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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #236 · 28.02

Сопоставление с образцом (pattern matching) — сильный механизм языков программирования, который, к сожалению, встречается не так часто. Причём, как в коде разработчиков, так и в поддержке со стороны самого языка. Разработчики на функциональных языках используют этот механизм довольно часто, потому что у них вообще многое определяется статически через правильный подход к системе типов. Разработчики же на императивных языках очень любят огромные многоуровневые ветвления. Есть даже такое понятие «Спагетти-код» — раньше его применяли к коду, перегруженному операторами перехода, но в современном виде это скорее об избытке операторов условия. Pattern matching позволяет накладывать на объекты некоторый трафарет и смотреть, попадают ли они под него. Это не только выглядит лаконичнее и короче, чем дерево условий, но ещё и понятнее с точки зрения восприятия человеком: вот у нас заказ содержит более 10 элементов и при этом стоит более 1000 долларов, значит делаем на него скидку 10 центов. При этом трафарет работает как сортировщик монеток: самая маленькая проваливается в первый паз, следующая по размеру в следующий итд, применение условий идёт сверху вниз. Есть и неявный плюс: такой подход автоматически провоцирует разработчиков проводить проверку на null. Ведь null не может подходить под трафарет «содержит более 10 товаров». К счастью, в C# этот механизм в последних версиях активно развивают и совершенствуют. И это одно из многочисленных преимуществ C# над Java. #dev

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #copyrightdata

当前筛选 #copyrightdata清除筛选
AI & Law

@ai_and_law · Post #202 · 28.12.2023 г., 08:04

USA: New Bill Proposes Transparency Rules for AI Training Data Hello everybody! In US a new AI Foundation Model Transparency Act have been introduced. The aim is to ensure transparency in the usage of copyrighted data in training AI models. Companies developing foundation models must reveal the sources of their training data. This move is geared towards informing copyright holders if their data has been utilized. The bill tasks the Federal Trade Commission (FTC) to collaborate with the National Institute of Standards and Technology (NIST) in establishing rules for reporting training data transparency. Companies must disclose the origin of training data, how it's retained during inference, model limitations or risks, alignment with NIST’s AI Risk Management Framework, and adherence to federal standards. AI developers are required to report efforts to "red team" the model, especially in areas like medical queries, cybersecurity, elections, and services impacting vulnerable populations. This bill complements the Biden administration’s AI executive order, reinforcing the push for standardized reporting in AI models. The bill is yet to go through committee discussions, and its fate before the election campaign season remains uncertain. #AIlaw#CopyrightData#Legislation#TechNews#AIRegulation