Post #904
185
- 🔥 4
Channel Public Channel
МА - Subscribers
- 245
- Photos
- 808
- Videos
- 83
- Links
- 196
Showing posts older than #905 · Back to latest
Older Posts 18 shown
Post #903
213
- 👍 2
Post #902
205
- 🤣 2
Post #901
235
https://t.me/tg_1red2black/2618
Ровно это нам и внушают - быть уступчивыми, сдавать без боя, типа "моя хата с краю".
Идея его сберовского псевдолидерства в том, что ты где-то вроде бы впереди.
А реальное лидерство в том, что люди идут за тобой, а ты несёшь ответственность за их доверие и вы делаете то, что не под силу одиночке.
Telegram Откровения от Олега Лидер всегда несет дичь
Почему? Потому что лидер - это тот, кто идет первый.
Лидер - этот тот, кто пробил своей башкой стену, сделал ментальную работу с большим порогом входа и получил хороший план.
После этого он может сказать: эй чуханы, вот вам план… Ровно это нам и внушают - быть уступчивыми, сдавать без боя, типа "моя хата с краю".
Идея его сберовского псевдолидерства в том, что ты где-то вроде бы впереди.
А реальное лидерство в том, что люди идут за тобой, а ты несёшь ответственность за их доверие и вы делаете то, что не под силу одиночке.
- 🔥 2
Post #900
206
Галя, у нас замена. Сбер забрал собачку на монетку.
- 🔥 2
Post #899
881
Фантастические игры в AI в РФ выглядят так:
- Нужно показывать KPI в годовом отчете
- Ок, давайте уволим перед НГ всяких тихих мышей, и заявим что мы оптимизировали процессы
- А потом?
- Наберём в начале года обратно. И заодно подрежем им амбиции
- Нужно показывать KPI в годовом отчете
- Ок, давайте уволим перед НГ всяких тихих мышей, и заявим что мы оптимизировали процессы
- А потом?
- Наберём в начале года обратно. И заодно подрежем им амбиции
- 👍 2
Post #898
235
Forwarded from Топ кибербезопасности Батранкова
Мой коллега Валерий Комаров перестал вести блог, о чем я лично очень сожалею. Зато выпустил книгу!
⚖️ Книга "Опасная профессия" содержит анализ реальных судебных дел по киберпреступлениям в России с техническими деталями расследований. Вы ее можете бесплатно скачать c Ridero.😀
📌 Книга описывает примеры жизненных ситуаций, приведших к возбуждению уголовных дел по компьютерным преступлениям. Причем читать надо ИТ и ИБ специалистам - к нам как раз относятся как к "опасным лицам со специальными знаниями".
✏️ Во второй части рассмотрены примеры участия гражданина в следственных действиях (свидетель, потерпевший, понятой, обвиняемый и т.д.). Описаны следственные мероприятия и меры пресечения.
🔥 В третьей части — примеры уголовного наказания за компьютерные преступления.
Книга особенно ценна конкретными техническими деталями расследований, названиями инструментов, номерами судебных дел и фактическими цифрами ущерба. Описаны десятки реальных приговоров российских судов за киберпреступления по ст. 272–274.1 УК РФ за 2009–2025 гг.
#Книга #compliance #закон
⚖️ Книга "Опасная профессия" содержит анализ реальных судебных дел по киберпреступлениям в России с техническими деталями расследований. Вы ее можете бесплатно скачать c Ridero.😀
📌 Книга описывает примеры жизненных ситуаций, приведших к возбуждению уголовных дел по компьютерным преступлениям. Причем читать надо ИТ и ИБ специалистам - к нам как раз относятся как к "опасным лицам со специальными знаниями".
✏️ Во второй части рассмотрены примеры участия гражданина в следственных действиях (свидетель, потерпевший, понятой, обвиняемый и т.д.). Описаны следственные мероприятия и меры пресечения.
🔥 В третьей части — примеры уголовного наказания за компьютерные преступления.
Книга особенно ценна конкретными техническими деталями расследований, названиями инструментов, номерами судебных дел и фактическими цифрами ущерба. Описаны десятки реальных приговоров российских судов за киберпреступления по ст. 272–274.1 УК РФ за 2009–2025 гг.
#Книга #compliance #закон
Post #897
210
Post #895
267
Forwarded from HR-аналитика
Эффект от обучения сохранялся 10 лет! 💰
Ученые из Стэнфорда, Калифорнийского университета в Беркли и Всемирного банка нагрянули в Индию и стали обучать и внедрять практики менеджмента на текстильных предприятиях.
1 месяц диагностики, 4 месяца обучения / внедрения.
