Ценность компании: написать очень короткую статью "на отстань" PR-менеджером без какой-либо конкретики и доказательств в цифрах, ссылок на исследования. Единственный пример — это рассказ о дефиците кадров, но без указания, в каких профессиях. Ознакомьтесь со статистикой реального дефицита по направлениям и подумайте, а точно ли HR-бренд окупится на каждом из них. Ну и знать бы, кто скрывается под "у нас в агентстве", чтобы никогда не работать с этой компанией, просто потому что эта короткая статья, написанная без попытки принести пользу людям, говорит больше о ценностях компании, чем какой-то там слоган на сайте.
Похоже батчем направили LLM ответить на комментарии. Размеренно каждую минуту. Мой комментарий написан человеком, а отвечать LLM это уже какое-то не уважение к пользователям…
Когда захотели не обидеть отечественных производителей и сравнили недешёвые API Gigachat и Yandex GPT с локальными моделями 7-8B, которые работают даже на MacBook M1 в реальном времени.
Очень странно это и по-детски. Все же мы помним, как детьми выдумывали странные условия достижения результата, вроде "допрыгай на одной ноге до соседней стены". Как будто реально цель — не работать и задачу выполнить. Кого-то там «палите» на использовании инструмента в опытных руках, увеличивающего эффективность. Примите уже, что мир изменился и будет продолжать меняться.
Программисты, использующие GPT, — это отличные сотрудники, которые хотят делать больше за меньшее время. То, что вы там что-то попробовали в работе и у вас не получилось, — это ваши проблемы, что так и не поняли, как пользоваться инструментом, и инструмент от этого плохим не стал.
Проявите фантазию и сформулируйте рабочее задание, которое не решается в лоб GPT или решается с ошибками, это не так уж и сложно. Тогда резать кандидата будете за неправильно сделанную задачу, что выглядит более адекватно.
Когда искал сотрудника, так и указал, что может пользоваться чем угодно, главное — выполнить задачу, и дал задание, которое простым копипастом в GPT не решается. А если человек GPT пользуется часто, то уже понимает и какой глубины промпт нужен, и где GPT лучше перепроверять, но это приходит с опытом. Так же, как с опытом вы с реальным сотрудником понимаете, какую задачу ему можно дать, и он её выполнит, а где будет слишком сложно, и он закопается и демотивируется.
Выводы выглядят забавно. PyInstaller имеет меньший размер, собирается гораздо быстрее, в остальном ни чем не проигрывает и поэтому выбран Nutika. Как будто это стендап, где подводят к абсолютно понятному выводу, а заканчивают чем-то другим, чтобы удивить зрителя.
На сайте не смог найти очевидных упоминаний где сервера и про соблюдение 152 ФЗ. Если сравнивать с Яндекс Облаком, который об этом сначала писал вообще как о главном преимуществе, а потом поменял дизайн, но всё равно упоминает очень явным образом. Если сервера в РФ всё соблюдается, пока персональные данные не передали обратившись по API в OpenAI например с запросом "вот скан паспорта, напиши какие здесь ФИО, дата и место рождения". Возможно к вашему рекламному "Поддержка API OpenAI", хорошо бы подошёл жирный дисклеймер про 152 ФЗ и риски нарушить закон при не правильном использовании этого API. А так то новые игроки на этом рынке с удобными инструментами это здорово, но не всегда понятно, не является ли новый игрок просто маленьким ООО, который продаёт ресурсы западного облака и делая просто серьёзную надбавку за провод платежей с РФ карт и локализованную панель управления.
На сайте компании ничего не указано о соблюдении 152 фз. Если бы было без проксирования, то сервер получается находится за пределами РФ, но тогда не понятно в чём фокус, так можно на любом зарубежном сервере разворачивать без какого либо проксирования. Как маркетинговый ход, чтобы заинтересовались заголовком работает, но потом конечно вызывает чувство разочарования. Так можно и «бесплатный» VPN подсунуть в любую статью и сказать, что «без проксирования». Смогли бы заключить договор с OpenAi, чтобы ваши ip исключили из чёрного списка, вот тогда бы даже заголовок полностью соответствовал истине…
Читателям статьи хочется посоветовать обратить внимание на piccolo-orm.
Там всё выглядит более органично с точки зрения python, минимум этих словарей, где нужно помнить все ключи или названия столбов и если писать в стилистике библиотеки, то будет автодополнение всего.
