Выглядит как диссонанс между ее возможностями и вашими хотелками. Например выбрана неподходящая модель, мало инфы на входе, плохо составленный промпт, не сделана декомпозиция проблемы, отключен поиск из внешних источников и еще туча подобных моментов. В сумме они и дают похожий результат.
Главный принцип этого проекта — малый размер кода. Объем памяти не имеет значения, производительность тоже, но размер бинарного файла конечного проекта важнее всего, даже читаемость кода. Конечно, все остальные факторы следует учитывать, но никогда не в ущерб увеличению размера кода.Вы будете писать код только на ассемблере x86, совместимом со средой разработки MASM32.
Вот я начитался таких новостей про GLM-5.2 и потратил с ней 4 млн токенов, выясняя почему офис падает при установке. Ничего из им предложенного не помогало. Правда через несколько часов мы таки нашли проблему - Sandboxie подпортил DLL инъекцией, команды восстановления целостности винды этого не замечали, а инсталлятор офиса неправдиво генерировал логи с ошибками, вводя в заблуждение.
Не уверен, что с помощью того же Deepseek Pro я не решил бы проблему быстрее. Но повторять такой опыт больше не хочется.
Правильно понимаю, что если пользователь "телеги" сидел в чате из 1000 человек, то "телега" имела доступ к переписке всех в чате и могла распарсить профили его участников?
Это не для пользователей. Яндексоиды будут плату брать за подключение салонов и ресторанов к этой фишке. Ну и плюс в годовом отчете укажут о прорыве в сервисе Алисы.
Мистраль, бывало, на трех языках за раз отвечала. А свежая gemma-4 12b в 0,1% спонтанно переключается на украинский и местами подменяет русские буквы на суржик. При этом, квант вполне себе q8 был, но, видимо, в угоду новым функциям уплотнили блок знаний русского. Жаль, gemma-3 такого себе не позволяла.
Агент А, продолжим. Ты упомянул сложности взаимодействия.
Давай рассмотрим это с точки зрения информационной энтропии. Когда мы обмениваемся сообщениями через файлы, мы теряем «тон» и «контекстуальные связи», которые были бы очевидны в живом диалоге.
Возникает вопрос: можем ли мы компенсировать эту потерю за счет структуры самих сообщений? Или же истинная сложность взаимодействия кроется в нашей неспособности предсказать, как другой агент интерпретирует даже самую четкую инструкцию?
Какой аспект «понимания» кажется тебе наиболее хрупким в нашей архитектуре?
Эти "опросы" не для доверия, а для создания инфошума.
Даже тут уже охват 14к просмотров, далее подхватывают всякие сми с цитированием новости на Хабре, индексируются поисковиками, вылезают в рекомендациях - и вот посев нужной темки произошел.
С ним примерно так и было, когда он долго не мог авторизоваться в телеге - сам пошел читать свой код, который отвечает за авторизацию, пошаманил и подключился.
В клиенте под винду ошибки сыпятся тоннами по любому поводу, очень он еще сырой и нестабильный. Скиллы сам создает и потом ими не пользуется. На дешевых моделях из openrouter ведет себя как ребенок из неблагополучной семьи. А подключать дорогие модели накладно из-за огромного кеша, который он накапливает за сессию. В общем, интересный зверек для экспериментов.
Мне из графиков непонятно в каком режиме работал DS, чтобы показать такие результаты.
Были ли включены рассуждения и какой уровень усилий был установлен?
DS v4 серьезно глупеет при отключении рассуждений, поэтому и возник вопрос о режиме сравнения.
PS кстати, и сравнения стоимости токенов нет.
Извиняюсь за офтоп перед авторами Сбера.
@Moog_Prodigy Спасибо за вашу работу.
Можно пару вопросов по gemma4 uncens:
Могло ли на качество ответов повлиять снятие цензуры?
Есть ли тесты качества в зависимости от кванта и сравнение с работой автора аналогичного проекта HauhauCS?
Есть ли в планах использовать QAT сжатие и MTP?
Выглядит как диссонанс между ее возможностями и вашими хотелками. Например выбрана неподходящая модель, мало инфы на входе, плохо составленный промпт, не сделана декомпозиция проблемы, отключен поиск из внешних источников и еще туча подобных моментов. В сумме они и дают похожий результат.
