В репетиторские времена я почти случайно придумал тест из 3-4 простых вопросов на русском, который с точностью >90% определял способности человека к иностранным языкам. Особой необходимости в этом тесте нет: толковый преподаватель и без него всё понимает после одного-двух занятий. Но, во-первых, это красиво. Во-вторых, даже я сам лишь годы спустя понял, как именно тест работает и что скрывается за этой простотой.

«Способностями» или «талантом» в быту называют природную одарённость с открытыми опциями её практического применения. Безвестный гопник покачал как-то головой, наблюдая гитарную импровизацию моего товарища: «…, тебе бы щипачом..» [карманником стать]

Дело, однако, далеко не всегда в природных данных. Есть один чрезвычайно важный фактор, о котором посторонние просто не знают, а профессионалы ленятся формулировать.

На школьную программу ругаются: не пригодились, мол, ваши синусы-косинусы. Ещё как пригодились. Причём вот именно тем, кто ругался. Косинусы нужны не сами по себе, а как упражнения для формирования абстрактного мышления. При всех претензиях, школа учит работать с цифрами, сколько-то внятно связывать слова, хоть как-то писать. Знаем же, что творится в странах, где нет даже этого.

Время и внимание человека сильно ограничены и он распределяет их в соответствии со своими представлениями о прекрасном.

Люди при должностях, серьёзных профессиях, при собственных блогах даже, искренне не видят проблем с предложениями типа «выйдя из леса передо мной открылась широкая гладь реки». Или «он выиграл меня в шашки на моё день рождение». Ошибки эти страшны даже не тем, что оскорбляют слух носителя. Это симптоматика, которая указывает на гораздо более неприятные штуки. В частности, на неизбежные проблемы в изучении иностранных языков: у такого человека с детства отсутствует внутренняя потребность строить предложения правильно, обращать внимание на то, как он говорит или пишет.

Через несколько лет преподавания я уткнулся в удивительную вещь, которую надо бы иметь в виду всем, кто занимается обучением людей. Если кто-то где-то это уже встречал в сформулированном виде, напишите плиз.

В детстве я получил задание вскопать участок 3×3, а попадающиеся камни сбрасывать вон в ту кучу. Я провозился на одном квадратном метре полчаса, углубившись на две лопаты. Я считал, что главный смысл моей работы в том, чтобы очистить землю от камней. А надо было просто вскопать участок (на одну глубину лопаты!) – подготовить его к посадке чего-то там. Камни уж постольку-поскольку.

Часто преподаватели/тренеры/руководители, давая задание, исходят из того, что студент/подчинённый понимает не только цель конкретно этого промежуточного задания, но и КОНЕЧНУЮ цель процесса, частью которого это задание является. Это описанная когнитивная ошибка: https://ru.wikipedia.org/wiki/Проклятие_знания

А потом ругаются: «Я вам сто раз объяснял». И вроде бы он всё верно объяснил, но не обозначил, что в задаче принципиально для конечной цели, а что не очень (для него-то ведь это само собой разумеется).

В логах RDP-подключений иногда встречается запись, которая выглядит как ::%16777216 — и это вместо привычного IP-адреса. Про такой артефакт пишут в отраслевых отчетах уже несколько лет. Он всплывает в описаниях атак с туннелированием RDP, и практически всегда авторы упоминают утилиту ngrok. Но при этом почти никто не объясняет, что это за значение, какова его природа и почему оно записано именно так. Складывается впечатление, что авторы либо не знают ответа, либо считают эту деталь слишком мелкой для пояснений.

Я Константин Грищенко, в Positive Technologies я отвечаю за развитие технологий SOC. Работаю в этой сфере больше пяти лет, а всего в практической информационной безопасности — уже 23 года. В ноябре 2024 года в одном из докладов на конференции SOC Forum я в очередной раз увидел упоминание этого артефакта и решил все-таки попробовать разобраться в том, что это такое.

Привет, меня зовут Вячеслав. Я интересуюсь локальными LLM и тем, как они ведут себя в реальных задачах — не на синтетических бенчмарках, а когда нужно написать работающий код, отрефакторить файл с багами или вытащить данные из HTML.

Вокруг локальных моделей сложилась странная ситуация. С одной стороны, их постоянно принижают: если это не последняя версия Opus с максимальным режимом размышления, то и пробовать не стоит. С другой — мало кто действительно разбирается, что стоит за запуском локальной модели. Поднять API через llama.cpp — это полдела. А вот как ты её запускаешь, в какой среде, с какими параметрами — эти вещи порой переворачивают результат с ног на голову. Получить плохой результат с локальной моделью на удивление легко. Получить хороший — надо попотеть.

При этом локальные модели нужны. Особенно когда начинаются истории про чувствительные данные, закрытые контуры и ситуации, когда облачный API просто не вариант.

Я посмотрел множество тестов на YouTube — ни один меня не устроил. Общая канва одинаковая: берут модель побольше, запускают без оглядки на оптимальность и дают задание уровня «напиши сортировку пузырьком». Серьёзно?

Я не разработчик и не кодер по профессии, но решил пойти другим путём. Тесты с подковыркой, реальная агентская среда, подбор параметров. И модели я выбрал не «чем больше, тем лучше», а те, которые реально влезают в 16 ГБ видеопамяти домашней видеокарты. Что из этого вышло — дальше по тексту.

Все началось с того, что управляющая компания в нашем поселке обанкротилась. Работать она перестала, и инфраструктура постепенно начала приходить в запустение — въездную группу вместе со шлагбаумами продали на торгах, мусор перестали вывозить, фонари постепенно начали выходить из строя и по ночам улицы погружались в темноту. Соседи собрались, провели общее собрание и основали ТСН — товарищество собственников недвижимости. С этого момента мы оказались в ситуации, когда управлять поселком нужно самостоятельно, а многие вещи приходится осваивать с нуля.

Зимой клубника в Великобритании долгое время была почти экзотикой. Полки супермаркетов заполнялись импортом из Северной Африки и Ближнего Востока по заоблачным ценам. Для большинства руководителей это просто рыночный факт. Для Джеймса Дайсона — задача, которую можно решить инженерно. Рассказываем, как у производителя пылесосов появился один из самых необычных агропроектов в Европе: ферма, где клубнику выращивают в подвесных конструкциях, собирают с применением роботов и сохраняют в идеальных условиях с помощью собственной энергетики.

Предисловие

Уточнение