TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #851 · 2.08
Впервые использовал нейросетку для реальной практической пользы в коммерческом заказе. У заказчика есть база данных, куда информация вносится кое-как. Представьте, что вы составляете каталог, например, книг, и в базе данных предусмотрены поля: "Автор книги", "Название книги", "Число страниц" и ещё десяток других полей с информацией. Но заполняют эту базу другие люди, которых вы не контролируете, поэтому информация может случайным образом лежать в любом произвольном поле, быть введена с ошибками, опечатками и так далее. В реальном заказе были не книги, я просто привожу пример такой же задачи. Вот как это может выглядеть: 1. В поле "Автор" написано "Лондон, Дж. Белый Клык", поле "Название" при этом пустое. 2. В поле "Название" написано "150-страничный сборник рецептов", поле "Число страниц" пустое 3. В поле "Название" написано "джеклондон мартин иден", поле с автором пустое 4. В поле "Автор" написано "150-стр.3изд,доп.перераб инструкция по пользованию подстанциями типа ТП-13, М.Васильев москва 98" ...и так далее. А нужно искать нормально по автору, названию, числу страниц, городу и году издания. Никакими прямыми алгоритмами это не берётся: регулярки, поиск по ключевым словам, морфология, нечёткая логика — всё это либо даёт много ложноположительных результатов, либо (если подкрутить пороговые значения) вообще перестаёт искать. И вот тут в какой-то момент мы решили попробовать запрашивать через API GPT. Нейросетке задаётся следующий промт: "Есть следующая информация: «150-страничный роман джеклондон мартин иден». Если здесь есть то, что похоже на имя автора книги, напиши мне его, иначе ответь null". И, надо сказать, даже 3.5 справляется с этой работой очень хорошо. Получилось сравнительно без ошибок разметить около 80% данных (остальные с ошибками даже после нейросетки). Но, важный нюанс. Сначала мы пытались поймать все данные одним запросом: "GPT, выведи мне JSON, в котором есть автор, название, число страниц...", но тесты показали, что значительно эффективнее будет отдельно спросить 5 раз про 5 разных типов данных. Да, это расходует больше токенов, но они и так сравнительно дёшевы. Кстати, API у OpenAI безбожно глючит даже на платном тарифе. Обещанных 3500 запросов в минуту нет даже приблизительно. По факту удаётся отправлять около 200-300 запросов в минуту, потом оно вываливается в таймауты или ошибку 429, нужно делать какие-то умные паузы, ждать итд. Над этим всем пришлось повозиться, зато результат вполне ощутимый. #dev
Hashtags
Търсене: #balancer
@ethereumglobalnews · Post #1290 · 05.11.2025 г., 02:58
🤣#Balancer被 #Hack 逾 $1 億美元，疑為經驗豐富的駭客所為 #Ethereum#DeFi 鏈上分析顯示，攻擊者透過 100 ETH + Tornado Cash 為帳戶注資，未出現明顯的 OPSEC 漏洞。由於近期無類似規模的 Tornado 存入，推測該駭客可能動用了 過往攻擊所得資金。 💡#Insight 此事件凸顯 ETH 生態中 Tornado Cash 的持續風險，也顯示 DeFi 攻擊正進入「專業化長期策劃」階段。 ——— 👍@Web3NewsInsight 🥲 🥲Follow for more Web3 News 🤣
@spotonchain · Post #1324 · 03.11.2025 г., 10:14
🚨 BREAKING: $117M in assets stolen from @Balancer in the last 2 hours after a major hack!!! 🔹 Assets stolen are across multiple chains: #Ethereum, #Base, #Optimism, #Sonic, #Polygon, #Berachain – mainly in Liquid Staking Tokens (LSTs) of $ETH. Top 5 stolen assets: • 7,838 $WETH (~$29.1M) • 6,841 $OSETH (~$26.8M) • 4,459 $WSTETH (~$20.1M) • 2,405 $SFRXETH (~$10M) • 2,038 $RSETH (~$8.67M) 🔹 The hacker is acting quickly: Converting LSTs into $ETH in real-time! 🔹 Big move: Whale account 0x009, dormant for 3 YEARS, just resurfaced after the exploit and withdrew $7.38M worth of assets from #Balancer! ⚠️ ALERT: If you’re still on #Balancer, secure your funds NOW before it’s too late! 🔐 Follow @spotonchain for more updates about the hack! https://x.com/spotonchain/status/1985289043383300351