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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #228 · 21.02

Попал в Программу Поощрения Авторов на Хабре. Если ваша карма 50 или более, то за статьи в профильных хабах (то есть, тематические узкоспециализированные) вы получаете деньги в зависимости от рейтинга статьи. Шкала ступенчатая. В целом, 5000 рублей за статью это почти максимум. Можно больше, но ненамного, вот как у меня. И ещё накинули 1000 за факт попадания в программу, впоследствии такой лафы не будет. Не стану скрывать — я специально метил в ППА после первой статьи полтора года назад. В итоге за три статьи попал. С одной стороны, писать по такой статье например раз в месяц — дело подъёмное. А 5000 рублей уже не совсем копейки, можно себе что-то приятное прикупить. С другой стороны — хорошая техническая статья это недели или даже месяцы предварительной работы, исследования материала. Я когда-то давно писал для научпоп-журнала, там давали 4000 рублей за статью, и подготовки требовалось значительно меньше, я мог за 2-3 вечера выдать подходящий текст. На Хабре соотношение денег к объёму работы меньше. Впрочем, тот журнал загнулся, видимо, слишком дорого обходились авторы, а Хабр живее всех живых :) Но я очень доволен. Есть мотивация писать чаще. Стоит ли говорить, что другим текстовым площадкам до такого уровня поддержки авторов, как до Луны? Думаю в течение недели-двух будет ещё статья. #dev#web

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #researchagent

当前筛选 #researchagent清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8450 · 04.09.2025 г., 13:20

🔥 NVIDIA представила Universal Deep Research (UDR) UDR — настраиваемый агент для глубокого ресёрча, который «оборачивается» вокруг любого LLM. Почему это важно: 🟠**Гибкая настройка агента без кода** — UDR не ограничивает жёсткими сценариями, как большинство тулзов. 🟠Можно создавать, редактировать и комбинировать стратегии поиска и анализа. 🟠В репо есть примеры стратегий (minimal, expansive, intensive), но главная сила — в кастомизации под свои задачи. По сути, это гибкий ресёрч-агент, который можно адаптировать под любой рабочий процесс. 🟢Project: https://research.nvidia.com/labs/lpr/udr 🟢Code: https://github.com/NVlabs/UniversalDeepResearch 🟢Lab: https://nv-dler.github.io @ai_machinelearning_big_data #NVIDIA#UDR#UniversalDeepResearch#AI#LLM#ResearchAgent#AIAgents#DeepResearch