TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1003 · 19.07

Иногда какая-то проблема в сервисе или приложении кажется мне очень значительной, но для остальных людей она таковой не оказывается. А иногда наоборот, кто-нибудь пишет: "Как можно вообще использовать продукт X, если там есть проблема N?", а я о такой проблеме либо впервые слышу, либо она мне видится полной ерундой. Например, для меня невозможность использовать WhatsApp с компьютера без подключённого рядом телефона и невозможность синхронизировать чаты между устройствами на разных ОС — это не просто критический косяк, а вообще ситуация, полностью уничтожающая смысл мессенджера. Как автомобиль без колёс: в нём может быть удобный салон и мощный двигатель, но зачем он нужен без колёс? Кто захочет и станет таким пользоваться? Мне непонятно, но по какой-то причине полмира сидит в автомобилях без колёс, не трогаясь с места, потому что им, как оказалось, нужен там только кондиционер и крыша от дождя. Когда я вижу где-нибудь новый "критический косяк", который авторы сервиса не исправляют годами, я всегда усилием привожу себя к этой мысли: видимо, проблема существует только у меня и небольшого числа подобных мне. Но вот с VK Видео мне непонятно. Давайте спрошу у вас. Сейчас, если открыть в разделе видеозаписей "мои подписки", то там будут ролики вообще от всех пабликов, на которые я подписан. Этих пабликов десятки, и мне от них нужны, в основном, посты в ленте. Для меня совершенно очевидно, что подписки на видеоблоги и подписки на паблики — это две разные группы, которые не нужно смешивать. Де-факто раздел с моими подписками в VK Видео для меня абсолютно неюзабелен, потому что там тонны мусора. При этом полностью выходить из всех пабликов я тоже не хочу. На YouTube у меня страница с подписками это главная точка входа в сервис, потому что именно по ней я отслеживаю, у кого из блогеров вышли новые ролики, чтобы их посмотреть. В VK такой возможности на практике нет, и это для меня самый главный ограничитель при попытке перехода с ютуба на VK Видео. Этой проблеме уже не первый год, исправлять её даже не пытаются. Получается, что её вижу только я, всем остальным норм? #web

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #llmarena

当前筛选 #llmarena清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8560 · 16.09.2025 г., 16:22

🔥 Как реально выбирают LLM в 2025 — исследование LLM Arena Интересный опрос практиков (инженеров, ML-учёных, AI-продуктов) - как сегодня на самом деле выбирают языковые модели (LLM), что важнее: бенчмарки или собственные тесты, цена/скорость/качество, и чего не хватает в информации по моделям. 📊Ключевые выводы - 82,2% респондентов проводят собственные тесты; бенчмарки — лишь ориентир, не решение. - 26,7% вообще не пользуются бенчмарками. - В центре внимания: баланс качество / цена / скорость, устойчивость (без галлюцинаций), соответствие инфраструктуре. 👥 Участники опроса - 45 практиков с опытом работы с LLM-продуктами; все участники — профессионалы. - ML/AI Инженеры, Data Scientists, AI-строители, и менеджмент. 🔑 Что ищут и какие сигналы важны: - Часто оценивают обсуждаемость модели в статьях/сообществе; практическое применение в похожих продуктах. - Обращают внимание на число скачиваний и звёзд на Hugging Face / GitHub. - Хотят больше данных о требованиях к железу, лицензиях, локальной работе, графиках “цена vs качество”, “скорость vs качество”. ⚠️Проблемы & доверие - Многие не доверяют существующим бенчмаркам из-за методологических проблем (train/test leakage, нерелевантность задач). - Лабораторные условия часто сильно отличаются от продакшн. - Нехватка отзывов по реальным сценариям и использованиям. При выборе LLM важнее собственные тесты и контекст задач, чем рейтинги. Специалисты хотят поточечных данных: про лицензии, требования к железу, latency, стоимость. Инициатор исследования Роман Куцев - фаундер и CEO LLM Arena, публикуют много интересного у себя в блоге. Для тех, кто строит LLM-продукты, полезно: - Не ориентироваться только на чужие бенчмарки. - Собирать метрики в собственных условиях — на реальных данных. - Открыто показывать, что работает, а что — нет, в документации и обсуждениях. 🟢 Полное исследование: https://research.llmarena.ru/ #LLM#AI#ИИ#LLMArena#исследование#нейросети#benchmarks