u044c \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e\u0433\u043e \u0442\u043e\u043a\u0435\u043d\u0430 \u0441\u0442\u0430\u043b\u0430 \u0432\u044b\u0448\u0435.<\/p>\n<h3>\u041d\u0435\u0439\u0440\u043e\u043d \u043a\u0430\u043a \u044d\u043a\u0437\u0435\u043c\u043f\u043b\u044f\u0440 \u043a\u043b\u0430\u0441\u0441\u0430<\/h3>\n<p>\u041a\u0430\u0436\u0434\u044b\u0439 \u043d\u0435\u0439\u0440\u043e\u043d \u0432\u044b\u0447\u0438\u0441\u043b\u044f\u0435\u0442 \u0437\u043d\u0430\u043a\u043e\u043c\u0443\u044e \u0444\u043e\u0440\u043c\u0443\u043b\u0443:<\/p>\n<pre><code>output = activation(sum(input[i] \u00d7 weight[i]) + bias)<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p><code>Linear<\/code> \u2014 \u043e\u0431\u044b\u0447\u043d\u044b\u0439 \u043c\u0430\u0441\u0441\u0438\u0432 \u0442\u0430\u043a\u0438\u0445 \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432. \u041a\u0430\u0436\u0434\u044b\u0439 \u0432\u0435\u0441 \u0438 bias \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u043c <code>Value<\/code>, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0438 \u0441\u043e\u0437\u0434\u0430\u044e\u0442 \u0432\u044b\u0447\u0438\u0441\u043b\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0439 \u0433\u0440\u0430\u0444 \u0434\u043b\u044f backpropagation.<\/p>\n<h3>Self-attention \u0438 FFN<\/h3>\n<p>\u0414\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0442\u043e\u043a\u0435\u043d\u0430 attention \u0441\u043e\u0437\u0434\u0430\u0451\u0442 Query, Key \u0438 Value:<\/p>\n<pre><code>Q = X \u00d7 WqK = X \u00d7 WkV = X \u00d7 Wvscore = dot(Q, K) \/ sqrt(headSize)attention = softmax(score)output = attention \u00d7 V<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>Causal-\u0446\u0438\u043a\u043b \u0440\u0430\u0441\u0441\u043c\u0430\u0442\u0440\u0438\u0432\u0430\u0435\u0442 \u0442\u043e\u043b\u044c\u043a\u043e \u0442\u0435\u043a\u0443\u0449\u0443\u044e \u0438 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0438\u0435 \u043f\u043e\u0437\u0438\u0446\u0438\u0438, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0435 \u0432\u0438\u0434\u0438\u0442 \u0431\u0443\u0434\u0443\u0449\u0438\u0439 target. \u041f\u043e\u0441\u043b\u0435 attention \u043a\u0430\u0436\u0434\u044b\u0439 \u0442\u043e\u043a\u0435\u043d \u043f\u0440\u043e\u0445\u043e\u0434\u0438\u0442 \u0447\u0435\u0440\u0435\u0437:<\/p>\n<pre><code>dModel \u2192 hidden ReLU \u2192 hidden ReLU \u2192 dModel<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u041e\u0431\u0430 \u043f\u043e\u0434\u0441\u043b\u043e\u044f \u043e\u043a\u0440\u0443\u0436\u0435\u043d\u044b residual connections \u0438 LayerNorm.<\/p>\n<h3>\u0410\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u043b\u043e\u0433 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f<\/h3>\n<p>\u041a\u0430\u0436\u0434\u044b\u0439 \u0437\u0430\u043f\u0443\u0441\u043a \u0430\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0441\u043e\u0437\u0434\u0430\u0451\u0442:<\/p>\n<pre><code>logs\/training-log.txt<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u041b\u043e\u0433 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u0442 \u0441\u043e\u0431\u043e\u0439 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u0443\u044e ASCII-\u0441\u0445\u0435\u043c\u0443, \u0430 \u043d\u0435 \u0441\u044b\u0440\u043e\u0439 JSON:<\/p>\n<pre><code>\u0442\u0435\u043a\u0441\u0442 -&gt; tokenizer -&gt; embeddings -&gt; Transformer blocks -&gt; LM head -&gt; softmax                     |                     +-&gt; pre-training -&gt; SFT -&gt; adaptive SFT+-- TRANSFORMER BLOCK 0 \/ FFN \/ HIDDEN 1| \u0441\u0442\u0440\u043e\u043a\u0430                       w[00]      w[01]      ...       bias| neuron[0]                +0.123456  -0.234567  ...  +0.010000| ...