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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #667 · 27.11

Ночью горел дом. Квартира буквально в паре этажей от нас, в том же подъезде. Впервые в моей жизни горел дом, в котором я нахожусь, да ещё и так близко. Разбудил нас датчик дыма. Верещит он очень сильно, пробивает сквозь несколько дверей легко. Я ещё давно жил на другой квартире, помню что такой датчик сработал впустую, мне пришлось вытаскивать из него батарейку. Там он был прямо в квартире, а здесь в коридоре — по-разному делают. Сейчас он сработал как надо: не бесполезная фигня. Не снимайте эти датчики. Подошли к входной двери и сразу почувствовали дым, позвонили в 112. Но, судя по всему, мы не первые позвонили, потому что машина была уже через минуту. Я поднялся по лестнице и увидел в коридоре хозяина квартиры с ребёнком. Оба были в шоке, выбежали без ничего. Хозяин явно после значительного количества спиртного. Из контекста создалось впечатление, что он курил, но не заметил, что именно и как загорелось. Возможно, проваливался в бессознанку, а очнулся, когда уже было пламя (либо его ребёнок разбудил, тут я не знаю). Не курите дома. Даже если делали это тысячу раз и совершенно уверены, что всё будет в порядке. Даже трезвыми. Просто не курите и всё. Можно помёрзнуть две минуты на общем балконе, даже спускаться никуда не нужно. Ну, а о сочетании алкоголя и курения в доме лучше промолчу. МЧСники офигенные ребята, спасибо им большое. Очень быстро и чётко сработали: приехало 4 машины пожарной службы, скорая, подняли на верёвке шланг (поднимали мимо нашего окна прям), и примерно за 30-40 минут полностью залили горевшую квартиру. Пара вещей, которые стали для меня своего рода открытием. Возможно, кому-нибудь пригодится, но желаю, чтобы не пригодилось. 1. Угарный газ распространяется быстро и во все стороны. Его просто настолько много, что он попадёт в квартиры даже через несколько этажей от места пожара, сквозь стены, потолки, перекрытия. Поэтому датчики нужны. Сейчас в доме открыты все коридоры для проветривания. 2. Воды заливают много. Так много, что она проходит вниз сквозь все этажи аж до первого, создаёт подтёки, а зимой — оледенение. Просто выхода нет: лучше быть залитым, чем сгореть или задохнуться. Сейчас, например, лифты отключены на сушку и диагностику. Вот как выходит: пожар влияет и на квартиры выше (дым, копоть) и на квартиры ниже (вода, дым в меньшей степени). Никто не погиб, к счастью. #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