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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #978 · 1.05

Похоже, рубрика "Мысли за месяц" не пользуется большой популярностью у моей аудитории. Хотя частично я связываю это с интерфейсом открытия лонгридов. Абсолютному большинству людей при скролле ленты (в VK) или в момент быстрой реакции на уведомление от канала (в TG) лениво делать дополнительный клик и переключать контекст своего экрана, это можно понять. Отсюда, кстати, и всякие автозапуски видео практически на всех платформах, где вообще есть видео в каком-то общем потоке: у VK в ленте, у TG в чате. Так просто работает внимание человека. Если видео не начать воспроизводить, за него не зацепится внимание, а делать клик для старта пользователь не станет. Для других видов контента это тоже справедливо. Много раз уже говорил, что интернет с длинными текстами мы потеряли, и возвращение человечества в эту канву маловероятно. Тем не менее, несколько мыслей в прошедшем месяце я записал, приведу две из них. Во-первых, я узнал этимологию слова "кенгурятник" применительно к бамперу для внедорожника. Ну, помните, наверное, так называли бампера у джипов, на которых ездили новые русские в девяностые и начале двухтысячных, а потом эти бампера запретили. Слово "кенгурятник" я слышал ещё тогда, и думал, что это какой-то сленг. Но оказывается это буквально изобретение из Австралии: бампер, защищающий машину при столкновении с кенгуру. Во-вторых, я купил электронный настенный диммер Aqara для системы умного дома. У диммера есть функция нажатия и функция поворота. Я запрограммировал на нажатие включение/выключение торшера в кабинете, а на поворот: его яркость. Но почему-то нажатие срабатывало не всегда, периодически просто ничего не происходило. Поскольку товары Aqara весьма качественные и, как правило, работают без сбоев, я сделал предположение и оказался прав: у диммера есть ещё и третий режим "Поворот в нажатом состоянии". Иногда я при нажатии случайно доворачивал диммер, это интерпретировалось движком как отдельная команда, на которую ничего не записано. Оставалось только продублировать на неё включение/выключение торшера, и всё стало чётко. Буквально иллюстрация фразы "не баг, а фича". #web#life

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