| LARGEST CHANGE: neuron[3] \/ weight[7]| before +0.120000 -&gt; after +0.180000 -&gt; delta +0.060000<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u0412 \u043d\u0451\u043c \u043f\u043e \u043f\u043e\u0440\u044f\u0434\u043a\u0443 \u0437\u0430\u043f\u0438\u0441\u0430\u043d\u043e \u043a\u0430\u0436\u0434\u043e\u0435 \u0441\u043e\u0431\u044b\u0442\u0438\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u043d\u0430\u0447\u0430\u043b\u044c\u043d\u044b\u0435 \u043c\u0430\u0442\u0440\u0438\u0446\u044b, \u0432\u0441\u0435 \u043c\u0430\u0442\u0440\u0438\u0446\u044b \u043f\u043e\u0441\u043b\u0435 pre-training\/SFT \u0438 adaptive SFT, \u0430 \u0442\u0430\u043a\u0436\u0435 \u0442\u043e\u0447\u043d\u0430\u044f delta-\u043c\u0430\u0442\u0440\u0438\u0446\u0430 \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0441\u043b\u043e\u044f. \u0421\u0442\u0440\u043e\u043a\u0438 \u043f\u043e\u0434\u043f\u0438\u0441\u0430\u043d\u044b \u043a\u0430\u043a <code>token[n]<\/code>, <code>position[n]<\/code> \u0438\u043b\u0438 <code>neuron[n]<\/code>, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u0435 \u043c\u043e\u0436\u043d\u043e \u043f\u0440\u043e\u0441\u043b\u0435\u0434\u0438\u0442\u044c \u0434\u043e \u0441\u043b\u043e\u044f, \u043d\u0435\u0439\u0440\u043e\u043d\u0430 \u0438 \u043d\u043e\u043c\u0435\u0440\u0430 \u0432\u0435\u0441\u0430.<\/p>\n<h3>\u0421\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0430 \u043f\u0440\u043e\u0435\u043a\u0442\u0430<\/h3>\n<ul>\n<li>\n<p><code>src\/value.js<\/code> \u2014 \u0441\u043a\u0430\u043b\u044f\u0440\u043d\u044b\u0439 autograd \u0438 backpropagation.<\/p>\n<\/li>\n<li>\n<p><code>src\/nn.js<\/code> \u2014 <code>Neuron<\/code>, <code>Linear<\/code> \u0438 LayerNorm.<\/p>\n<\/li>\n<li>\n<p><code>src\/model.js<\/code> \u2014 embeddings, attention, Transformer-\u0431\u043b\u043e\u043a\u0438, FFN \u0438 LM head.<\/p>\n<\/li>\n<li>\n<p><code>src\/tokenizer.js<\/code> \u2014 word-level tokenization.<\/p>\n<\/li>\n<li>\n<p><code>src\/corpus.js<\/code> \u2014 \u0435\u0434\u0438\u043d\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0439 \u043d\u0430\u0431\u043e\u0440 \u0434\u043b\u044f pre-training, SFT, adaptive \u0438 \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u044f.<\/p>\n<\/li>\n<li>\n<p><code>src\/optimizer.js<\/code> \u2014 Adam \u0438 gradient clipping.<\/p>\n<\/li>\n<li>\n<p><code>src\/training-log.js<\/code> \u2014 \u0441\u043d\u0438\u043c\u043a\u0438 \u043c\u043e\u0434\u0435\u043b\u0438 \u0438 \u043f\u043e\u043b\u043d\u0430\u044f ASCII-\u0442\u0440\u0430\u0441\u0441\u0438\u0440\u043e\u0432\u043a\u0430 \u043c\u0430\u0442\u0440\u0438\u0446.<\/p>\n<\/li>\n<li>\n<p><code>src\/train.js<\/code> \u2014 \u0435\u0434\u0438\u043d\u044b\u0439 \u0447\u0438\u0442\u0430\u0435\u043c\u044b\u0439 pipeline \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f.<\/p>\n<\/li>\n<li>\n<p><code>test\/model.test.js<\/code> \u2014 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0438 autograd, \u043d\u0435\u0439\u0440\u043e\u043d\u0430, \u0442\u043e\u043a\u0435\u043d\u0438\u0437\u0430\u0446\u0438\u0438 \u0438 \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u0435\u0439.<\/p>\n<\/li>\n<\/ul>\n<h3>\u042d\u0442\u043e \u043d\u0430\u0441\u0442\u043e\u044f\u0449\u0430\u044f language model?<\/h3>\n<p>\u0414\u0430 \u043f\u043e \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0435 \u0438 \u043c\u0435\u0445\u0430\u043d\u0438\u043a\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u043d\u043e \u043d\u0435\u0442 \u043f\u043e \u043f\u0440\u043e\u043c\u044b\u0448\u043b\u0435\u043d\u043d\u043e\u043c\u0443 \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0443.