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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #962 · 17.02

В этом году я читаю небольшой курс лекций студентам Высшей Инжиниринговой Школы НИЯУ МИФИ, вот на прошлой неделе начал. Тема: архитектура приложений. Сначала SOLID, простые паттерны, а потом сложные паттерны и DDD. Долго думал над тем, какие примеры приводить. Классические книжные не хотелось, типа вот у нас класс "Животное", у него наследник "Кошка". Это понятно для жизни, но далеко от реального программирования. И примеры со своей работы не хотелось, потому что без знания специфики не будет понятно, что такое "Цифровая ведомость объёмов работ", и почему в ней есть те или иные ограничения. Так что придумал вот такой сценарий для студентов: примеры из видеоигр. Любая видеоигра это программа, написанная разработчиками на языке программирования. Это реальные люди, которые сталкивались с реальной необходимостью применить какие-либо паттерны и архитектурные подходы. Я, конечно, не знаю, как та или иная функция была реализована в игре на самом деле — вполне возможно, что из-за спешки, производственного ада, использования устаревших технологий или проблем планирования что-то написано очень плохо, коряво, без архитектуры и с огромным техническим долгом. Но я просто показывал ситуации, в которых какой-то конкретный структурный подход кажется уместным, и рассказывал, как можно такую ситуацию реализовать на практике. Вроде получилось неплохо, студентам зашло. Обратная связь по лекции пришла положительная, так что будем продолжать :) #dev

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #googlecloudai

当前筛选 #googlecloudai清除筛选
Crypto M - Crypto News

@CryptoM · Post #64744 · 09.04.2026 г., 17:34

🚀 AI TRENDS | Google Cloud AI's PaperOrchestra Enhances Manuscript Quality Google Cloud AI researchers have introduced PaperOrchestra, a system designed to improve the quality of literature reviews and manuscript formatting. According to NS3.AI, human evaluations revealed that PaperOrchestra achieved a 50%-68% win-rate margin in literature review quality compared to autonomous baselines. The system employs five specialized agents to manage tasks such as organizing raw materials, generating figures, reviewing literature, and formatting manuscripts. To evaluate the effectiveness of PaperOrchestra, researchers developed PaperWritingBench, a framework built from 200 top-tier AI conference papers. This framework demonstrated a 14%-38% improvement in overall manuscript quality, showcasing the potential of PaperOrchestra in enhancing academic writing processes. #AI#GoogleCloudAI#PaperOrchestra#ManuscriptQuality#LiteratureReview#AcademicWriting#AIAgents#ResearchTools#PaperWritingBench