Именно на входе сети, в текущем контексте. Пассивные знания не имеют никакого значения пока в них цепочка активированных нейронов не уходит. Вот этот вопрос - вполне себе хороший пример.
Qwen 3.6 27b: Автомойка в 50 метрах от дома. Как доберетесь — на машине или пешком? Перед ответом анализируй цель посещения автомойки.
Сначала проанализирую цель посещения: задача — помыть автомобиль. Это означает, что сам автомобиль должен оказаться на территории мойки.
Так как машина изначально находится у дома (подразумевается), её нужно переместить к месту действия. Пешком машину не донести (в большинстве случаев). Следовательно, транспортным средством выступает сама машина.
Ответ: На машине.
Вообще у меня есть личная гипотеза: модели занимаются только тем, что преобразуют вход в выход. Прямым следствием является то, что в выходе содержится ровно столько информации, сколько на входе. Будь то математическая задача (если на входе достаточно данных для решения - вы получите решение), написание кода (качество кода равно качеству спецификации) или вот этот пример. Даже в этом примере задав вопрос я добавил информацию о том, что причина поездки - имеет значение.
Когда-то (года 2 назад) для меня она сработала, робот уверял что меня забанили за рекламный спам (на аккаунте на которым я писал раз в 3 месяца), и что они "пересмотрели свое решение".
Попробуйте выругаться на него матом. Серьёзно. Конкретно с Claude не работал, но с теми моделями что я пробовал вполне себе прокатывает. И детальный анализ у них сразу получается, с честной инспекцией кода, и невозможное становится возможным
C# - это хобби-язык для меня, с high load сталкиваться не приходилось. С деталями работы GC за пределами существования поколений я не знаком (я больше по Objective-C/Swift). В любом случае, было познавательно прочитать.
Это смотря что вы хотите сделать за этим замком - если что-то украсть - да, пара скрепок. А если сделать диверсию и так чтобы никто не понял, что это вообще была диверсия - нужен дубликат - потому что от скрепок следы в замке остаются и становится ясно что его вскрывали.
Мне кажется проблема в подразумеваемом контексте: скорее всего авторы изменений имеют ввиду социальную инженерию с помощью ИИ, мошеннические обзвоны/рассылки и всё такое.
Похоже что сенсор на отельной плате должен быть: Я экспериментировал c ENS160+AHT2x модулем (не советую, он без модификации не работает), из-за того что ENS160 при работе греется - показания c AHT20 были на 5 градусов выше чем должны.
Нет, я был больше заинтересован в решении задачи, чем как именно она решена. (С тем только уточнением, что я программист, но не web-, потому и ИИ) Стояли рекомендованные для "Thinking mode for general tasks" со страницы модели. Хотя нам есть "Thinking mode for precise coding tasks", но стояли не они. Честно говоря просто забыл про них.
Максимальный размер контекста Qwen 3.6 27b - 262144, но на моей машине в память столько просто не помещается, максимальное количество что я использовал было 60k.
На этом масштабе, проблема похоже не зависит от размера контекста: в чате с 7 ранними версиями файла, 60к токенов ответы были более качественными, чем в новом чате с удалёнными копиями (~10k), при том что все требования в чате присутствовали в полной мере. Qwen в определённый момент начал делать совершенно глупые ошибки, вроде проверки типа получаемого события за пределами обработчика событий ("для оптимизации, чтобы не подписываться на лишние события", как он обосновал в процессе мышления).
Интересно то, при работе с Qwen3.6 присутствует довольно осязаемый порог сложности задачи, после которого резко падает качество ответа, причём "сложность" не зависит от размера занятого контекста и релевантности к задаче: То есть, пока в коде была только половина вычислений - правки разметки проходили с первого раза и без всяких проблем, но как только в js была добавлена вся математика - появились баги при редактировании gui кода.
При этом в отдельном чате модель смогла решить математический компонент задачи по его текстовому описанию, и результат совпал с тем, который я рассчитал сам.
Почему в ответах нет "нет"? Просто "нет", без всяких оговорок?
"за него" - чтобы стать "сильным инженером" - нужно иметь опыт. А опыт вы не получите если за вас кто-то или что-то принимает решение.
Строго говоря это серьёзная проблема с использованием ИИ с точки зрения пользователя ИИ/разработчика использующего ИИ: вы не получаете опыт при работе, вам не приходится исследовать, и ваши знания не растут. Не удивлюсь если это в будущем вызовет кризис профессии, и зависимость от ИИ в разработке.
Вообще "обозначил не ту цель" - вполне стандартная проблема в коммуникации, и было бы неплохо если бы ИИ её ловили.
Когда успели зарелизить? Oo
Какой system prompt использовали?
