Это отличный вопрос, который не имеет хорошего ответа.
Скорее всего зарплаты джунов будут падать до 0. Т.е. будут набирать бесплатных стажеров. Такая практика уже есть в некоторых странах среди, например, журналистов. А Индии - и среди программистов.
Джунов уже заменил - достаточно хорошо расписать задачу (прямо как джуну), проверить код и внести мелкие правки. Алгоритмы они пишут лучше 99.9% людей.
Это, скорее всего, лишь проблема законодательства. Как и с беспилотными автомобилями. Статистка уже давно говорит, что автопилот водит гораздо безопаснее среднего водителя. Но из-за проблем с установлением ответственности в случае ДТП по вине беспилотника, они допущены на дорогу без водителя только в очень малом количестве юрисдикций.
Вы уверены? Пробовали спрашивать у ChatGPT вопросы про архитектуру? Уверен, что он справится достаточно хорошо. Обернуть чат в агента, загрузить в него всю информацию о компании и текущей архитектуре, и заставить выяснять все требования к очередной фиче - кажется решаемой задачей.
Там моложе 30 было буквально 2 человека, одна стажерка и еще один мидл. Остальные 5 человек, с кем общался, были вплоть до 50 лет, по ощущениям. Естественно, у всех опыт по 10+ лет.
А в чем проблема с доступом к обеим моделям? Обе доступны по подписке за $20 в месяц. А по API ещё дешевле. Вам помочь получить бесплатные $1000 кредитов на Azure, чтобы вы могли протестировать GPT o1?
Ни литкод, ни ЕГЭ невозможно выучить. Можно и нужно подготовиться, но значительно улучшить свой результат по сравнению с несколькими неделями подготовки все равно не выйдет. Теория на права гораздо проще, плюс там почти все вопросы можно по-настоящему выучить.
Про скопированный класс - это говорит лишь об отсутствии опыта + непонимание, как работают языки программирования, но никак не говорит об общем уровне интеллекта и обучаемость.
> а в том готов ли включить голову и разобраться в вопросе
Именно. И если человек уже один раз это продемонстрировал (подготовкой к ЕГЭ и сдачей на высокий балл), то шанс, что он сделает это снова, гораздо выше, чем у человека, который это не сделал.
Задачи по алгоритмам это похожий фильтр. Если человек не способен за пару недель научиться решать любые задачи уровня middle на литкоде - значит он никогда этому не научится, и никогда не станет хорошим программистом.
Важно не знание математики, а умение запомнить и понять сложные паттерны. Иначе вы рискуете нанять джуна, который никогда не научится шлёпать круд самостоятельно.
А желание "накостылить" - неизбежный и крайне полезный этап обучения.
Вот вы смеетесь, а на Западе в некоторых странах в супер-конкурентных индустриях (финансы, консалтинг, программирование) уже давно практикуются "неоплачиваемые стажировки".
Раньше зная как написать алгоритм, ты мог написать его на любом языке подтянув лишь базовый синтаксис этого языка.
Все так. Поэтому FAANG и ищут тех, кто может написать алгоритм за 20 минут на игрушечном примере. Что, однако, не означает, что они не используют стандартные реализации в работе.
Если сеть сгенерировала дичь - то скорее всего эта же самая сеть может эту дичь распознать и забраковать. Поэтому там не man-in-the-middle, а llm-in-the-middle.
С текстами да, может быть тяжело. Но все что касается задач, которые допускают независимую автоматическую оценку ответа - например написание кода - для такого процесс сбора новой обучающей выборки может быть полностью автоматизирован.
Топик‑стратер сам говорит, что «LLM сгенерит неплохой тест под запрошенный сценарий» — а значит никто не мешает запустить пайплайн типа «формулировка вопроса → реализация в коде → тест кода тестами, написанными LLM». И здесь даже не надо пытаться как‑то исправить код, если тесты проваливаются — достаточно просто сгенерировать миллиарды таких примеров и выбрать из них те, что прошли все проверки.
Причем я сомневаюсь, что проблема решится просто увеличением размера датасета для тренировки (т.е. GPT5/6/7 и т.д.).
Пока что это правило работает, и нет никаких оснований полагать, что тренд не продолжится. Более того, тысячи исследователей по всему миру прямо сейчас пытаются обучать следующие версии моделей на синтетических данных, сгенерированных текущими сетями.
Специализированные модели могут иметь успех, но проблема в том, что они обучаются на коде, т.е. они обучаются как писать
Нет, все "специализированные" модели все равно начинают с пре-трейна на обширных пластах интернета. Иначе модель просто не научилась бы писать связный текст.
Будут покупать у китайцев, как и все остальное высокотехнологичное.
Это отличный вопрос, который не имеет хорошего ответа.
Скорее всего зарплаты джунов будут падать до 0. Т.е. будут набирать бесплатных стажеров. Такая практика уже есть в некоторых странах среди, например, журналистов. А Индии - и среди программистов.