<\/p>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<th>\n<p align=\"left\">\u042d\u0442\u043e\u0442 \u043f\u0440\u043e\u0435\u043a\u0442<\/p>\n<\/th>\n<th>\n<p align=\"left\">Production LLM<\/p>\n<\/th>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">Word-level \u0441\u043b\u043e\u0432\u0430\u0440\u044c \u0438\u0437 24 \u0442\u043e\u043a\u0435\u043d\u043e\u0432<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0414\u0435\u0441\u044f\u0442\u043a\u0438 \u0438\u043b\u0438 \u0441\u043e\u0442\u043d\u0438 \u0442\u044b\u0441\u044f\u0447 subword-\u0442\u043e\u043a\u0435\u043d\u043e\u0432<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">2 160 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u041c\u0438\u043b\u043b\u0438\u043e\u043d\u044b \u0438\u043b\u0438 \u043c\u0438\u043b\u043b\u0438\u0430\u0440\u0434\u044b \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u0414\u0432\u0430 Transformer-\u0431\u043b\u043e\u043a\u0430<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0414\u0435\u0441\u044f\u0442\u043a\u0438 \u0438\u043b\u0438 \u0441\u043e\u0442\u043d\u0438 \u0431\u043b\u043e\u043a\u043e\u0432<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u0421\u043a\u0430\u043b\u044f\u0440\u043d\u044b\u0439 JavaScript autograd<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0422\u0435\u043d\u0437\u043e\u0440\u043d\u044b\u0439 autograd \u043d\u0430 GPU\/TPU<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u041c\u0430\u043b\u0435\u043d\u044c\u043a\u0438\u0439 \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0439 dataset<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u041e\u0433\u0440\u043e\u043c\u043d\u044b\u0435 \u043f\u043e\u0434\u0433\u043e\u0442\u043e\u0432\u043b\u0435\u043d\u043d\u044b\u0435 \u043a\u043e\u0440\u043f\u0443\u0441\u0430<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u0423\u0437\u043a\u043e\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u043d\u043e\u0435 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0428\u0438\u0440\u043e\u043a\u0438\u0439 \u044f\u0437\u044b\u043a, \u0437\u043d\u0430\u043d\u0438\u044f \u0438 reasoning<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>\u041e\u0441\u043d\u043e\u0432\u043d\u043e\u0439 \u043f\u0440\u0438\u0447\u0438\u043d\u043d\u044b\u0439 \u043f\u0443\u0442\u044c \u043d\u0430\u0441\u0442\u043e\u044f\u0449\u0438\u0439:<\/p>\n<pre><code>\u0442\u043e\u043a\u0435\u043d \u2192 embedding \u2192 attention \u2192 FFN \u2192 logits \u2192 probability      \u2192 loss \u2192 gradient \u2192 \u043d\u043e\u0432\u044b\u0439 \u0432\u0435\u0441 \u2192 \u0438\u0437\u043c\u0435\u043d\u0438\u0432\u0448\u0435\u0435\u0441\u044f \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u0421\u043b\u043e\u0432\u043e \u00abtiny\u00bb \u043e\u043f\u0438\u0441\u044b\u0432\u0430\u0435\u0442 \u043c\u0430\u0441\u0448\u0442\u0430\u0431, \u0430 \u043d\u0435 \u0434\u0440\u0443\u0433\u043e\u0439 \u0441\u043c\u044b\u0441\u043b \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f.<\/p>\n<p>\u0420\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u0439: <a href=\"https:\/\/github.com\/sekretov\/tiny-language-model-neuro-js\" rel=\"noopener noreferrer nofollow\"><strong>tiny-language-model-neuro-js<\/strong><\/a>.<\/p>\n<\/div>\n<p>\u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/articles\/1063406\/\">https:\/\/habr.com\/ru\/articles\/1063406\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u0421\u0445\u0435\u043c\u0430 \u042f\u0437\u044b\u043a\u043e\u0432\u043e\u0439 \u041c\u043e\u0434\u0435\u043b\u0438English | \u0420\u0443\u0441\u0441\u043a\u0438\u0439Tokenization \u2192 embeddings \u2192 causal Transformer \u2192 LM head \u2192 softmax \u2192 loss \u2192 backpropagation. \u0411\u0435\u0437 TensorFlow, \u0431\u0435\u0437 PyTorch, \u0438 \u0431\u0435\u0437 hidden autograd.\u0423\u0447\u0435\u0431\u043d\u0430\u044f causal language model \u0431\u0435\u0437 TensorFlow, PyTorch \u0438 ML-\u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a. \u041a\u0430\u0436\u0434\u044b\u0439 \u0441\u043a\u0430\u043b\u044f\u0440, \u043d\u0435\u0439\u0440\u043e\u043d, \u0433\u0440\u0430\u0434\u0438\u0435\u043d\u0442, attention score \u0438 \u0448\u0430\u0433 \u043e\u0431\u043d\u043e\u0432\u043b\u0435\u043d\u0438\u044f \u0432\u0435\u0441\u043e\u0432 \u0440\u0435\u0430\u043b\u0438\u0437\u043e\u0432\u0430\u043d \u043e\u0431\u044b\u0447\u043d\u044b\u043c JavaScript \u0438 \u0434\u043e\u0441\u0442\u0443\u043f\u0435\u043d \u0434\u043b\u044f \u043f\u0440\u043e\u0441\u043c\u043e\u0442\u0440\u0430 \u0432 \u043e\u0442\u043b\u0430\u0434\u0447\u0438\u043a\u0435.