На мой взгляд просто описания откуда и куда для оценки интеграцией не достаточно, стоит фиксировать хотя бы примерный перечень данных и количество запросов иначе можно сильно промахнуться как в оценке, так и в ожиданиях
Все эти вопросы восходят к одному: "Почему нормально не выстроен процесс найма?"
Ответ прозаичен: "Потому что не только найма".
Компании выделяют очень ограниченные ресурсы на перестройку и оптимизацию внутренних процессов, что приводит к тому, что делают их на скорую руку без нормального анализа того где и что ломается. Подпирают согласованиями, встречами и "так прокатит" и катятся дальше. Нормальный аудит внутренних процессов и их перестройка стоят дорого, хоть в последствии и приведет к оптимизации расходов.
Аналогично с модернизацией любой системы, которая многие годы уже работает. Поддерживать дороговато, но внедрять новую - дороже, и пока старая окончательно не умрет и ресурсы поддержки будут требоваться запредельные, только тогда в срочном порядке начнется поиск и внедрение нового решения, которое обойдется ещё дороже чем раньше.
Не согласен, общался с несколькими HRD их тоже не устраивает текущий рынок, потому что такой наплыв нужно как-то отсекать и тут уже как в сказке про золотую антилопу. Ну и потом некоторые HR выходят на рынок труда и тоже охреневают от найма со стороны соискателя
Может раньше и не занимались, а сейчас это фактически мастхэв. Потому что, когда у тебя очень узко настроенная ATS (из тысяч кандидатов отобрать максимум 50), то только персонализацией и корректировкой отклика под вакансию можно добиться попадания в эти топ50
Автоперевод бывшего Твиттера работает на Grok и судя по всему он уже начал подвергаться коллапсу модели, потому что уже с месяц встречаю посты где в переводе появляются опечатки 🙂
Проблема проста: никто не знает сработает ли ваш подход на другом проекте/в другой компании. Он сработал у вас - здорово, это не гарантия. Но тем не менее люди, которые единожды что-то успешно внедрили рассказывают что только так и надо.
В этой статье мы пытаемся разобраться, как так получилось и что будет дальше
Попытались. Не получилось.
Весь рынок практически во всех направлениях (за редкими исключениями) сейчас оптимизирует расходы. В том числе расходы на развитие (сейчас бы кризис пережить, какое развитие), которое бы генерировало новые рабочие места, а также сокращает уже имеющиеся рабочие места. Потому что не только ключевая ставка влияет на бизнес, но и значительно увеличившаяся налоговая нагрузка. Явно видно по данным HeadHunter, что работодатели в целом по рынку сокращают найм с начала 2025го, при довольно стабильном росте количества соискателей.
Решение заняло куда больше времени, чем я ожидал. У стажера без ИИ ушло в районе 2-3 часов на решение.
Собственно вот тут гораздо большая проблема чем кажется.
Даже вы, как постановщик задачи уже оцениваете скорость работы джуна с учётом нейросетей. Если даже сеньор потратил 30 минут, то для джуна 2-3 часа отличное время, особенно если он раньше с такой задачей не сталкивался, а хочется быстро, качество и хорошо бы, чтобы за копейки.
Или человечий язык by design разбитый на токены просто сухая статистика
Ну, в общем-то да. Есть тема, в виде направления вектора, в нем есть наиболее вероятные слова и сочетания которые идут друг за другом. По идее там идёт сложение векторов, т.е. после выбора первого слова идёт расчет вероятность появления следующего и т.д.
Человеческий мозг тоже на это способен на самом деле мы так часто слышим родную речь, что мы можем угадать что человек сказал, хотя мы слышали только два слова из предложения.
Если мы будем стопорить модель когда вероятности низки, то она просто будет бустить рандомную вероятность, ведь мы ее наказываем и за отсутствие ответа, потому что иначе она просто на всё будет отвечать "не знаю", ведь это эффективнее.
