По работе мне постоянно приходится быть в курсе разных нейросетей и простых решений на них, чтобы подсмотреть часть идей для использования в компании. В феврале я наткнулся на исследование OpenAI под названием SWE-Lancer, в котором ИИ должен был заработать $1 млн .
Что такое SWE-Lancer? Если коротко, то
Опытные специалисты из OpenAI (разработчик ChatGPT) выгрузили с фриланс-биржи Upwork кучу задач. Далее отобрали только те, где в описании есть все данные для решения задачи. Осталось 1488 штуки. После этого начали тестировать как с ними справятся нейросети.
Сколько «заработали» нейросети (в теории)?
Самая лучшая на тот момент, Claude 3.5 Sonnet, успешно справилась с 26,2% задач кодирования и 44,9% решений по управлению проектами (например: выбор подрядчиков, оценка рисков, распределение бюджета).
Что меня особенно заинтересовало в этом исследовании: ИИ оказался сильнее в принятии решений, чем в написании кода, при том, что в СМИ рассуждают о программистах, копирайтерах и дизайнерах. У меня на работе больше менеджеров, чем программистов, но есть вероятность, что они не очень будут рады новым возможностям по использованию нейросетей.
📌 Что в ролике:
✔ Как автоматически классифицировать строки в таблице. Сделал на примере покупок во ВкусВилл
✔ Пример промпта для достаточно точной разметки. Там он простой, но можно гораздо больше накрутить
✔ Экономия времени и снижение ошибок
(Звука нет, но, надеюсь, там все понятно сделал)
Если будут вопросы, спрашивайте в комментариях.
ссылка на rutube
Если вам интересны практические примеры применения LLM (DeepSeek, ChatGPT и пр.) для работы и жизни — подписывайтесь на мой тг-канал
Согласно последней годовой отчётности, к концу декабря общая численность сотрудников Shopify сократилась до 8100 человек по сравнению с 8300 годом ранее.
Возможно эти шаги направлены на повышение эффективности и внедрение автоматизированных инструментов, которые способны заменить рутинные задачи, при этом позволяя работникам сосредоточиться на более интересных задачах.
CEO Shopify, Тобиас Литке, 07 апреля обратился ко всей команде, подчеркивая, что в современных условиях искусственный интеллект становится не просто инструментом, а настоящим мультипликатором возможностей. Основные идеи его обращения можно резюмировать так:
В предыдущем посте я показал, как легко сделать саммари из книги с помощью ИИ (ключевые идеи + упражнения, даже если их там нет) .
Продолжаю выкладывать обработанный вариант. Посмотрим, как он справится с новой главой:
Дневник трейдера (журнал сделок) — это ваш личный «детектор ошибок». Он фиксирует не только цифры и факты, но и эмоции, которые управляют решениями. Это инструмент, который помогает превращать хаотичную торговлю в системный процесс, где каждая сделка — шаг к пониманию своих слабостей и сильных сторон.
Так как я активно работаю с LLM (нейросети — языковые модели), то подумал: почему бы не приспособить для этого ChatGPT?
Ведь я же общаюсь в голосовом режиме с «GPT-психологом» — а здесь в чем принципиальная разница?
Я нашел подходящие вопросы, адаптировал их под себя и загрузил в промпт (инструкцию для ИИ).
Мне хотелось бы получить простую табличку:
Компания | Полный текст комментария | Статус | Объяснение |
---|---|---|---|
Schlumberger | Сервисмены Schlumberger начали предлагать свои услуги нефтяникам... | Пытается вернуться | Комментарий упоминает активные шаги по возвращению. |
YouTube | Ролик заканчивается, и теперь нет антирусской повестки... | Пытается вернуться | Комментатор отмечает изменения в алгоритме. |
General Electric | Мне на днях звонил один из директоров GE в Москве... | Пытается вернуться | Упоминается контакт с московским филиалом компании. |
Boeing | Boeing хочет продавать детали и самолеты в РФ... | Пытается вернуться | Комментатор утверждает, что Boeing интересуется рынком. |
Реальный ответ: если важна точность, то никак. Но я решил проверить, можно ли быстро вытащить данные с помощью LLM.