\u0412 \u043f\u0440\u043e\u0435\u043a\u0442\u0435 \u043e\u0441\u0442\u0430\u043b\u0441\u044f \u043e\u0434\u0438\u043d \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u0439 \u0438 \u043e\u0434\u043d\u0430 \u043a\u043e\u043c\u0430\u043d\u0434\u0430:node src\/train.js &#8212;generalize &#8212;adaptive-teach\u0414\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e Node.js 18.19 \u0438\u043b\u0438 \u043d\u043e\u0432\u0435\u0435. \u0423\u0441\u0442\u0430\u043d\u0430\u0432\u043b\u0438\u0432\u0430\u0442\u044c \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0438 \u043d\u0435 \u043d\u0443\u0436\u043d\u043e.\u0420\u0435\u0430\u043b\u044c\u043d\u044b\u0439 \u0444\u0440\u0430\u0433\u043c\u0435\u043d\u0442 \u0438\u0437 logs\/training-log.txt: \u043c\u0430\u0442\u0440\u0438\u0446\u044b AFTER \u0438 DELTA \u043e\u0434\u043d\u043e\u0433\u043e FFN-\u0441\u043b\u043e\u044f:\u041c\u0430\u0442\u0440\u0438\u0446\u044b \u0432\u0435\u0441\u043e\u0432 AFTER \u0438 DELTA \u0438\u0437 logs\/training-log.txt\u0427\u0442\u043e \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u0437\u0430\u043f\u0443\u0441\u043a\u0421\u043d\u0430\u0447\u0430\u043b\u0430 \u043f\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u0430 \u0432\u044b\u0432\u043e\u0434\u0438\u0442 \u043e\u0442\u0432\u0435\u0442\u044b \u043c\u043e\u0434\u0435\u043b\u0438 \u0434\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f:BEFORE TRAINING \u2014 random, usually wrong answers&gt; can human read ?  model:    ? &lt;unk&gt; &#8230;  expected: human can read.  [WRONG]&gt; can cat read ?  model:    ? &lt;unk&gt; &#8230;  expected: cat cannot read.  [WRONG]\u0417\u0430\u0442\u0435\u043c \u0432\u044b\u043f\u043e\u043b\u043d\u044f\u044e\u0442\u0441\u044f pre-training, SFT \u0438 adaptive SFT. \u0412 \u043a\u043e\u043d\u0446\u0435 \u043e\u0442\u0432\u0435\u0442\u044b \u0441\u0442\u0430\u043d\u043e\u0432\u044f\u0442\u0441\u044f \u0443\u0441\u0442\u043e\u0439\u0447\u0438\u0432\u044b\u043c\u0438 \u0438 \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u043c\u0438:FINAL ANSWERS AFTER ADAPTIVE SFT&gt; can human read ?  model:    human can read.  [CORRECT]&gt; can fish swim ?  model:    fish can swim.   [CORRECT]&gt; can bird fly ?  model:    bird can fly.    [CORRECT]&gt; can cat read ?  model:    cat cannot read. [CORRECT]Rehearsal controls preserved: 14\/14.Stable criterion reached 11 times in a row.\u041f\u0435\u0440\u0432\u043e\u043d\u0430\u0447\u0430\u043b\u044c\u043d\u044b\u0435 \u043e\u0442\u0432\u0435\u0442\u044b \u043c\u0435\u043d\u044f\u044e\u0442\u0441\u044f, \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u0432\u0435\u0441\u0430 \u0438\u043d\u0438\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u0443\u044e\u0442\u0441\u044f \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u043e. \u041d\u0430 \u0442\u0435\u0441\u0442\u043e\u0432\u043e\u0439 \u043c\u0430\u0448\u0438\u043d\u0435 \u043f\u043e\u043b\u043d\u044b\u0439 \u0437\u0430\u043f\u0443\u0441\u043a \u0441\u043e \u0441\u043a\u0430\u043b\u044f\u0440\u043d\u044b\u043c autograd \u0437\u0430\u043d\u0438\u043c\u0430\u0435\u0442 \u043e\u043a\u043e\u043b\u043e \u0447\u0435\u0442\u044b\u0440\u0451\u0445 \u043c\u0438\u043d\u0443\u0442.