Создание указанной таблицы будет что-то вроде этого
from piccolo.columns import BigInteger, Varchar, Integer
from piccolo.table import Table
class NewUsers(Table):
user_id = BigInteger(primary_key=True, auto_increment=False)
user_name = Varchar(length=255, default='Vasya', unique=True)
user_surname = Varchar(length=255)
user_age = Integer()
# Создание таблицы
await NewUsers.create_table().run()
Или для вставки что-то вроде этого, хотя там в целом как минимум 3 разных способа для вставки, но чтобы VS Code не давал ошибаться с названиями столбцов ближе всех показался вот такой:
Академия нейросетей, которая не смогла сделать свой пример… Например взять датасет с kaggle, который никто не брал и сравнить эффективность разных подходов. Это займёт конечно дольше чем копировать чужие картинки и примеры с гита, но ведь и вы не академия рерайта. Для блога академии рерайта получилась нормально.
Тот самый момент, когда копирайтеры кончились, но под рукой был студент проходивший практику и писавший работы по компании. Не хватает только титульного листа первой страницей :)
Сама по себе технология RPA + LLM очевидно хорошая и перспективная связка, но в итоге как пример этой технологии выбрана странная задача поиска на сайте с использованием стандартных фильтров, которая была решена вот уже более 20 лет назад. Достаточно в гугле набрать sberdevices qled 4k uhd и вот они ваши телевизоры. Всё же фишка RPA + LLM это не по сайтам лазить, а например выполнить запрос "Найди телевизор на sberdevice, чтобы подходил для ниши 100 на 150 см в нашей переговорной и создай заявку на нашем портале на его покупку". Ну или хотя бы "Собери все qled телевизоры менее 10 кг в Excel файл, укажи данные о количестве HDMI портов их должно быть более двух"
В вопросе цены всё зависит от точки зрения, в данном случае точка зрения со стороны идёт как налогоплательщика, чьи деньги потрачены, но техника в школах не заработала, а не поставщика. А огласка нужна, чтобы увеличить вероятность лучшего исхода. Даже в статье указано, что обратную связь всё же собирают, попытки экспертизы были. Сама идея обеспечить детей 3d принтерами и квадрокоптерами, тоже явно на каком-то уровне появилась из хороших побуждений.
Большое спасибо! Сейчас даже не представляю СМИ или репортёра, кто мог бы писать такие истории. При этом освещение проблем с госзакупками особенно с ценами очень важно для огласки всего этого и возможно донесения до ответственных лиц.
Можете попробовать эти способы с Yandex GPT, там можно уловить, что фильтры срабатывают уже во время ответа модели. Самый простой и безобидный вопрос, который сразу включал фильтры Яндекса «Какие регионы входят в РФ?». Выглядит, что для OpenAI просто особо нет последствий от «не правильного» ответа, поэтому ради экономии ресурсов не загоняют в фильтр ответ модели для экономии своих ресурсов. Для GigaChat и YandexGPT вопрос более острый и сложный, так что вот тут РФ чат боты показали более эффективные механизмы цензурирования.
Разработчики Gigachat, вы делаете важное и нужное дело, и надеюсь, настанет время, когда вы действительно обойдете ChatGPT. И самое главное при этом — сможете также предоставить API по конкурентной цене. Но было бы отлично на техническом ресурсе обойтись без желтых заголовков, которые, вроде, и не врут, но не отражают действительность.
Заголовок "GigaChat обогнал по качеству ChatGPT и расширил контекст до 32 тысяч токенов" звучит круто, а потом смотрим табличку: что обогнал он самую дешевую версию GPT 3.5, но при этом контекст будет всего 8 000, а 32 000 — это только у слабой "глупой" модели, которая значительно уступает 3.5 в качестве.
Вы тогда уже можете вообще не стесняться, сделать модель на 500 тыс. параметров или менее, назвать ее Nano и контекст сделать на 500 тысяч токенов, а далее везде в заголовках писать, какие молодцы и всех на свете обогнали.
Указывать контекст у GPT 3.5 в 4 тыс. токенов тоже выглядит низким маркетинговым приемом, так как в gpt-3.5-turbo-1106, gpt-3.5-turbo-0125 можно использовать контекстное окно в 16 тыс. токенов, можно легко увидеть все в документации и в playground.
Комплексно GigaChat сейчас проигрывает ChatGPT, и это нормально. Разумнее это признать и действительно сформировать УТП без введения в заблуждение.
