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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1088 · 29.04

Нейросеть очень не любит соблюдать DRY, поэтому её частенько нужно заставлять отдельной командой обернуть повторяющуюся логику в методы, вынести константы в конфиги итд. Но вот еще забавная вещь. Я тут делаю софт для чтения данных по ModbusRTU, и кодом на питоне эмулирую устройство, чтобы читать его потом кодом на сишарпе. У устройства есть 16-битные регистры. Если нужно записать int32 или float, используются два последовательных регистра. В общем, пишу в эмулятор, а при чтении какая-то чушь, все числа другие. Поменял порядок байт, всё равно чушь. Несколько часов отладки. Описываю нейросети проблему, она всякое пытается сделать, и нифига. В основном тоже байты местами меняет, то туда, то обратно. Нет результата. Потом я вычитал сразу пару десятков регистров подряд и вижу, что они смещены на единицу. Проверил: и правда, в эмуляторе пишешь в регистр 2277, а при чтении это число в регистре 2278. Проверил внешней программой: ошибка именно в эмуляторе, читается правильно. Лезу в гитхаб той питоновой библиотеки, которую нейросеть предложила. Нахожу старый закрытый issue с такой же жалобой, а там в ответ: "as intended due to historical reasons...". Сетка даже предположить не могла, что кожаные мешки просто хрень сделали. Даже не смотрела в эту сторону, с её точки зрения библиотека должна была работать без ошибок. Так что пока нейронки не могут, так сказать, думать за пределами коробки, а мы можем. Но когда-нибудь научатся, конечно. #dev

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #googlecloudai

当前筛选 #googlecloudai清除筛选
Crypto M - Crypto News

@CryptoM · Post #64744 · 09.04.2026 г., 17:34

🚀 AI TRENDS | Google Cloud AI's PaperOrchestra Enhances Manuscript Quality Google Cloud AI researchers have introduced PaperOrchestra, a system designed to improve the quality of literature reviews and manuscript formatting. According to NS3.AI, human evaluations revealed that PaperOrchestra achieved a 50%-68% win-rate margin in literature review quality compared to autonomous baselines. The system employs five specialized agents to manage tasks such as organizing raw materials, generating figures, reviewing literature, and formatting manuscripts. To evaluate the effectiveness of PaperOrchestra, researchers developed PaperWritingBench, a framework built from 200 top-tier AI conference papers. This framework demonstrated a 14%-38% improvement in overall manuscript quality, showcasing the potential of PaperOrchestra in enhancing academic writing processes. #AI#GoogleCloudAI#PaperOrchestra#ManuscriptQuality#LiteratureReview#AcademicWriting#AIAgents#ResearchTools#PaperWritingBench