\u0415\u0434\u0438\u043d\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0439 pipeline \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f\u0442\u0435\u043a\u0441\u0442  \u2192 word tokenization  \u2192 token \u0438 position embeddings  \u2192 \u0434\u0432\u0430 causal Transformer-\u0431\u043b\u043e\u043a\u0430     \u2192 multi-head self-attention     \u2192 FFN \u0441 \u0434\u0432\u0443\u043c\u044f \u0441\u043a\u0440\u044b\u0442\u044b\u043c\u0438 \u0441\u043b\u043e\u044f\u043c\u0438  \u2192 LM head  \u2192 softmax probabilities  \u2192 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0442\u043e\u043a\u0435\u043d  \u2192 cross-entropy loss  \u2192 backpropagation  \u2192 \u043e\u0431\u043d\u043e\u0432\u043b\u0435\u043d\u0438\u0435 \u0432\u0435\u0441\u043e\u0432 Adam\u0417\u0430\u043f\u0443\u0441\u043a \u0441\u043e\u0441\u0442\u043e\u0438\u0442 \u0438\u0437 \u0442\u0440\u0451\u0445 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u044b\u0445 \u044d\u0442\u0430\u043f\u043e\u0432.1. Pre-training\u041c\u043e\u0434\u0435\u043b\u044c \u0447\u0438\u0442\u0430\u0435\u0442 \u0434\u0435\u043a\u043b\u0430\u0440\u0430\u0442\u0438\u0432\u043d\u044b\u0435 \u0441\u0432\u044f\u0437\u0438 \u0438 \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0442\u043e\u043a\u0435\u043d:human can read .fish can swim .bird can fly .dog cannot read .\u0421\u0432\u044f\u0437\u044c cat + read \u043d\u0430\u043c\u0435\u0440\u0435\u043d\u043d\u043e \u043e\u0442\u0441\u0443\u0442\u0441\u0442\u0432\u0443\u0435\u0442.2. Supervised fine-tuningSFT \u043e\u0431\u0443\u0447\u0430\u0435\u0442 \u0444\u043e\u0440\u043c\u0430\u0442\u0443 \u0432\u043e\u043f\u0440\u043e\u0441\u0430 \u0438 \u043e\u0442\u0432\u0435\u0442\u0430 \u043d\u0430 42 \u043f\u0430\u0440\u0430\u0445:question : can fish swim ? answer : fish can swim .question : is bird able to fly ? answer : bird can fly .Loss \u0441\u0447\u0438\u0442\u0430\u0435\u0442\u0441\u044f \u0442\u043e\u043b\u044c\u043a\u043e \u0434\u043b\u044f \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u043e\u0442\u0432\u0435\u0442\u0430. \u041a\u0430\u0436\u0434\u0430\u044f \u044d\u043f\u043e\u0445\u0430 \u043f\u0440\u043e\u0445\u043e\u0434\u0438\u0442 \u043a\u0430\u0436\u0434\u0443\u044e \u043f\u043e\u0437\u0438\u0446\u0438\u044e \u043e\u0442\u0432\u0435\u0442\u0430, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043f\u0440\u0438\u043c\u0435\u0440\u044b \u043d\u0435 \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u0430\u044e\u0442\u0441\u044f \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u043e\u0439 \u0432\u044b\u0431\u043e\u0440\u043a\u043e\u0439.3. Adaptive SFT \u0441 rehearsal\u041d\u0435\u0434\u043e\u0441\u0442\u0430\u044e\u0449\u0430\u044f \u0441\u0432\u044f\u0437\u044c \u043f\u0435\u0440\u0435\u0434\u0430\u0451\u0442\u0441\u044f \u0442\u043e\u043b\u044c\u043a\u043e \u043a\u0430\u043a \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u0435 target-\u0442\u043e\u043a\u0435\u043d\u044b:[&#8216;cat&#8217;, &#8216;cannot&#8217;, &#8216;read&#8217;, &#8216;.&#8217;]\u041e\u0431\u0443\u0447\u0430\u044e\u0442\u0441\u044f \u0448\u0435\u0441\u0442\u044c \u0441\u0432\u044f\u0437\u0430\u043d\u043d\u044b\u0445 \u0444\u043e\u0440\u043c\u0443\u043b\u0438\u0440\u043e\u0432\u043e\u043a, \u043d\u0430\u043f\u0440\u0438\u043c\u0435\u0440:can cat read ?is cat able to read ?does the cat know how to read ?\u041e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043e\u0441\u0442\u0430\u043d\u0430\u0432\u043b\u0438\u0432\u0430\u0435\u0442\u0441\u044f, \u0442\u043e\u043b\u044c\u043a\u043e \u043a\u043e\u0433\u0434\u0430:\u0432\u0441\u0435 adaptive- \u0438 rehearsal-\u043e\u0442\u0432\u0435\u0442\u044b \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b;\u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u044c \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e\u0433\u043e target-\u0442\u043e\u043a\u0435\u043d\u0430 \u043d\u0435 \u043d\u0438\u0436\u0435 95%;\u043f\u043e\u043b\u043d\u0430\u044f \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0430 \u0443\u0441\u043f\u0435\u0448\u043d\u043e \u043f\u0440\u043e\u0445\u043e\u0434\u0438\u0442 \u043c\u0438\u043d\u0438\u043c\u0443\u043c 11 \u0440\u0430\u0437 \u043f\u043e\u0434\u0440\u044f\u0434.