Внедряли такие вещи как контроль качества, управление запасами, ремонт оборудования и т.п.
Старт эксперимента 2008 год, фиксация до 2017.
Внедряли не везде, 28 предприятий 17 компаний поделили на экспериментальную (где было внедрение) и контрольную, где не было.
Результаты эксперимента на диаграмме.
Ось X - число месяцев после внедрения, ось Y - доля внедренных менеджерских практик. Всего было 38 практик, можно заметить, что в лучшем случае было внедрено чуть более 60 %.
🔵 Treatment Experimental (TE) — Экспериментальные предприятия в обученной группе
🟢 Treatment Non-experimental (TN) — это предприятия не в эксперименте, но из той же компании, что и "синие" - экспериментальные. Т.е. наблюдается эффект передачи практик.
🔴 Control Experimental (CE) — Экспериментальные предприятия в контрольной (необученной) группе
🟠 Control Non-experimental (CN) — это предприятие не из эксперимента, но из тех же компаний, что не проходили внедрение.
Рост доли практик в контрольной группе объясняется тем, что на этих заводах проводили диагностику и давали рекомендации, это дало рост. Но в экспериментальной группе была работа на местах 4 месяца, это дало бОльший эффект.
И внедрение отразилось на прибыли:
📈 Финансовый эффект: +$325K прибыли в год на завод за счет снижения брака, простоя оборудования, снижения потерь запасов и т.п.
Для среднего завода с $7.5M выручки $325K это ≈ 4-5% роста доходов + сокращение затрат
Через 9 лет эти фабрики сохранили 35% рост производительности - изменения были системными, а не временными.
Причем обратите внимание, эксперимент был не в дремучие годы прошлого века, а в 2008 году начался.
И за 4 месяца (пусть полгода с диагностикой) дало такой эффект.
Что плохо? Мы видим эффект затухания. Сами компании не способны воспроизводить практики менеджмента - нужно внешнее воздействие.
Резюме: шикарное исследование, шикарный результат.
Источник
Понравился пост? Порекомендуй
Телеграм канал HR-аналитики коллегам и друзьям
Ученые из Стэнфорда, Калифорнийского университета в Беркли и Всемирного банка нагрянули в Индию и стали обучать и внедрять практики менеджмента на текстильных предприятиях.
1 месяц диагностики, 4 месяца обучения / внедрения.
Внедряли такие вещи как контроль качества, управление запасами, ремонт оборудования и т.п.
Старт эксперимента 2008 год, фиксация до 2017.
Внедряли не везде, 28 предприятий 17 компаний поделили на экспериментальную (где было внедрение) и контрольную, где не было.
Результаты эксперимента на диаграмме.
Ось X - число месяцев после внедрения, ось Y - доля внедренных менеджерских практик. Всего было 38 практик, можно заметить, что в лучшем случае было внедрено чуть более 60 %.
🔵 Treatment Experimental (TE) — Экспериментальные предприятия в обученной группе
🟢 Treatment Non-experimental (TN) — это предприятия не в эксперименте, но из той же компании, что и "синие" - экспериментальные. Т.е. наблюдается эффект передачи практик.
🔴 Control Experimental (CE) — Экспериментальные предприятия в контрольной (необученной) группе
🟠 Control Non-experimental (CN) — это предприятие не из эксперимента, но из тех же компаний, что не проходили внедрение.
Рост доли практик в контрольной группе объясняется тем, что на этих заводах проводили диагностику и давали рекомендации, это дало рост. Но в экспериментальной группе была работа на местах 4 месяца, это дало бОльший эффект.
И внедрение отразилось на прибыли:
📈 Финансовый эффект: +$325K прибыли в год на завод за счет снижения брака, простоя оборудования, снижения потерь запасов и т.п.
Для среднего завода с $7.5M выручки $325K это ≈ 4-5% роста доходов + сокращение затрат
Через 9 лет эти фабрики сохранили 35% рост производительности - изменения были системными, а не временными.
Причем обратите внимание, эксперимент был не в дремучие годы прошлого века, а в 2008 году начался.
И за 4 месяца (пусть полгода с диагностикой) дало такой эффект.
Что плохо? Мы видим эффект затухания. Сами компании не способны воспроизводить практики менеджмента - нужно внешнее воздействие.
Резюме: шикарное исследование, шикарный результат.
