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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #68 · 3.08

Теперь статья попала в "Лучшие материалы за неделю". Приятно. Очень крутой экспириенс от VC в итоге. Но, как некоторые заметили, у меня довольно кликбейтная тема, не думаю что там зашла бы статья с обзором колонки или личным мнением в сфере урбанистики. Тем временем, продолжаю поиски формата для себя. Отбросил вариант с Instagram Reels — я полистал пару недель и надоело. Очень однообразные вещи там, с одинаковой музыкой, некоторые повторяются. Видно, что алгоритмы работают топорно: 90% контента это просто популярные ролики из небольшого количества заданных категорий, а 10% это попытка вмешать случайные непопулярные ролики из тех же категорий. Качество проваливается мгновенно. Снимают, например, на крутом популярном видео вид на горы: там и цветкор, и чистота картинки, и динамика, и композиция. На непопулярном видео тоже вид на горы: скучный однообразный с телефона, без смены ракурса, без синхронизации с музыкой итд. Всё-таки не просто так популярные вещи таковыми становятся. Ну и вертикальность, опять же. Многие стали считать, что это якобы удобно, и тут я бы сказал про конспирологическое смещение "Окна Овертона", но на самом деле Стокгольмский Синдром, конечно же. У нас нет выбора в современном интернете, и мы пытаемся убеждать себя, что вертикальное видео это нормально, раз его записывают и смотрят на телефоне. Пожалуй, всерьёз я не попробовал только подкасты и дорогие ютубные видео. Я уверен, что последние оправдают мои ожидания: и система рекомендаций и качество контента на ютубе пока что выше, чем на всех остальных UGC-порталах. Ладно, на VC и Хабре ещё выше, но уж очень узкоспециализировано. Текстовые же порталы широкого профиля или помойка (Дзен) или мертвы и заброшены своими владельцами (ЖЖ, Teletype). Но у меня совершенно нет времени на такой продакшен, которого требует ютуб. Ни по вечерам, ни по выходным, ни в отпуске. Я смогу выпускать 1 видео в полгода, в таком ритме каналы не выживают. С подкастами другое дело — помимо понятной проблемы (невозможно рассказывать ни о чём, что требует визуала) — даже если у меня получится говорить интересно и записывать это качественно, никакой единой экосистемы для них так и не появилось. Кто-то слушает в Apple, кто-то в Яндекс.Музыке, кто-то даже ВКонтакте. Учитывая, что мне, как автору, интереснее всего обратная связь — собирать её с 10 площадок будет крайне муторно. Но одно ясно — Телеграм идёт сильно ниже ожиданий, так что этот канал рано или поздно будет закрыт, простите. Наверное, глупо было игнорировать тот факт, что я сам не читаю другие каналы, а значит мне или неудобно, или скучно, или и то и другое. #web

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