\u041e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u043d\u043e\u0432\u044b\u043c \u0432\u043e\u043f\u0440\u043e\u0441\u0430\u043c \u043f\u0440\u043e \u043a\u043e\u0448\u043a\u0443 \u0432\u044b\u0437\u044b\u0432\u0430\u043b\u043e catastrophic forgetting: \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0430\u0447\u0438\u043d\u0430\u043b\u0430 \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0442\u044c \u043e\u0442\u0432\u0435\u0442 \u043f\u0440\u043e \u043a\u043e\u0448\u043a\u0443 \u043d\u0430 \u043f\u043e\u0441\u0442\u043e\u0440\u043e\u043d\u043d\u0438\u0435 \u0432\u043e\u043f\u0440\u043e\u0441\u044b. Rehearsal \u0438\u0441\u043f\u0440\u0430\u0432\u043b\u044f\u0435\u0442 \u044d\u0442\u043e, \u043f\u043e\u0432\u0442\u043e\u0440\u044f\u044f \u0432\u043e \u0432\u0440\u0435\u043c\u044f adaptive-\u044d\u0442\u0430\u043f\u0430 14 \u0440\u0430\u043d\u0435\u0435 \u0438\u0437\u0443\u0447\u0435\u043d\u043d\u044b\u0445 \u0441\u0432\u044f\u0437\u0435\u0439 can &#8230; ?.\u0428\u0430\u0433 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u043f\u0440\u043e\u0441\u0442\u044b\u043c \u043a\u043e\u0434\u043e\u043c\u0426\u0435\u043d\u0442\u0440\u0430\u043b\u044c\u043d\u0430\u044f \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u044f \u043d\u0430\u043c\u0435\u0440\u0435\u043d\u043d\u043e \u043e\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0430 \u043a\u043e\u0440\u043e\u0442\u043a\u043e\u0439:function learnOneToken({ model, optimizer, input, targetId }) {  const loss = model.loss(input, targetId);  optimizer.zeroGrad();  loss.backward();  optimizer.step();  return loss.data;}\u0415\u0451 \u0441\u043c\u044b\u0441\u043b:loss = -log(P(\u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u0439 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0442\u043e\u043a\u0435\u043d | \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0438\u0435 \u0442\u043e\u043a\u0435\u043d\u044b))backward() \u0432\u044b\u0447\u0438\u0441\u043b\u044f\u0435\u0442 dLoss\/dWeight \u0434\u043b\u044f \u0432\u0441\u0435\u0445 \u0443\u0447\u0430\u0441\u0442\u0432\u043e\u0432\u0430\u0432\u0448\u0438\u0445 \u0432\u0435\u0441\u043e\u0432. \u0417\u0430\u0442\u0435\u043c Adam \u0438\u0437\u043c\u0435\u043d\u044f\u0435\u0442 \u0432\u0435\u0441\u0430 \u0442\u0430\u043a, \u0447\u0442\u043e\u0431\u044b \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u044c \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e\u0433\u043e \u0442\u043e\u043a\u0435\u043d\u0430 \u0441\u0442\u0430\u043b\u0430 \u0432\u044b\u0448\u0435.\u041d\u0435\u0439\u0440\u043e\u043d \u043a\u0430\u043a \u044d\u043a\u0437\u0435\u043c\u043f\u043b\u044f\u0440 \u043a\u043b\u0430\u0441\u0441\u0430\u041a\u0430\u0436\u0434\u044b\u0439 \u043d\u0435\u0439\u0440\u043e\u043d \u0432\u044b\u0447\u0438\u0441\u043b\u044f\u0435\u0442 \u0437\u043d\u0430\u043a\u043e\u043c\u0443\u044e \u0444\u043e\u0440\u043c\u0443\u043b\u0443:output = activation(sum(input[i] \u00d7 weight[i]) + bias)Linear \u2014 \u043e\u0431\u044b\u0447\u043d\u044b\u0439 \u043c\u0430\u0441\u0441\u0438\u0432 \u0442\u0430\u043a\u0438\u0445 \u043d\u0435\u0439\u0440\u043e\u043d\u043e\u0432. \u041a\u0430\u0436\u0434\u044b\u0439 \u0432\u0435\u0441 \u0438 bias \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043e\u0431\u044a\u0435\u043a\u0442\u043e\u043c Value, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0438 \u0441\u043e\u0437\u0434\u0430\u044e\u0442 \u0432\u044b\u0447\u0438\u0441\u043b\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0439 \u0433\u0440\u0430\u0444 \u0434\u043b\u044f backpropagation.Self-attention \u0438 FFN\u0414\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0442\u043e\u043a\u0435\u043d\u0430 attention \u0441\u043e\u0437\u0434\u0430\u0451\u0442 Query, Key \u0438 Value:Q = X \u00d7 WqK = X \u00d7 WkV = X \u00d7 Wvscore = dot(Q, K) \/ sqrt(headSize)attention = softmax(score)output = attention \u00d7 VCausal-\u0446\u0438\u043a\u043b \u0440\u0430\u0441\u0441\u043c\u0430\u0442\u0440\u0438\u0432\u0430\u0435\u0442 \u0442\u043e\u043b\u044c\u043a\u043e \u0442\u0435\u043a\u0443\u0449\u0443\u044e \u0438 