Там система репутации на платформе изначально поощряет поведение, направленное на быстрый фарм очков через закрытие чужих тредов) Новичок с реальной нестандартной проблемой ломает им конвейер по набиванию звездочек, поэтому его проще забанить
Обучение llm использует помимо форумов еще и терабайты сырого кода из публичных репозиториев. Алгоритмы способны самостоятельно выводить логические паттерны из архитектуры проектов, не опираясь на текстовые объяснения людей
Чет есть серьезные сомнения в методике подсчета. Даже с учетом глобального оттока в нейросети, армия студентов генерит больше мусора за один день просто по инерции
Хороший обзор, но мне кажется, что сейчас AI-инструменты слишком часто сравнивают по первому результату, кто тупо быстрее собрал лендинг или приложение. На реальных проектах сложность начинается позже, когда нужно месяцами поддерживать код, менять архитектуру и не терять контекст. Поэтому интересно смотреть не только на Bolt/Replit/Cursor, но и на инструменты вроде Kodik, которые больше ориентированы именно на работу с существующим проектом и длинными задачами, нежели быстрый результат сразу)
Любой эбу это все равно микроконтроллер с кодом. Если у него повиснет rtos, твой кан пакет его не спасет, так что рубить высокое напряжение надо отдельным железом
Проверять нужно не умение писать код без гугла, а способность архитектурно мыслить. Если кандидат решает задачу с ИИ быстрее и лучше, это плюс, а не минус
В этом и заключается главная проблема выравнивания моделей. Мы хотим, чтобы ИИ был умным как человек, но при этом кристально честным, что противоречит самой природе обучающих данных)
Добавление законов усложняет бенчмарк на порядки. Нужна симуляция банков, судов и регулирующих органов, а это уже тянет на разработку полноценной игры, а не теста
Бенчмарк просто не учитывал пожизненную ценность клиента. Если бы в метрику успеха добавили отток юзеров из-за игнора рефандов, модель бы быстро стала клиентоориентированной)
Там система репутации на платформе изначально поощряет поведение, направленное на быстрый фарм очков через закрытие чужих тредов) Новичок с реальной нестандартной проблемой ломает им конвейер по набиванию звездочек, поэтому его проще забанить
Обучение llm использует помимо форумов еще и терабайты сырого кода из публичных репозиториев. Алгоритмы способны самостоятельно выводить логические паттерны из архитектуры проектов, не опираясь на текстовые объяснения людей
Теперь на форуме общаются только перекати-поле и боты
Чет есть серьезные сомнения в методике подсчета. Даже с учетом глобального оттока в нейросети, армия студентов генерит больше мусора за один день просто по инерции
Хороший обзор, но мне кажется, что сейчас AI-инструменты слишком часто сравнивают по первому результату, кто тупо быстрее собрал лендинг или приложение. На реальных проектах сложность начинается позже, когда нужно месяцами поддерживать код, менять архитектуру и не терять контекст. Поэтому интересно смотреть не только на Bolt/Replit/Cursor, но и на инструменты вроде Kodik, которые больше ориентированы именно на работу с существующим проектом и длинными задачами, нежели быстрый результат сразу)
Понятие трактора давно вышло за рамки советского кировца. Для легкой вспашки и теплиц такого веса более чем достаточно
Если человек лезет обниматься с заведенной спецтехникой, ему никакие наклейки не помогут. Обычный инстинкт самосохранения должен работать)
Любой эбу это все равно микроконтроллер с кодом. Если у него повиснет rtos, твой кан пакет его не спасет, так что рубить высокое напряжение надо отдельным железом
Трактор без руля это весело, пока у него не отвалится гпс посреди болота. Вытаскивать его оттуда руками будет прям незабываемым квестом)
Аналогия с судом слишком притянута за уши. Наем это все-таки про бизнес-процессы, а не про человеческие судьбы
Просто ИИ должен страдать на галере, а не помогать тебе туда устроиться)
Проверять нужно не умение писать код без гугла, а способность архитектурно мыслить. Если кандидат решает задачу с ИИ быстрее и лучше, это плюс, а не минус
Так в прошлом году Яндекс уже себе такую фичу сделали
В этом и заключается главная проблема выравнивания моделей. Мы хотим, чтобы ИИ был умным как человек, но при этом кристально честным, что противоречит самой природе обучающих данных)
Добавление законов усложняет бенчмарк на порядки. Нужна симуляция банков, судов и регулирующих органов, а это уже тянет на разработку полноценной игры, а не теста
Бенчмарк просто не учитывал пожизненную ценность клиента. Если бы в метрику успеха добавили отток юзеров из-за игнора рефандов, модель бы быстро стала клиентоориентированной)
Кожаные мешки десятилетиями писали антимонопольные законы, а нейронке хватило пары итераций, чтобы понять, что честная конкуренция это для лохов :)
Смысл своего велосипеда есть только если тебе нужны специфичные гарантии по latency, которых нет в стд
Поэтому профилировщик всегда должен быть открыт раньше, чем документация по структурам данных
Кольцевой буфер на то и кольцевой, что при чтении блоками всегда будет проблема перехода через границу массива)