То есть confidence — это не вероятность, а почти константа, которую модель приклеивает к ответу «на автомате». Она не несёт информации о том, права модель или нет: коррелирует не с правильностью, а в лучшем случае с тем, насколько уверенно модель звучит
Да, это в целом заложено в названии. Абсолютно бесполезный параметр на холодных ответах, которые больше всего подходят для задач с повторяемым результатом. Потому что сама нейронка бустит вероятности первых 3-4 вариантов, что приводит к тому что она практически всегда уверена в своих ответах. Он может быть полезен на теплых ответах, но стабильности там добиться гораздо сложнее и использование токенов будет больше в разы.
Чтобы пароль было сложнее подобрать, он должен содержать как минимум 16 знаков — и включать в себя случайные заглавные и строчные буквы, цифры и символы
Согласно последним рекомендациям NIST специальные символы не обязательны, потому что создают паттерны, известные хакерам. Такие как подмена букв идентичными символами (по типу Leet speak) или завершение пароля спецсимволом для удовлетворения требованиям такого пароля.
Не знаю насчёт хостеров, но Гугл точно не все запросы и требования выполняет, и требует решения судов и корректные обоснования в этих решениях (я уж молчу, что количество запросов из России в десятки раз больше).
Пример:
Запрос
Мы получили распоряжение суда удалить десятки страниц, написанные блогером о скандале с политиками штата.
Это кстати может быть связано с ограничением на стороне России, многие государственные (и около государственные) сайты блокируют доступ из стран, которые считаются недружественными.
Сайт Госдумы например требует российский IP для доступа
А продолжение запроса того же запроса как распределяется?
Если был короткий запрос, потом длинный в одном контексте, он модель будет переключать? И если да - это точно эффективно менять источник ответа в рамках одного контекста?
В январе 2024го года в СМИ утекли переписки OpenAI. Там один из сотрудников представил подробные расчеты, согласно которым достигнуть AGI невозможно из-за фундаментальных физических ограничений. На что Альтман и топ менеджеры в переписке согласовали утаить эту инфу от инвесторов, потому что важна сиюминутная прибыль и вообще "через десять лет мы будем другой компанией"
На мой взгляд просто описания откуда и куда для оценки интеграцией не достаточно, стоит фиксировать хотя бы примерный перечень данных и количество запросов иначе можно сильно промахнуться как в оценке, так и в ожиданиях
Все эти вопросы восходят к одному: "Почему нормально не выстроен процесс найма?"
Ответ прозаичен: "Потому что не только найма".
Компании выделяют очень ограниченные ресурсы на перестройку и оптимизацию внутренних процессов, что приводит к тому, что делают их на скорую руку без нормального анализа того где и что ломается. Подпирают согласованиями, встречами и "так прокатит" и катятся дальше. Нормальный аудит внутренних процессов и их перестройка стоят дорого, хоть в последствии и приведет к оптимизации расходов.
Аналогично с модернизацией любой системы, которая многие годы уже работает. Поддерживать дороговато, но внедрять новую - дороже, и пока старая окончательно не умрет и ресурсы поддержки будут требоваться запредельные, только тогда в срочном порядке начнется поиск и внедрение нового решения, которое обойдется ещё дороже чем раньше.
Не согласен, общался с несколькими HRD их тоже не устраивает текущий рынок, потому что такой наплыв нужно как-то отсекать и тут уже как в сказке про золотую антилопу. Ну и потом некоторые HR выходят на рынок труда и тоже охреневают от найма со стороны соискателя
Может раньше и не занимались, а сейчас это фактически мастхэв. Потому что, когда у тебя очень узко настроенная ATS (из тысяч кандидатов отобрать максимум 50), то только персонализацией и корректировкой отклика под вакансию можно добиться попадания в эти топ50
Автоперевод бывшего Твиттера работает на Grok и судя по всему он уже начал подвергаться коллапсу модели, потому что уже с месяц встречаю посты где в переводе появляются опечатки 🙂
Проблема проста: никто не знает сработает ли ваш подход на другом проекте/в другой компании. Он сработал у вас - здорово, это не гарантия. Но тем не менее люди, которые единожды что-то успешно внедрили рассказывают что только так и надо.
