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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #603 · 20.10

Многим наверняка известно, как наши родители иронично называли словом "недвижимость" пришедший в негодность соседский автомобиль, который мог стоять во дворе месяцами и годами, занимая одно и то же место. Он ржавел, колеса спускались, и в итоге он прирастал к своему месту. Я еще всегда думал, что формально с этим ничего не сделаешь — это ведь по идее просто припаркованная машина, нет в законе упоминания о том, как часто она должна приходить в движение. Оказывается — есть, но с оговорками. Существует понятие "разукомплектованное транспортное средство" — это такое, "у которого отсутствуют одна или несколько кузовных деталей (предусмотренные конструкцией капот, дверь, замок двери кузова или кабины, запор горловин цистерн, пробки топливного бака и (или) отсутствуют одно или несколько стекол, внешних световых приборов, колес, шин), а также сгоревшее транспортное средство." Если такое транспортное средство находится на общественной территории, владельцу направляется уведомление о необходимости его убрать, на что дается 30 дней, после чего убирается эвакуатором, а владельцу выписывают штраф до 5000 рублей. Более того — что особенно смешно — чиновник, ответственный за благоустройство какой-либо общественной территории, под угрозой административки и штрафа обязан уведомлять владельцев разукомплектованных транспортных средств о необходимости их убрать. Представьте, как круто было бы, если бы законы в России работали? Однако, дьявол в деталях. Просто ржавое корыто со спущенными шинами не попадает в эту категорию. Начнет попадать, если у него нет стекла или, например, фары. Так что в принципе, если кто-то у вас во дворе припарковал "недвижимость", месяцами прирастающую к месту, можно случайно (!) выбить ему задний ходовой огонь и потом уже фотографировать и отправлять в службы. Вряд ли владелец, который буквально бросил гнить свой автомобиль, станет его ремонтировать. Сфоткал сегодня по пути. Вообще, штуки три видел за полчаса ходьбы по району. #life

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