TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #411 · 9 фев.

reload_flag="" if [[ -n "${DEBUG}" ]]; then reload_flag="--reload" fi if [[ -n "${WORKER_COUNT}" ]]; then workers=${WORKER_COUNT} else workers=2 fi gunicorn --workers ${workers} \ --bind 0.0.0.0:8000 \ ${reload_flag} main.wsgi Писали такие конструкции чтобы проверить наличие флага и сформировать команду правильно? На самом деле можно сделать тоже самое проще. Для этого используются операторы условной подстановки, доступные в оболочках семейства POSIX. :- для установки значений по умолчанию ${WORKER_COUNT:-2} Если переменная не объявлена, то будет дефолтное значение 2. :+ подставляет указанный текст, если переменная не пуста ${DEBUG:+--reload} Если что-то есть в переменной то распечатается текст после символа +, в противном случае - ничего. Удобно для опциональных флагов, как в нашем примере. Итого наш скрипт может выглядеть так: gunicorn --workers ${WORKER_COUNT:-2} \ --bind 0.0.0.0:8000 \ ${DEBUG:+--reload} main.wsgi Есть еще два оператора. := не только подставить дефолтное значение, но и присвоить его переменной, если она пуста # никаких переменных еще нет VAL1=${VAL2:=hello} # теперь доступны обе echo $VAL1 $VAL2 # hello hello :? остановить выполнение с ошибкой, если переменной нет. echo ${MISS:?is required} bash: MISS: is required Код выхода будет 1. #tricks#linux

Резултати

Пронајдени 1 слични објави

Пребарај: #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