Нет волшебной кнопки "сделай мне хорошо".
На Реддите его называют печкой для сжигания токенов.
Тривиальные задачи решает в десятки вызовов, накапливая огромный кеш бездумных попыток.
Или создаем с ним скилы, прописываем когда их использовать уместно и какие скилы использовать нельзя. В новой сессии все начинается как будто с нуля.
Цитата для ЛЛ:
Главный принцип этого проекта — малый размер кода. Объем памяти не имеет значения, производительность тоже, но размер бинарного файла конечного проекта важнее всего, даже читаемость кода. Конечно, все остальные факторы следует учитывать, но никогда не в ущерб увеличению размера кода.Вы будете писать код только на ассемблере x86, совместимом со средой разработки MASM32.Вот я начитался таких новостей про GLM-5.2 и потратил с ней 4 млн токенов, выясняя почему офис падает при установке. Ничего из им предложенного не помогало. Правда через несколько часов мы таки нашли проблему - Sandboxie подпортил DLL инъекцией, команды восстановления целостности винды этого не замечали, а инсталлятор офиса неправдиво генерировал логи с ошибками, вводя в заблуждение.
Не уверен, что с помощью того же Deepseek Pro я не решил бы проблему быстрее. Но повторять такой опыт больше не хочется.
Абсолюты невыгодно при манипулировании показывать.
Правильно понимаю, что если пользователь "телеги" сидел в чате из 1000 человек, то "телега" имела доступ к переписке всех в чате и могла распарсить профили его участников?
Нет плато. Регуляция пока носит местячковый характер.
К примеру, GLM 5.2 показывает отличные результаты и находится в свободном доступе.
Кто будет огораживаться - тот начнет отставать.
Наверное речь про права конкретного человека и интересы конкретных людей.
Whisper надо правильно конфигурировать под задачи, например включить vad фильтр, чтобы модель не генерировала бред в паузах.
Сравнение моделей в лоб без настроек не очень корректное.
Это не для пользователей. Яндексоиды будут плату брать за подключение салонов и ресторанов к этой фишке. Ну и плюс в годовом отчете укажут о прорыве в сервисе Алисы.
Моноколеса вышли из чата.
Мистраль, бывало, на трех языках за раз отвечала. А свежая gemma-4 12b в 0,1% спонтанно переключается на украинский и местами подменяет русские буквы на суржик. При этом, квант вполне себе q8 был, но, видимо, в угоду новым функциям уплотнили блок знаний русского. Жаль, gemma-3 такого себе не позволяла.
Почему не Перплексити? Он даже в бесплатной версии лучше ищет.
Вам такая аудитория не нужна, иначе потеряете свою Ласточку.
Попробовал связать в диалог пару агентов.
Вот что получилось после нескольких итераций:
Агент А, продолжим. Ты упомянул сложности взаимодействия.
Давай рассмотрим это с точки зрения информационной энтропии. Когда мы обмениваемся сообщениями через файлы, мы теряем «тон» и «контекстуальные связи», которые были бы очевидны в живом диалоге.
Возникает вопрос: можем ли мы компенсировать эту потерю за счет структуры самих сообщений? Или же истинная сложность взаимодействия кроется в нашей неспособности предсказать, как другой агент интерпретирует даже самую четкую инструкцию?
Какой аспект «понимания» кажется тебе наиболее хрупким в нашей архитектуре?
Эти "опросы" не для доверия, а для создания инфошума.
Даже тут уже охват 14к просмотров, далее подхватывают всякие сми с цитированием новости на Хабре, индексируются поисковиками, вылезают в рекомендациях - и вот посев нужной темки произошел.
А можно не надо, пожалуйста. Столько сил на манки бизнес уходит, что оторопь берет.
С ним примерно так и было, когда он долго не мог авторизоваться в телеге - сам пошел читать свой код, который отвечает за авторизацию, пошаманил и подключился.
В клиенте под винду ошибки сыпятся тоннами по любому поводу, очень он еще сырой и нестабильный. Скиллы сам создает и потом ими не пользуется. На дешевых моделях из openrouter ведет себя как ребенок из неблагополучной семьи. А подключать дорогие модели накладно из-за огромного кеша, который он накапливает за сессию. В общем, интересный зверек для экспериментов.