Мы выкладываем вакансии для джунов/стажёров, где большими буквами пишем, что работа только в офисе в каких-то городах. И всё равно валятся сотни резюме изделека, потому что на курсах их научили, что надо лезть везде и любой ценой - авось выгорит.
Почему вы не учитываете, что на рынке труда сложилась такая ситуация, что люди готовы переехать в другой город ради хорошей работы?
"клятая рашка сажает людей за слова на целых 2 года, в то время как современная и свободная Великобритания, если и осуждает людей, то, во-первых, очень злых, и, во-вторых, всего на 24 месяца"
по-моему очень крутая затея с мониторингом целей, задач, активностей и других параметров. мне бы пригодилось такое, а то неудобно все данные подтягивать их памяти каждый раз.
Еще летом, если верно помню, были интересные посты на тему, что OpenAI фиксировали какое-то гигантское число запросов. Так вот, это и была дистилляция, как в итоге уже выяснилось, что уже привело к блокировке в некоторых странах приложения DeepSeek.
Дистилляция и обучение на синтетических данных это разные вещи. Для дистилляции необходимо обучатся не на тексте от другой модели, а на самом вероятностном распределении следующего токена старшей модели. Сомневаюсь, что такие данные можно получить через API.
Почему вы не учитываете, что на рынке труда сложилась такая ситуация, что люди готовы переехать в другой город ради хорошей работы?
а может мне кто-нибудь рассказать, зачем писать заново уже то, что написано и свободно распространяется?
"клятая рашка сажает людей за слова на целых 2 года, в то время как современная и свободная Великобритания, если и осуждает людей, то, во-первых, очень злых, и, во-вторых, всего на 24 месяца"
согласен. поведение эйчаров - это симптом наплевательского отношения руководства
Откликнувшийся на вакансию "AI ресерчер" удивляется вопросу про опыт работы со статьями???
ахаха сейчас после курсов без опыта и знаний даже стажером не стать. какой тут джун? джуны сейчас это то что раньше считалось мидл+.
по-моему очень крутая затея с мониторингом целей, задач, активностей и других параметров. мне бы пригодилось такое, а то неудобно все данные подтягивать их памяти каждый раз.
Дистилляция и обучение на синтетических данных это разные вещи. Для дистилляции необходимо обучатся не на тексте от другой модели, а на самом вероятностном распределении следующего токена старшей модели. Сомневаюсь, что такие данные можно получить через API.