Google добавляет event-driven вебхуки в Gemini API, убивая необходимость постоянного опроса
Google представил событие-ориентированные вебхуки для Gemini API — систему push-уведомлений, которая избавляет разработчиков от необходимости постоянно опрашивать API о статусе длительных операций. Это решение направлено на одну из главных болей в agentic и высоконагруженных ИИ-воркфлоуах, где задачи типа Deep Research или генерации длинных видео могут занимать часы.
Вебхуки работают в двух режимах: статических (на уровне проекта для глобальных интеграций вроде Slack или синхронизации БД) и динамических (на уровне конкретного запроса для маршрутизации задач в отдельные эндпоинты). Безопасность реализована через стандарт вебхуков: статические используют HMAC с симметричным ключом (один раз выдается API и больше не доступен), динамические — асимметричные JWKS-подписи с проверкой через RS256 и эндпоинт https://generativelanguage.googleapis.com/.well-known/jwks.json. Каждый запрос подписывается заголовками webhook-signature, webhook-id и webhook-timestamp для предотвращения атак повторного воспроизведения.
Источник: MarkTechPost (рекомендуется обращаться к официальной документации Gemini API для деталей реализации)
Руководство по коррекции смещения в опросах с использованием Facebook Research Balance
Опубликован детальный гайд по исправлению выборочного смещения в опросных данных с помощью библиотеки balance от Facebook Research. В пособии показано полное воспроизведение: от генерации синтетической популяции с социодемографическими признаками и внесения намеренного смещения (преференция молодых, образованных, городских респондентов) до применения четырех методов ревестинга: обратной вероятностной верификации (IPW), балансирующих оценок вероятности участия (CBPS), ранжирования и пост-стратификации.
Для оценки эффективности каждого метода используются стандартные диагностики: абсолютная стандартизованная средняя разница (ASMD, где порог |ASMD| > 0.10 указывает на существенное смещение), оценки результатов и эффекты дизайна. Руководство включает рабочий код на Python с установкой balance через pip, генерацию тестовых данных, вычисление весов и проверку баланса до и после коррекции. Акцент сделан на практической интерпретации результатов для восстановления несмещенных оценок целевых переменных.
Источник: MarkTechPost (исходная библиотека доступна на GitHub: facebookresearch/balance)