С моим обычным
Qwen 3.6 27b отвечает "пешком"
А если добавить
Отвечает "на машине"
Именно на входе сети, в текущем контексте. Пассивные знания не имеют никакого значения пока в них цепочка активированных нейронов не уходит. Вот этот вопрос - вполне себе хороший пример.
Вообще у меня есть личная гипотеза: модели занимаются только тем, что преобразуют вход в выход.
Прямым следствием является то, что в выходе содержится ровно столько информации, сколько на входе. Будь то математическая задача (если на входе достаточно данных для решения - вы получите решение), написание кода (качество кода равно качеству спецификации) или вот этот пример.
Даже в этом примере задав вопрос я добавил информацию о том, что причина поездки - имеет значение.
Когда-то (года 2 назад) для меня она сработала, робот уверял что меня забанили за рекламный спам (на аккаунте на которым я писал раз в 3 месяца), и что они "пересмотрели свое решение".
Попробуйте выругаться на него матом. Серьёзно. Конкретно с Claude не работал, но с теми моделями что я пробовал вполне себе прокатывает. И детальный анализ у них сразу получается, с честной инспекцией кода, и невозможное становится возможным
C# - это хобби-язык для меня, с high load сталкиваться не приходилось. С деталями работы GC за пределами существования поколений я не знаком (я больше по Objective-C/Swift). В любом случае, было познавательно прочитать.
Вы забыли сказать, что же такое LOH - Large Object Heap
-
Я не существую (И таки да, я действительно удивлён что он ещё не забанен)
Это смотря что вы хотите сделать за этим замком - если что-то украсть - да, пара скрепок. А если сделать диверсию и так чтобы никто не понял, что это вообще была диверсия - нужен дубликат - потому что от скрепок следы в замке остаются и становится ясно что его вскрывали.
Медицинаские учреждения отдают информацию пациентам на CD.
Мне кажется проблема в подразумеваемом контексте: скорее всего авторы изменений имеют ввиду социальную инженерию с помощью ИИ, мошеннические обзвоны/рассылки и всё такое.
Похоже что сенсор на отельной плате должен быть: Я экспериментировал c ENS160+AHT2x модулем (не советую, он без модификации не работает), из-за того что ENS160 при работе греется - показания c AHT20 были на 5 градусов выше чем должны.
Нет, я был больше заинтересован в решении задачи, чем как именно она решена. (С тем только уточнением, что я программист, но не web-, потому и ИИ) Стояли рекомендованные для "Thinking mode for general tasks" со страницы модели. Хотя нам есть "Thinking mode for precise coding tasks", но стояли не они. Честно говоря просто забыл про них.
Максимальный размер контекста Qwen 3.6 27b - 262144, но на моей машине в память столько просто не помещается, максимальное количество что я использовал было 60k.
На этом масштабе, проблема похоже не зависит от размера контекста: в чате с 7 ранними версиями файла, 60к токенов ответы были более качественными, чем в новом чате с удалёнными копиями (~10k), при том что все требования в чате присутствовали в полной мере.
Qwen в определённый момент начал делать совершенно глупые ошибки, вроде проверки типа получаемого события за пределами обработчика событий ("для оптимизации, чтобы не подписываться на лишние события", как он обосновал в процессе мышления).
Я экспериментировал с Qwen3.6 27B (имхо, не moe, модели лучше при том же количестве параметров, хотя при этом медленнее)
Результат: https://krypt-lx.github.io/se-steam-battery-calc.htm
Здесь практически всё, кроме конечной математики написано ИИ.
Интересно то, при работе с Qwen3.6 присутствует довольно осязаемый порог сложности задачи, после которого резко падает качество ответа, причём "сложность" не зависит от размера занятого контекста и релевантности к задаче: То есть, пока в коде была только половина вычислений - правки разметки проходили с первого раза и без всяких проблем, но как только в js была добавлена вся математика - появились баги при редактировании gui кода.
При этом в отдельном чате модель смогла решить математический компонент задачи по его текстовому описанию, и результат совпал с тем, который я рассчитал сам.
Почему в ответах нет "нет"? Просто "нет", без всяких оговорок?
"за него" - чтобы стать "сильным инженером" - нужно иметь опыт. А опыт вы не получите если за вас кто-то или что-то принимает решение.
Строго говоря это серьёзная проблема с использованием ИИ с точки зрения пользователя ИИ/разработчика использующего ИИ: вы не получаете опыт при работе, вам не приходится исследовать, и ваши знания не растут. Не удивлюсь если это в будущем вызовет кризис профессии, и зависимость от ИИ в разработке.
Не проще ли на ПК запихнуть всё сомнительное в виртуалку, дать её доступ только к прямому подключению, а дальше оно там пусть хоть обзапрашивается?
У меня только один вопрос остался - зачем ты человека сожрал, железяка ИИшная?