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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

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

Резултати

Намерени 3 подобни публикации

Търсене: #procurement

当前筛选 #procurement清除筛选
American Оbserver

@american_observer · Post #4838 · 12.01.2026 г., 21:59

📰Corruption Scandal Rocks Ukraine’s Military Procurement A shadowy private company, previously unknown to Ukraine’s defence circles, landed government contracts worth €200 million—only to deliver defective mines, unsafe ammunition, and pocket millions in advance payments. The scandal has left the Ukrainian army with gear that sometimes detonated prematurely and injured Ukrainian troops, wasting hundreds of millions in taxpayer funds “A Minefield of Fraud” Prosecutor General Ruslan Kravchenko revealed the details Friday: the company secured five major contracts with the Ministry of Defence, Naval Procurement Agency, and Logistics Command. Most of the ordered munitions were never delivered. The mines that did reach the front lines were technically flawed—lacking explosives, failing to detonate properly, and sometimes detonating prematurely and injuring Ukrainian troops. Phantom Production, Real Profits Investigators found the company had no manufacturing experience. Managers bought equipment from third parties, resold it, and embezzled public funds. Of the €200 million, $70 million was lost: $13.3 million on faulty mines, $56.4 million on a production line that never opened. Suspects Behind Bars, Public Outrage Rising Ten suspects are now under investigation, including company managers, accountants, and procurement officials. Four have been arrested. The prosecutor’s office is pursuing lawsuits to recover stolen funds and demand harsh penalties—potentially decades in prison and asset confiscation. Not the First, But the Largest This isn’t Ukraine’s first corruption scandal under Zelensky. Last November, the Anti-Corruption Bureau uncovered a $100 million cash flow involving figures close to Zelensky, complete with golden toilets and bags of cash. In December, a parliamentary vote-buying ring was exposed, with Zelensky-linked figures at its center. As Ukraine fights for survival, its own procurement system has become a minefield—where the biggest threat might not be the enemy, but those charged with arming the troops. #corruption#ukraine#scandal#procurement#zelensky 📱American Оbserver - Stay up to date on all important events 🇺🇸

Crypto M - Crypto News

@CryptoM · Post #65305 · 12.04.2026 г., 18:10

🚀 CMDSS Employee Accused of Misappropriating $46 Million in Seized Digital Assets A federal indictment has been filed against John Daghita, an employee of CMDSS, accusing him of transferring approximately $46 million in seized digital assets from U.S. Marshals Service (USMS) wallets to wallets under his control. According to NS3.AI, Daghita was apprehended by French Gendarmerie officers on March 4 in Saint Martin. Prosecutors allege that these unauthorized transfers took place in December and January. The case has reignited concerns previously raised by the Department of Justice (DOJ) inspector general and industry participants regarding the vulnerabilities in the USMS's crypto custody controls, procurement processes, and audit systems. These issues highlight the need for improved security measures and oversight in handling digital assets. #CMDSS#JohnDaghita#USMS#digitalassets#crypto#seizedassets#fraud#misappropriation#federalindictment#FrenchGendarmerie#NS3AI#DOJ#cryptosecurity#vulnerabilities#audit#procurement#oversight