Попытались. Не получилось.
Весь рынок практически во всех направлениях (за редкими исключениями) сейчас оптимизирует расходы. В том числе расходы на развитие (сейчас бы кризис пережить, какое развитие), которое бы генерировало новые рабочие места, а также сокращает уже имеющиеся рабочие места. Потому что не только ключевая ставка влияет на бизнес, но и значительно увеличившаяся налоговая нагрузка. Явно видно по данным HeadHunter, что работодатели в целом по рынку сокращают найм с начала 2025го, при довольно стабильном росте количества соискателей.
Собственно вот тут гораздо большая проблема чем кажется.
Даже вы, как постановщик задачи уже оцениваете скорость работы джуна с учётом нейросетей. Если даже сеньор потратил 30 минут, то для джуна 2-3 часа отличное время, особенно если он раньше с такой задачей не сталкивался, а хочется быстро, качество и хорошо бы, чтобы за копейки.
Ну, в общем-то да. Есть тема, в виде направления вектора, в нем есть наиболее вероятные слова и сочетания которые идут друг за другом. По идее там идёт сложение векторов, т.е. после выбора первого слова идёт расчет вероятность появления следующего и т.д.
Человеческий мозг тоже на это способен на самом деле мы так часто слышим родную речь, что мы можем угадать что человек сказал, хотя мы слышали только два слова из предложения.
помимо причины уже указанной в другом коменте.
Если мы будем стопорить модель когда вероятности низки, то она просто будет бустить рандомную вероятность, ведь мы ее наказываем и за отсутствие ответа, потому что иначе она просто на всё будет отвечать "не знаю", ведь это эффективнее.
Да, это в целом заложено в названии. Абсолютно бесполезный параметр на холодных ответах, которые больше всего подходят для задач с повторяемым результатом. Потому что сама нейронка бустит вероятности первых 3-4 вариантов, что приводит к тому что она практически всегда уверена в своих ответах. Он может быть полезен на теплых ответах, но стабильности там добиться гораздо сложнее и использование токенов будет больше в разы.
Уже есть, но без четких цифр.
https://fortune.com/2026/05/22/microsoft-ai-cost-problem-tokens-agents/
Согласно последним рекомендациям NIST специальные символы не обязательны, потому что создают паттерны, известные хакерам. Такие как подмена букв идентичными символами (по типу Leet speak) или завершение пароля спецсимволом для удовлетворения требованиям такого пароля.
А откуда этот вывод вообще взялся? Раньше расходы на токены были финансовой проблемой и не являлись альтернативой найму? А чем являлись?
Не знаю насчёт хостеров, но Гугл точно не все запросы и требования выполняет, и требует решения судов и корректные обоснования в этих решениях (я уж молчу, что количество запросов из России в десятки раз больше).
Пример:
Это кстати может быть связано с ограничением на стороне России, многие государственные (и около государственные) сайты блокируют доступ из стран, которые считаются недружественными.
Сайт Госдумы например требует российский IP для доступа
Штрафы - плохое решение практически всегда. В данном случае сотрудник не будет пользоваться вашими нейронками, вот и всё.
А продолжение запроса того же запроса как распределяется?
Если был короткий запрос, потом длинный в одном контексте, он модель будет переключать? И если да - это точно эффективно менять источник ответа в рамках одного контекста?
Так ведь
Как раз чтобы продать!
В январе 2024го года в СМИ утекли переписки OpenAI. Там один из сотрудников представил подробные расчеты, согласно которым достигнуть AGI невозможно из-за фундаментальных физических ограничений. На что Альтман и топ менеджеры в переписке согласовали утаить эту инфу от инвесторов, потому что важна сиюминутная прибыль и вообще "через десять лет мы будем другой компанией"
Не, я тоже сначала так прочитал.
Он говорит, что "профессионал легко найдет работу", но не "профессионала на работу легко найти".
Просто пойму что количество специалистов гораздо меньше количества вакансий.
Правда с высокой долей вероятности этот специалист будет искать не через агрегатов вакансий типа ХХ, а через социальные связи...