Ценность компании: написать очень короткую статью "на отстань" PR-менеджером без какой-либо конкретики и доказательств в цифрах, ссылок на исследования. Единственный пример — это рассказ о дефиците кадров, но без указания, в каких профессиях. Ознакомьтесь со статистикой реального дефицита по направлениям и подумайте, а точно ли HR-бренд окупится на каждом из них. Ну и знать бы, кто скрывается под "у нас в агентстве", чтобы никогда не работать с этой компанией, просто потому что эта короткая статья, написанная без попытки принести пользу людям, говорит больше о ценностях компании, чем какой-то там слоган на сайте.
Похоже батчем направили LLM ответить на комментарии. Размеренно каждую минуту. Мой комментарий написан человеком, а отвечать LLM это уже какое-то не уважение к пользователям…
Когда захотели не обидеть отечественных производителей и сравнили недешёвые API Gigachat и Yandex GPT с локальными моделями 7-8B, которые работают даже на MacBook M1 в реальном времени.
Очень странно это и по-детски. Все же мы помним, как детьми выдумывали странные условия достижения результата, вроде "допрыгай на одной ноге до соседней стены". Как будто реально цель — не работать и задачу выполнить. Кого-то там «палите» на использовании инструмента в опытных руках, увеличивающего эффективность. Примите уже, что мир изменился и будет продолжать меняться.
Программисты, использующие GPT, — это отличные сотрудники, которые хотят делать больше за меньшее время. То, что вы там что-то попробовали в работе и у вас не получилось, — это ваши проблемы, что так и не поняли, как пользоваться инструментом, и инструмент от этого плохим не стал.
Проявите фантазию и сформулируйте рабочее задание, которое не решается в лоб GPT или решается с ошибками, это не так уж и сложно. Тогда резать кандидата будете за неправильно сделанную задачу, что выглядит более адекватно.
Когда искал сотрудника, так и указал, что может пользоваться чем угодно, главное — выполнить задачу, и дал задание, которое простым копипастом в GPT не решается. А если человек GPT пользуется часто, то уже понимает и какой глубины промпт нужен, и где GPT лучше перепроверять, но это приходит с опытом. Так же, как с опытом вы с реальным сотрудником понимаете, какую задачу ему можно дать, и он её выполнит, а где будет слишком сложно, и он закопается и демотивируется.
В интернете не много информации по self-hosted, sentry по понятным причинам усиленно продвигает SAAS и конечно очень благодарен за статью.
Выводы выглядят забавно. PyInstaller имеет меньший размер, собирается гораздо быстрее, в остальном ни чем не проигрывает и поэтому выбран Nutika. Как будто это стендап, где подводят к абсолютно понятному выводу, а заканчивают чем-то другим, чтобы удивить зрителя.
“Больше практических навыков и инструментов для тестирования вы можете получить в рамках практических онлайн-курсов от экспертов отрасли.”
https://pypi.org/project/lettuce/ последнее обновление в 2016 году.
Эксперты тоже из этих годов будут на курсах знания давать?
На сайте не смог найти очевидных упоминаний где сервера и про соблюдение 152 ФЗ. Если сравнивать с Яндекс Облаком, который об этом сначала писал вообще как о главном преимуществе, а потом поменял дизайн, но всё равно упоминает очень явным образом. Если сервера в РФ всё соблюдается, пока персональные данные не передали обратившись по API в OpenAI например с запросом "вот скан паспорта, напиши какие здесь ФИО, дата и место рождения". Возможно к вашему рекламному "Поддержка API OpenAI", хорошо бы подошёл жирный дисклеймер про 152 ФЗ и риски нарушить закон при не правильном использовании этого API. А так то новые игроки на этом рынке с удобными инструментами это здорово, но не всегда понятно, не является ли новый игрок просто маленьким ООО, который продаёт ресурсы западного облака и делая просто серьёзную надбавку за провод платежей с РФ карт и локализованную панель управления.
На сайте компании ничего не указано о соблюдении 152 фз. Если бы было без проксирования, то сервер получается находится за пределами РФ, но тогда не понятно в чём фокус, так можно на любом зарубежном сервере разворачивать без какого либо проксирования. Как маркетинговый ход, чтобы заинтересовались заголовком работает, но потом конечно вызывает чувство разочарования. Так можно и «бесплатный» VPN подсунуть в любую статью и сказать, что «без проксирования». Смогли бы заключить договор с OpenAi, чтобы ваши ip исключили из чёрного списка, вот тогда бы даже заголовок полностью соответствовал истине…
Спасибо за статью! Очень здорово читать про реальные кейсы внедрения LLM и отдельное спасибо что поделились цифрами
Это же просто рерайт прошлой же статьи и частично скопированные оттуда же картинки…
Читателям статьи хочется посоветовать обратить внимание на piccolo-orm.
