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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #484 · 4.08

Екатеринбург мне совсем не понравился, да простят меня его жители, если кто-нибудь из вас читает этот блог. Во-первых, у города будто бы не хватает идентичности. Вот Петрозаводск это урбанистический центр карельского колорита, наполнен связанными с этим мелочами. Салехард — оазис в ледяной пустыне, очень красивый и новенький, потому что нетронутый массами. Казань славится своей особенной архитектурой, храмами. В Нижнем Новгороде интересный рельеф и бинарное деление. В общем, почти везде, где я был, чувствовал особенный дух города. Про столицы и говорить нечего. А Екатеринбург выглядит так, будто бы толпа людей понастроила в разное время здесь всего подряд, кто во что горазд. Никакой единой архитектурной мысли: треугольные ларьки рядом с промышленной советской застройкой, а между ними дом с лепниной, завешенной строительной сеткой. Во-вторых, и это куда неприятнее — за городом совсем не следят, не приводят его в порядок. Очень много исписанных стен. Не какой-нибудь красивый стритарт (такой встречается, но очень очень редко), а просто мазня и грязь, даже на центральных улицах. Очень много разрухи: отколотые углы, обвалившиеся стены, трещины, выбитая брусчатка. Да, много строек, и это значит, что какое-то развитие идёт. Но часть строек заброшены. Некоторые инициативы совсем странные: в куче мест вырвиглазной краской на тротуаре нанесена разметка, как мы поняли, чтобы сделать вид, будто там есть велодорожка. Но смотрится это не лучше, чем вышеупомянутый вандализм с надписями на стенах. Бывает нанесено прямо по брусчатке как попало или, например, в десяти сантиметрах от бордюра, потому что, видимо, задание нарисовать линию дали, а о наличии пространства под это никто не задумался. Конечно, в центре есть места, которые сделаны очень хорошо: чисто, красиво, интересно с точки зрения архитектуры и урбанистики. Но на город с населением почти полтора миллиона одна крутая набережная и один крутой микрорайон это довольно мало. Обидно для четвёртого по величине города в стране. #travel

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #llmarena

当前筛选 #llmarena清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8560 · 16.09.2025 г., 16:22

🔥 Как реально выбирают LLM в 2025 — исследование LLM Arena Интересный опрос практиков (инженеров, ML-учёных, AI-продуктов) - как сегодня на самом деле выбирают языковые модели (LLM), что важнее: бенчмарки или собственные тесты, цена/скорость/качество, и чего не хватает в информации по моделям. 📊Ключевые выводы - 82,2% респондентов проводят собственные тесты; бенчмарки — лишь ориентир, не решение. - 26,7% вообще не пользуются бенчмарками. - В центре внимания: баланс качество / цена / скорость, устойчивость (без галлюцинаций), соответствие инфраструктуре. 👥 Участники опроса - 45 практиков с опытом работы с LLM-продуктами; все участники — профессионалы. - ML/AI Инженеры, Data Scientists, AI-строители, и менеджмент. 🔑 Что ищут и какие сигналы важны: - Часто оценивают обсуждаемость модели в статьях/сообществе; практическое применение в похожих продуктах. - Обращают внимание на число скачиваний и звёзд на Hugging Face / GitHub. - Хотят больше данных о требованиях к железу, лицензиях, локальной работе, графиках “цена vs качество”, “скорость vs качество”. ⚠️Проблемы & доверие - Многие не доверяют существующим бенчмаркам из-за методологических проблем (train/test leakage, нерелевантность задач). - Лабораторные условия часто сильно отличаются от продакшн. - Нехватка отзывов по реальным сценариям и использованиям. При выборе LLM важнее собственные тесты и контекст задач, чем рейтинги. Специалисты хотят поточечных данных: про лицензии, требования к железу, latency, стоимость. Инициатор исследования Роман Куцев - фаундер и CEO LLM Arena, публикуют много интересного у себя в блоге. Для тех, кто строит LLM-продукты, полезно: - Не ориентироваться только на чужие бенчмарки. - Собирать метрики в собственных условиях — на реальных данных. - Открыто показывать, что работает, а что — нет, в документации и обсуждениях. 🟢 Полное исследование: https://research.llmarena.ru/ #LLM#AI#ИИ#LLMArena#исследование#нейросети#benchmarks