Джунов уже заменил - достаточно хорошо расписать задачу (прямо как джуну), проверить код и внести мелкие правки. Алгоритмы они пишут лучше 99.9% людей.
На очереди миддлы.
Это, скорее всего, лишь проблема законодательства. Как и с беспилотными автомобилями. Статистка уже давно говорит, что автопилот водит гораздо безопаснее среднего водителя. Но из-за проблем с установлением ответственности в случае ДТП по вине беспилотника, они допущены на дорогу без водителя только в очень малом количестве юрисдикций.
Простите, я в TypeScript полный профан - так, пару раз чутка менял код в сервисах, написанных на нем.
В чем отличие Composite от:
> Разработайте класс
Разработчиков на C или Rust Яндекс, видимо, нанимать не собирается
Вы уверены? Пробовали спрашивать у ChatGPT вопросы про архитектуру? Уверен, что он справится достаточно хорошо. Обернуть чат в агента, загрузить в него всю информацию о компании и текущей архитектуре, и заставить выяснять все требования к очередной фиче - кажется решаемой задачей.
Проходил пару месяцев назад собесы в AWS.
Там моложе 30 было буквально 2 человека, одна стажерка и еще один мидл. Остальные 5 человек, с кем общался, были вплоть до 50 лет, по ощущениям. Естественно, у всех опыт по 10+ лет.
А в чем проблема с доступом к обеим моделям? Обе доступны по подписке за $20 в месяц. А по API ещё дешевле. Вам помочь получить бесплатные $1000 кредитов на Azure, чтобы вы могли протестировать GPT o1?
> Даже самые передовые LLM пока не могут справиться с анализом больших сложных таблиц.
Но ведь вы не проанализировали ни одну из передовых LLM. Уверен, что результаты Claude 3.5 Sonnet или GPT-o1 были бы гораздо лучше
Ни литкод, ни ЕГЭ невозможно выучить. Можно и нужно подготовиться, но значительно улучшить свой результат по сравнению с несколькими неделями подготовки все равно не выйдет. Теория на права гораздо проще, плюс там почти все вопросы можно по-настоящему выучить.
Про скопированный класс - это говорит лишь об отсутствии опыта + непонимание, как работают языки программирования, но никак не говорит об общем уровне интеллекта и обучаемость.
> а в том готов ли включить голову и разобраться в вопросе
Именно. И если человек уже один раз это продемонстрировал (подготовкой к ЕГЭ и сдачей на высокий балл), то шанс, что он сделает это снова, гораздо выше, чем у человека, который это не сделал.
Задачи по алгоритмам это похожий фильтр. Если человек не способен за пару недель научиться решать любые задачи уровня middle на литкоде - значит он никогда этому не научится, и никогда не станет хорошим программистом.
Важно не знание математики, а умение запомнить и понять сложные паттерны. Иначе вы рискуете нанять джуна, который никогда не научится шлёпать круд самостоятельно.
А желание "накостылить" - неизбежный и крайне полезный этап обучения.
Неужели студентов тех вузов уже не хватает на все позиции джунов? Казалось бы, там уже есть отбор по ЕГЭ по математике.
Вот вы смеетесь, а на Западе в некоторых странах в супер-конкурентных индустриях (финансы, консалтинг, программирование) уже давно практикуются "неоплачиваемые стажировки".
Так и есть, да. Картинка в тему:
Скрытый текст
Все так. Поэтому FAANG и ищут тех, кто может написать алгоритм за 20 минут на игрушечном примере. Что, однако, не означает, что они не используют стандартные реализации в работе.
Таких стартапов сотни, если не тысячи. Прототип системы пишется буквально за пару вечеров.
Если сеть сгенерировала дичь - то скорее всего эта же самая сеть может эту дичь распознать и забраковать. Поэтому там не man-in-the-middle, а llm-in-the-middle.
С текстами да, может быть тяжело. Но все что касается задач, которые допускают независимую автоматическую оценку ответа - например написание кода - для такого процесс сбора новой обучающей выборки может быть полностью автоматизирован.
Топик‑стратер сам говорит, что «LLM сгенерит неплохой тест под запрошенный сценарий» — а значит никто не мешает запустить пайплайн типа «формулировка вопроса → реализация в коде → тест кода тестами, написанными LLM». И здесь даже не надо пытаться как‑то исправить код, если тесты проваливаются — достаточно просто сгенерировать миллиарды таких примеров и выбрать из них те, что прошли все проверки.
Пока что это правило работает, и нет никаких оснований полагать, что тренд не продолжится. Более того, тысячи исследователей по всему миру прямо сейчас пытаются обучать следующие версии моделей на синтетических данных, сгенерированных текущими сетями.
Нет, все "специализированные" модели все равно начинают с пре-трейна на обширных пластах интернета. Иначе модель просто не научилась бы писать связный текст.