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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1035 · 3.11

Yandex Cup это феерическое унижение, конечно. Набрал 229 баллов из 500, понятно что в финал не выйду. Думаю мой реальный предел где-то 350-400. Но потратил слишком много времени вот на что: 1. В задаче А (на хеширование) быстро придумал решение, но сотню баллов мне система не выдавала. На каких-то краевых случаях тесты валились, в итоге я набрал 70, потом 75, потом 88. Надо было бросать и идти дальше, в таблице у многих участников эта задача не на 100. Но потерял лишний час, то есть 20% времени. 2. Задача D заключалась в угадывании мыслей авторов. Я обсудил её позже с одним из участников, попавшим в топ-10, и он сказал то же самое. Просто он мысли угадал, а я нет, хотя концептуально я правильно решал. И тоже залип на ней, поскольку было ощущение, что я не учёл какую-то мелочь, и тесты падают из-за этого, а не потому, что она тупо сформулирована. В итоге впопыхах взялся за задачу С на сложный SQL-запрос и не успел, хотя понимал, как. За частичное решение получил 21/100. Ну и задача B на алгоритм расстановки — единственное, что далось на максимум и без задержек, однако в ней я, как мне кажется, считерил, потому что придумал как захардкодить кейсы вместо алгоритмического перебора. В целом, если исключить откровенно непродуманную задачу D, то, пожалуй, претензия у меня такая: в реальной жизни вы можете выяснить, по какой причине в конкретном случае программа не работает, а здесь не можете, и нужно гадать. И тут очень сильно решает опыт предыдущего участия, знание того, как мыслят авторы, и так далее. Не знаю, буду ли пробовать в следующем году. По итогу впечатления скорее негативные, но и отыграться хочется. #dev

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #agentskills

当前筛选 #agentskills清除筛选
AI一线|ShareCentre

@ShareCentre · Post #7129 · 26.03.2026 г., 07:45

Google DeepMind 发布 Gemini API 开发者技能:用 Agent Skills 弥合模型知识鸿沟 Google DeepMind 于 3 月 25 日发文介绍其构建的 Gemini API 开发者技能(gemini-api-dev),旨在通过 Agent Skills 规范弥合大语言模型的知识鸿沟。测试显示,Gemini 3 系列模型在启用该技能后,代码生成正确率从不足 7% 大幅提升至接近 100%,但前提是模型需具备强大的推理能力。 ⚙️ 技能内容 该技能包含四部分: - API 高级功能集概览 - 当前模型和各语言 SDK 说明 - 各 SDK 基础示例代码 - 文档入口点列表(作为真实信息源) 技能已开源在 GitHub,支持通过 Vercel skills 和 Context7 两种方式安装: npx skills add google-gemini/gemini-skills --skill gemini-api-dev --global npx ctx7 skills install /google-gemini/gemini-skills gemini-api-dev 📊 评测结果 - 评测集:117 个 prompt,覆盖 Agent 编码、聊天机器人、文档处理、流式内容等场景 - 失败标准:生成的代码使用了旧版 SDK - Gemini 3.0 Pro/Flash:基线仅 6.8%,启用技能后大幅提升 - Gemini 3.1 Pro:基线 28%,启用技能后几乎全部通过 - Gemini 2.5 系列:也有提升,但远不如 3.x 系列——强推理能力是关键 - SDK Usage 类别通过率最低(95%),部分失败来自明确要求使用 Gemini 2.0 模型的 prompt 📎 相关链接 原文:https://developers.googleblog.com/closing-the-knowledge-gap-with-agent-skills/ GitHub:https://github.com/google-gemini/gemini-skills Agent Skills 规范:https://agentskills.io Google ADK Skills 文档:https://google.github.io/adk-docs/skills/ #Google#AI#AgentSkills#GeminiAPI#ADK#开发者工具