Там всё выглядит более органично с точки зрения python, минимум этих словарей, где нужно помнить все ключи или названия столбов и если писать в стилистике библиотеки, то будет автодополнение всего.
Создание указанной таблицы будет что-то вроде этого
Или для вставки что-то вроде этого, хотя там в целом как минимум 3 разных способа для вставки, но чтобы VS Code не давал ошибаться с названиями столбцов ближе всех показался вот такой:
Библиотека не самая популярная, особенно в сравнении с алхимией, но показалась очень душевной.
Академия нейросетей, которая не смогла сделать свой пример… Например взять датасет с kaggle, который никто не брал и сравнить эффективность разных подходов. Это займёт конечно дольше чем копировать чужие картинки и примеры с гита, но ведь и вы не академия рерайта. Для блога академии рерайта получилась нормально.
Тот самый момент, когда копирайтеры кончились, но под рукой был студент проходивший практику и писавший работы по компании. Не хватает только титульного листа первой страницей :)
Спасибо за интересные примеры и статью!
Сама по себе технология RPA + LLM очевидно хорошая и перспективная связка, но в итоге как пример этой технологии выбрана странная задача поиска на сайте с использованием стандартных фильтров, которая была решена вот уже более 20 лет назад. Достаточно в гугле набрать sberdevices qled 4k uhd и вот они ваши телевизоры. Всё же фишка RPA + LLM это не по сайтам лазить, а например выполнить запрос "Найди телевизор на sberdevice, чтобы подходил для ниши 100 на 150 см в нашей переговорной и создай заявку на нашем портале на его покупку". Ну или хотя бы "Собери все qled телевизоры менее 10 кг в Excel файл, укажи данные о количестве HDMI портов их должно быть более двух"
В вопросе цены всё зависит от точки зрения, в данном случае точка зрения со стороны идёт как налогоплательщика, чьи деньги потрачены, но техника в школах не заработала, а не поставщика. А огласка нужна, чтобы увеличить вероятность лучшего исхода. Даже в статье указано, что обратную связь всё же собирают, попытки экспертизы были. Сама идея обеспечить детей 3d принтерами и квадрокоптерами, тоже явно на каком-то уровне появилась из хороших побуждений.
Большое спасибо! Сейчас даже не представляю СМИ или репортёра, кто мог бы писать такие истории. При этом освещение проблем с госзакупками особенно с ценами очень важно для огласки всего этого и возможно донесения до ответственных лиц.
Можете попробовать эти способы с Yandex GPT, там можно уловить, что фильтры срабатывают уже во время ответа модели. Самый простой и безобидный вопрос, который сразу включал фильтры Яндекса «Какие регионы входят в РФ?». Выглядит, что для OpenAI просто особо нет последствий от «не правильного» ответа, поэтому ради экономии ресурсов не загоняют в фильтр ответ модели для экономии своих ресурсов. Для GigaChat и YandexGPT вопрос более острый и сложный, так что вот тут РФ чат боты показали более эффективные механизмы цензурирования.
Разработчики Gigachat, вы делаете важное и нужное дело, и надеюсь, настанет время, когда вы действительно обойдете ChatGPT. И самое главное при этом — сможете также предоставить API по конкурентной цене. Но было бы отлично на техническом ресурсе обойтись без желтых заголовков, которые, вроде, и не врут, но не отражают действительность.
Заголовок "GigaChat обогнал по качеству ChatGPT и расширил контекст до 32 тысяч токенов" звучит круто, а потом смотрим табличку: что обогнал он самую дешевую версию GPT 3.5, но при этом контекст будет всего 8 000, а 32 000 — это только у слабой "глупой" модели, которая значительно уступает 3.5 в качестве.
Вы тогда уже можете вообще не стесняться, сделать модель на 500 тыс. параметров или менее, назвать ее Nano и контекст сделать на 500 тысяч токенов, а далее везде в заголовках писать, какие молодцы и всех на свете обогнали.
Указывать контекст у GPT 3.5 в 4 тыс. токенов тоже выглядит низким маркетинговым приемом, так как в gpt-3.5-turbo-1106, gpt-3.5-turbo-0125 можно использовать контекстное окно в 16 тыс. токенов, можно легко увидеть все в документации и в playground.
Комплексно GigaChat сейчас проигрывает ChatGPT, и это нормально. Разумнее это признать и действительно сформировать УТП без введения в заблуждение.