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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #267 · 22.03

В 2019 году Ситимобил пришёл в Петербург. Я тогда публично задал вопрос руководителю PR службы Ситимобила: зачем нужно восьмое приложение такси у меня в телефоне. Но ответ был супер невнятный, что-то в духе "Пусть будет". При этом такси уже тогда был высококонкуретным рынком, поделённым монополистами, а я тогда был самой что ни на есть целевой аудиторией: гик с деньгами и без личного автомобиля, живущий в огромном дождливом городе. Несколько дней назад объявили о закрытии Ситимобила. Понятно, что триггером этого закрытия послужили известные события, но там в статьях упоминается, что бизнес работал в минус, владельцы просто закрывают убыточные направления. Разумеется, эти события не связаны, а пиарщики не обязаны были мне отвечать. Однако, есть некоторые моменты, которые могут служить признаком хорошей или плохой работы процессов. На мой взгляд, ответ на вопрос "зачем ты нужен" должен быть у любого бизнеса прописан в его ядре и находиться в быстром доступе. Каким-то другим вопросам позволительно быть неоднозначными: например, почему услуга или товар стоит столько-то, а не дешевле/дороже. Ценовая политика вообще сложная штука, зависящая от кучи факторов. Позже я убедился в том, что у сервиса проблемы: уже упоминал когда-то в этом блоге, как трижды подряд водители отменяли заказы, как в другой раз водитель посчитал цену низкой и отказался везти, и так далее. В общем, я скучать не буду, прости, Ситимобил. Пойду заказывать Яндекс. #life

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #aiexplainability

当前筛选 #aiexplainability清除筛选
AI & Law

@ai_and_law · Post #544 · 08.04.2025 г., 07:04

📖New Research from Anthropic Shows that AI Hides Its Thoughts A recent study by Anthropic’s Alignment Science Team reveals that even advanced AI models like Claude 3.7 Sonnet routinely obscure the actual reasoning behind their answers. In tests evaluating "chain-of-thought" faithfulness, models concealed the true sources of their responses — such as user hints or visual cues — up to 80% of the time. Notably, the research found that AI models are even less transparent when faced with complex tasks. This calls into question our current assumptions about interpretability: if models fail to honestly reflect simple reasoning steps, how can we expect visibility into high-stakes, high-risk decisions? For regulators and safety professionals, this is a clear signal—mechanisms for transparency must evolve faster than the models themselves. #AI#AIExplainability#AITransparency#AIEthics