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0438\u0435 \u043f\u043e\u0437\u0438\u0446\u0438\u0438, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043c\u043e\u0434\u0435\u043b\u044c \u043d\u0435 \u0432\u0438\u0434\u0438\u0442 \u0431\u0443\u0434\u0443\u0449\u0438\u0439 target. \u041f\u043e\u0441\u043b\u0435 attention \u043a\u0430\u0436\u0434\u044b\u0439 \u0442\u043e\u043a\u0435\u043d \u043f\u0440\u043e\u0445\u043e\u0434\u0438\u0442 \u0447\u0435\u0440\u0435\u0437:dModel \u2192 hidden ReLU \u2192 hidden ReLU \u2192 dModel\u041e\u0431\u0430 \u043f\u043e\u0434\u0441\u043b\u043e\u044f \u043e\u043a\u0440\u0443\u0436\u0435\u043d\u044b residual connections \u0438 LayerNorm.\u0410\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u043b\u043e\u0433 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f\u041a\u0430\u0436\u0434\u044b\u0439 \u0437\u0430\u043f\u0443\u0441\u043a \u0430\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0441\u043e\u0437\u0434\u0430\u0451\u0442:logs\/training-log.txt\u041b\u043e\u0433 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u0442 \u0441\u043e\u0431\u043e\u0439 \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u0443\u044e ASCII-\u0441\u0445\u0435\u043c\u0443, \u0430 \u043d\u0435 \u0441\u044b\u0440\u043e\u0439 JSON:\u0442\u0435\u043a\u0441\u0442 -&gt; tokenizer -&gt; embeddings -&gt; Transformer blocks -&gt; LM head -&gt; softmax                     |                     +-&gt; pre-training -&gt; SFT -&gt; adaptive SFT+&#8212; TRANSFORMER BLOCK 0 \/ FFN \/ HIDDEN 1| \u0441\u0442\u0440\u043e\u043a\u0430                       w[00]      w[01]      &#8230;       bias| neuron[0]                +0.123456  -0.234567  &#8230;  +0.010000| &#8230;| LARGEST CHANGE: neuron[3] \/ weight[7]| before +0.120000 -&gt; after +0.180000 -&gt; delta +0.060000\u0412 \u043d\u0451\u043c \u043f\u043e \u043f\u043e\u0440\u044f\u0434\u043a\u0443 \u0437\u0430\u043f\u0438\u0441\u0430\u043d\u043e \u043a\u0430\u0436\u0434\u043e\u0435 \u0441\u043e\u0431\u044b\u0442\u0438\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u043d\u0430\u0447\u0430\u043b\u044c\u043d\u044b\u0435 \u043c\u0430\u0442\u0440\u0438\u0446\u044b, \u0432\u0441\u0435 \u043c\u0430\u0442\u0440\u0438\u0446\u044b \u043f\u043e\u0441\u043b\u0435 pre-training\/SFT \u0438 adaptive SFT, \u0430 \u0442\u0430\u043a\u0436\u0435 \u0442\u043e\u0447\u043d\u0430\u044f delta-\u043c\u0430\u0442\u0440\u0438\u0446\u0430 \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0441\u043b\u043e\u044f. \u0421\u0442\u0440\u043e\u043a\u0438 \u043f\u043e\u0434\u043f\u0438\u0441\u0430\u043d\u044b \u043a\u0430\u043a token[n], position[n] \u0438\u043b\u0438 neuron[n], \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u0435 \u043c\u043e\u0436\u043d\u043e \u043f\u0440\u043e\u0441\u043b\u0435\u0434\u0438\u0442\u044c \u0434\u043e \u0441\u043b\u043e\u044f, \u043d\u0435\u0439\u0440\u043e\u043d\u0430 \u0438 \u043d\u043e\u043c\u0435\u0440\u0430 \u0432\u0435\u0441\u0430.\u0421\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0430 \u043f\u0440\u043e\u0435\u043a\u0442\u0430src\/value.js \u2014 \u0441\u043a\u0430\u043b\u044f\u0440\u043d\u044b\u0439 autograd \u0438 backpropagation.src\/nn.js \u2014 Neuron, Linear \u0438 LayerNorm.src\/model.js \u2014 embeddings, attention, Transformer-\u0431\u043b\u043e\u043a\u0438, FFN \u0438 LM head.src\/tokenizer.js \u2014 word-level tokenization.src\/corpus.js \u2014 \u0435\u0434\u0438\u043d\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0439 \u043d\u0430\u0431\u043e\u0440 \u0434\u043b\u044f pre-training, SFT, adaptive \u0438 \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u044f.src\/optimizer.js \u2014 Adam \u0438 gradient clipping.src\/training-log.js \u2014 \u0441\u043d\u0438\u043c\u043a\u0438 \u043c\u043e\u0434\u0435\u043b\u0438 \u0438 \u043f\u043e\u043b\u043d\u0430\u044f ASCII-\u0442\u0440\u0430\u0441\u0441\u0438\u0440\u043e\u0432\u043a\u0430 \u043c\u0430\u0442\u0440\u0438\u0446.src\/train.js \u2014 \u0435\u0434\u0438\u043d\u044b\u0439 \u0447\u0438\u0442\u0430\u0435\u043c\u044b\u0439 pipeline \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f.test\/model.test.js \u2014 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0438 autograd, \u043d\u0435\u0439\u0440\u043e\u043d\u0430, \u0442\u043e\u043a\u0435\u043d\u0438\u0437\u0430\u0446\u0438\u0438 \u0438 \u0432\u0435\u0440\u043e\u044f\u0442\u043d\u043e\u0441\u0442\u0435\u0439.