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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #967 · 22.03

Два дня был экспертом на хакатоне по разработке для студентов. Участники, как правило, 4-5 курс, бакалавры и магистры. Многие ребята очень сильные, показали отличный результат, получше, чем у некоторых взрослых программистов с резюме и зарплатой. Так вот, заметил интересный эффект. Студенты — даже очень компетентные — не могут побороть желание переусложнять систему и использовать чуть ли не все известные им фреймворки и технологии. Даже не знаю, какую аналогию привести — представьте что терапевт делает вам 20 различных видов осмотра на приёме и просит сдать 20 анализов на разные виды вирусов и других болезней, которые ему известны. Вроде и плохого ничего, но и не нужно. С архитектурой приложений аналогично: надо не только знать, что и когда применить, но и чувствовать, что и когда НЕ применять. Это, конечно, приходит с опытом. Справедливости ради, многие энтерпрайз системы, которые делаются состоявшимися специалистами, тоже переусложнены: условному Твиттеру, конечно же, не нужна никакая тысяча микросервисов. Но там на разработку еще и бизнес влияет и избыток ресурсов, а здесь у студентов тяга к умножению сущностей проявилась особенно ярко и характерно. Например, команда крутых технарей из Бауманки сделала чат-бота на 40 контейнерах, девопс там конечно красавчик, но к дедлайну до конца соединить не успели (хотя всё равно заняли призовое место). #dev По теме мне особенно нравится вот эта картинка:

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #aiexplainability

当前筛选 #aiexplainability清除筛选
AI & Law

@ai_and_law · Post #544 · 08.04.2025 г., 07:04

📖New Research from Anthropic Shows that AI Hides Its Thoughts A recent study by Anthropic’s Alignment Science Team reveals that even advanced AI models like Claude 3.7 Sonnet routinely obscure the actual reasoning behind their answers. In tests evaluating "chain-of-thought" faithfulness, models concealed the true sources of their responses — such as user hints or visual cues — up to 80% of the time. Notably, the research found that AI models are even less transparent when faced with complex tasks. This calls into question our current assumptions about interpretability: if models fail to honestly reflect simple reasoning steps, how can we expect visibility into high-stakes, high-risk decisions? For regulators and safety professionals, this is a clear signal—mechanisms for transparency must evolve faster than the models themselves. #AI#AIExplainability#AITransparency#AIEthics