Айтишники начали путешествовать во времени — в LinkedIn специалисты массово дописывают ИИ-навыки в старые места работы 🙄
Исследователи заметили, что люди спустя годы (!) редактируют прошлые должности и описания, чтобы лучше попадать в текущий рынок. Особенно часто в старый опыт начали добавлять ИИ-термины и навыки, которых там изначально не было, а также убирать ссылки на удалённую работу и всякие инициативы в области разнообразия, равенства и инклюзивности.
По данным исследования, среди людей младше 30 лет так правят свой предыдущий опыт уже 40%.
Вот откуда потом появляются запросы на работу с ИИ на протяжении 6+ лет 😁
Ну почему не мы: в Тайване КАЖДОМУ жителю раздадут $314 просто так в качестве дивидендов за ИИ.
Президент объявил, что правительство заложит в бюджет 2027 года около $7,4 млрд на универсальную денежную выплату гражданам. Невиданную щедрость объясняют сильным экономическим ростом на фоне бума нейросетей — власти хотят, чтобы жители тоже получили свою долю от сверхприбыли.
А теперь представьте, что так и дальше будет продолжаться и подобные выплаты когда-нибудь превратятся в безусловный базовый доход благодаря ИИ. Мечта 😍
Британские ученые выяснили, что для хорошего сна нужна всего лишь… отказоустойчивая ИТ-инфраструктура😂
Вместе с размещением проекта в новом регионе облака Selectel выдают оберег от ночных аварийных работ.
Главное:
🟢 Геораспределенность и быстрая передача данных обеспечены. Инфраструктура построена на трех независимых зонах доступности с быстрой сетью 10 Гбит/с и задержкой менее 1 мс.
🟢 Потянет даже требовательные задачи.
Под капотом — мощное железо с топовыми процессорами, быстрыми дисками и профессиональными видеокартами.
🟢 Отказоустойчивость «из коробки». Бэкапы, сетевые и платформенные сервисы продолжат работать даже при выходе из строя целого дата-центра.
В общем, есть всё, чтобы доверить инфраструктуру проекта и расслабиться. Разверните отказоустойчивое облако в Selectel: https://slc.tl/wfmtz
В Стэнфорде придумали, как сделать ИИ-агентов умнее без дообучения 🤯
LLM-as-a-Verifier просто заставляет модель сгенерировать несколько решений, а затем самой их проверить и выбрать лучшее. На удивление, это работает! В эксперименте с DeepSeek V4 Flash результат на Terminal-Bench 2.1 вырос с 79% до 88% — это выше, чем у Claude Fable 5.
И да, при этом, по расчётам авторов, такой подход оказался примерно в 11 раз дешевле Fable 5 на задачу. Сам фреймворк бесплатный и опенсорсный.