Источник
Понравился пост? Порекомендуй
Телеграм канал HR-аналитики коллегам и друзьям
- 👍 1
- 🔥 1
Post #894
6.36K
- 👍 2
Post #893
227
Когда из-за лёгочного ковида и боли побыл просто в ауте двое суток без сил и шанса объявить о выходе из строя и оформить больничный
Post #892
246
Post #891
269
- 🔥 5
Post #890
296
Post #889
282
- 🔥 3
Post #888
303
Корпоративные отношения (образно)
- 🤣 1
Post #887
226
Думскроллинг больше нам не друг
Post #884
224
Forwarded from Data Secrets
LLMs Can Get Brain Rot: статья о том, что модельки тоже деградируют от думскролинга
Исследователи из Техаса выпустили ну очень интересную работу, вызвавшую волну обсуждений. Они показали, что если LLM начать дообучать на низкокачественных данных из соцсетей (коротких, популярных, кликабельных постах), то она начинает терять свои когнитивные способности. Примерно так же, как человек теряет внимание и память, когда слишком много думсерфит.
Разбираемся, почему так, с технической точки зрения.
По факту, эксперимент был следующий. Взяли Llama 3 8B Instruct и начали дообучать на (а) коротких и очень популярных постах, у которых много лайков, ретвитов и реплаев; и (б) на контенте с низкой смысловой ценностью: кликбейт, конспирология, все такое. После этого замерили метрики и сравнили с результатами до дообучения. Итоги:
– Качество ризонинга упало с 74.9 до 57.2
– Понимание длинного контекста – с 84.4 до 52.3
– На элаймент-тестах выяснилось, что у модели развился нарциссизм, макиавеллизм и психопатия
Даже после дополнительного тюнинга на чистых данных деградация не исчезала полностью.
Но дело в том, что никакого глобального открытия тут нет. Объясняется все это простым сдвигом распределения. При дообучении на коротких, популярных, эмоционально окрашенных твитах модель видит совсем другой статистический ландшафт, чем во время исходного претрейна на книжках, статьях и тд.
Это смещает распределение в пространстве эмбеддингов и меняет attention-паттерны. Модель постоянно видит короткие тексты без логической цепочки, и, естественно, маски внимания начинают больше фокусироваться на последних нескольких токенах и терять долгосрочные зависимости, которые раньше и обеспечивали качественный CoT.
Градиентная динамика тут тоже играет против нас. Лосс просто-напросто минимизируется за счет поверхностных корреляций, а параметры, отвечающие за долгие причинно-следственные связи, почти не получают обновлений. Вот и получается, что моделька теряет способность длинно рассуждать. Авторы называют этот феномен thought-skipping.
Вот так. Просто еще одно доказательство, что данные – наше все. Теперь можно идти дальше листать рилсы ☕️
arxiv.org/pdf/2510.13928
Исследователи из Техаса выпустили ну очень интересную работу, вызвавшую волну обсуждений. Они показали, что если LLM начать дообучать на низкокачественных данных из соцсетей (коротких, популярных, кликабельных постах), то она начинает терять свои когнитивные способности. Примерно так же, как человек теряет внимание и память, когда слишком много думсерфит.
Разбираемся, почему так, с технической точки зрения.
По факту, эксперимент был следующий. Взяли Llama 3 8B Instruct и начали дообучать на (а) коротких и очень популярных постах, у которых много лайков, ретвитов и реплаев; и (б) на контенте с низкой смысловой ценностью: кликбейт, конспирология, все такое. После этого замерили метрики и сравнили с результатами до дообучения. Итоги:
– Качество ризонинга упало с 74.9 до 57.2
– Понимание длинного контекста – с 84.4 до 52.3
– На элаймент-тестах выяснилось, что у модели развился нарциссизм, макиавеллизм и психопатия
Даже после дополнительного тюнинга на чистых данных деградация не исчезала полностью.
Но дело в том, что никакого глобального открытия тут нет. Объясняется все это простым сдвигом распределения. При дообучении на коротких, популярных, эмоционально окрашенных твитах модель видит совсем другой статистический ландшафт, чем во время исходного претрейна на книжках, статьях и тд.
Это смещает распределение в пространстве эмбеддингов и меняет attention-паттерны. Модель постоянно видит короткие тексты без логической цепочки, и, естественно, маски внимания начинают больше фокусироваться на последних нескольких токенах и терять долгосрочные зависимости, которые раньше и обеспечивали качественный CoT.
Градиентная динамика тут тоже играет против нас. Лосс просто-напросто минимизируется за счет поверхностных корреляций, а параметры, отвечающие за долгие причинно-следственные связи, почти не получают обновлений. Вот и получается, что моделька теряет способность длинно рассуждать. Авторы называют этот феномен thought-skipping.
Вот так. Просто еще одно доказательство, что данные – наше все. Теперь можно идти дальше листать рилсы ☕️
arxiv.org/pdf/2510.13928