\u042d\u0442\u043e \u043d\u0430\u0441\u0442\u043e\u044f\u0449\u0430\u044f language model?\u0414\u0430 \u043f\u043e \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0435 \u0438 \u043c\u0435\u0445\u0430\u043d\u0438\u043a\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u043d\u043e \u043d\u0435\u0442 \u043f\u043e \u043f\u0440\u043e\u043c\u044b\u0448\u043b\u0435\u043d\u043d\u043e\u043c\u0443 \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0443.\u042d\u0442\u043e\u0442 \u043f\u0440\u043e\u0435\u043a\u0442Production LLMWord-level \u0441\u043b\u043e\u0432\u0430\u0440\u044c \u0438\u0437 24 \u0442\u043e\u043a\u0435\u043d\u043e\u0432\u0414\u0435\u0441\u044f\u0442\u043a\u0438 \u0438\u043b\u0438 \u0441\u043e\u0442\u043d\u0438 \u0442\u044b\u0441\u044f\u0447 subword-\u0442\u043e\u043a\u0435\u043d\u043e\u04322 160 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432\u041c\u0438\u043b\u043b\u0438\u043e\u043d\u044b \u0438\u043b\u0438 \u043c\u0438\u043b\u043b\u0438\u0430\u0440\u0434\u044b \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432\u0414\u0432\u0430 Transformer-\u0431\u043b\u043e\u043a\u0430\u0414\u0435\u0441\u044f\u0442\u043a\u0438 \u0438\u043b\u0438 \u0441\u043e\u0442\u043d\u0438 \u0431\u043b\u043e\u043a\u043e\u0432\u0421\u043a\u0430\u043b\u044f\u0440\u043d\u044b\u0439 JavaScript autograd\u0422\u0435\u043d\u0437\u043e\u0440\u043d\u044b\u0439 autograd \u043d\u0430 GPU\/TPU\u041c\u0430\u043b\u0435\u043d\u044c\u043a\u0438\u0439 \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0439 dataset\u041e\u0433\u0440\u043e\u043c\u043d\u044b\u0435 \u043f\u043e\u0434\u0433\u043e\u0442\u043e\u0432\u043b\u0435\u043d\u043d\u044b\u0435 \u043a\u043e\u0440\u043f\u0443\u0441\u0430\u0423\u0437\u043a\u043e\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u043d\u043e\u0435 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435\u0428\u0438\u0440\u043e\u043a\u0438\u0439 \u044f\u0437\u044b\u043a, \u0437\u043d\u0430\u043d\u0438\u044f \u0438 reasoning\u041e\u0441\u043d\u043e\u0432\u043d\u043e\u0439 \u043f\u0440\u0438\u0447\u0438\u043d\u043d\u044b\u0439 \u043f\u0443\u0442\u044c \u043d\u0430\u0441\u0442\u043e\u044f\u0449\u0438\u0439:\u0442\u043e\u043a\u0435\u043d \u2192 embedding \u2192 attention \u2192 FFN \u2192 logits \u2192 probability      \u2192 loss \u2192 gradient \u2192 \u043d\u043e\u0432\u044b\u0439 \u0432\u0435\u0441 \u2192 \u0438\u0437\u043c\u0435\u043d\u0438\u0432\u0448\u0435\u0435\u0441\u044f \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435\u0421\u043b\u043e\u0432\u043e \u00abtiny\u00bb \u043e\u043f\u0438\u0441\u044b\u0432\u0430\u0435\u0442 \u043c\u0430\u0441\u0448\u0442\u0430\u0431, \u0430 \u043d\u0435 \u0434\u0440\u0443\u0433\u043e\u0439 \u0441\u043c\u044b\u0441\u043b \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f.\u0420\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u0439: tiny-language-model-neuro-js.\u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 https:\/\/habr.com\/ru\/articles\/1063406\/<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-488688","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/488688","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=488688"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/488688\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=488688"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=488688"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=488688"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}