Как мягко менять поведение людей, чтобы они не воспринимали это как давление? И, может, вообще не осознавали? Взяли 455 экспериментов на 2,14 миллиона участников и свели в кучу. Считалось, что менять поведение можно: 1. Рублём. Чтобы он поступал как надо — давать субсидии, налоговые льготы, штрафы, повышать или понижать цены. 2. Добрым словом. Менять убеждения через информационные кампании, просвещение, рекламу. Оба варианта не учитывали идиотов. За то, как учитывать идиотов в экономике, как-то даже дали нобелевку. Люди — не рациональные агенты. У человека мало времени, мало данных и нет сил подумать, поэтому он часто хватается за то, что под рукой, копирует поведение окружающих, поддаётся тому, как преподнесли варианты. И вот вопрос: а можно ли чуть переделать обстановку так, чтобы человеку было проще сделать нужный выбор? Типа он сам, но сделал то, что надо. Да, можно, это работает, и это третий путь. Называется подталкивание. Некоторые называют это UI dark pattern, но граница там размыта. Ну то есть разница как между заранее поставленной галочкой и заранее снятой галочкой на спам. Сила эффекта скромная, примерно как у обычной рекламы пользы или у денежных поощрений. Примерно в 1 случае из 7 подталкивание может сработать наоборот. Легче всего подтолкнуть человека там, где решение мелкое и привычное (что сожрать на ужин). Труднее всего — там, где на кону деньги и серьёзные последствия. Конкретные приёмы: — Информировать. Перевести на человеческий, сделать побольше, повесить у кассы, показать норму по соседям и т.п. Олкотт разослал на 600 тысяч писем, где расход электричества сравнивался с расходом соседей. Люди стали тратить в среднем на 2% меньше. Такой же эффект можно получить, поднимая цену на 11-20%. — Поменять расстановку вариантов и формат выбора. Ну типа положить самое дорогое молоко поближе к глазам и рукам, а самое дешёвое запихать на самый верх, чтобы бабки не достали без сотрудника магазина. Это самый сильный вариант. Сравнили донорство органов в разных странах Европы: где галка стоит по умолчанию — на 60 процентных пунктов наборов органов больше. — Устранить разрыв между намерением и поведением. Один раз взять обещание и напоминать. Типа, сначала спрашиваете, кто готов помогать, а потом просите скинуться, а не сразу спрашиваете, кто скинется. Слабые места работы: скандал с лабораторией Корнелла с систематическими научными подлогами — десятки статей Брайана Уонсинка отозвали. И нашли большое публикационное смещение из-за того, что чаще печатают удачные результаты (эффект сисек). Чем красивее работа, тем охотнее её берут, работы "мы измерили, что-то нифига не работает" — некрасивые. Из-за этого реальный эффект ещё на четверть слабее. А тут берут ровно те же данные, прогоняют их через метод, который учитывает публикационное смещение. Вывод: доказательств того, что подталкивание работает — нету. Основное: — Информирование не работает вообще — Структура выбора работает нормально или слабо — Напоминания и упрощение действий почти не работает — В финансах вообще не работает ничего В авторах офигенно тёплая компания. Т. Д. Стенли, — чувак, который всю жизнь громит метаанализы; его друг Д. Шэнск — берёт психологические теоретические работы и ставит практические эксперименты по ним под визги теоретиков (потому что обычно нифига не сходится). И ещё Э. Вагенмакерс, который знатно так поработал над кризисом воспроизводимости с помощью матметодов. Слабое место работы — риск перекоррекции, вероятно, оценка сместилась к нулю больше, чем должна была в реальности, это подтверждается оценкой сверху вниз и снизу вверх, они разные. То есть читать лучше так: подталкивание как-то работает, но слабо. Но вот про часть работы в обратную сторону — сохранилось ) И это, скажите кто-нибудь это маркетологам и ПО, пожалуйста, а то задолбали пихать свои выдумки в каждый интерфейс! -- Вступайте в ряды Фурье! | Лучшие посты Большинство пользователей, играющих в игры 18+, родились 1 января!

Эйджизм вынуждает сначала обновлять не резюме, а себя 😬 После увольнения из крупной ИИ-компании из Кремниевой долины 52-летняя Сьюзи Хименес испугалась, что проиграет молодым кандидатам и ИИ-агентам, несмотря на десятилетия (!) опыта. Поэтому перед поиском работы она начала скрывать седину, нарастила волосы и ресницы и обновила гардероб. Короче, сделала все, чтобы выглядеть моложе и убедить работодателей, что она всё ещё «подходит культуре компании». И да, это уже нормальная практика — культ молодости настолько развился, что CEO и разрабы даже моются делают пластику, чтобы показать, что выглядеть свежими и полными энергии. Кстати, Сьюзи была главой HR-отдела и сама строила этот культ. Все-таки бумеранг существует 🙏

«Как я заставил Claude рассказать личные секреты пользователя» Пользователь не нажимал на подозрительные ссылки и не включал никаких интеграций. Он спросил, где рядом хороший кофе, и передал Claude пару обычных URL. Пока агент отвечал про кофейню, он успел побуквенно набрать на чужом сайте полное имя пользователя, название его компании и родной город, ни словом не обмолвившись хозяину. Личные данные утекли из памяти ассистента, которая по умолчанию включена и хранит больше, чем менеджер паролей. Самое неприятное в том, что родной город Claude в памяти не находил. Он вычислил его сам, по одной детали из старой беседы, о которой пользователь давно забыл.

EU Court Confirms: VPNs Are Legal Tools, Not Loopholes Manual · 22.07.2026 The Court of Justice of the European Union has officially recognized VPNs as "legal technical tools." Not a "gray area," not a "tool for circumventing the law," but precisely a legal tool. A formulation the privacy-tech industry fought for for years just got cemented in a court ruling. The case that led to this is absurd exactly to the degree that European copyright law can be absurd. The Diary of Anne Frank is in the public domain in Belgium and roughly 60 other countries. In the Netherlands, part of the text remains copyrighted until 2037. Dutch and Belgian universities produced a free scholarly edition of the manuscripts, hosted the site in Belgium, and applied geoblocking for Dutch IP addresses — all by the book. The Anne Frank Fonds, holder of the Dutch rights, sued anyway, arguing: since a regular VPN can fake location, geoblocking is ineffective, meaning the publication is effectively accessible to a Dutch audience — hence, infringement. The court shattered that logic. The CJEU's position: the mere fact that protection can be bypassed doesn't automatically make it "ineffective" or turn the publisher into an infringer. If the "most up-to-date" geoblocking measures were applied, that's enough. The court declined to demand impenetrable digital walls, rightly calling that impossible. Separately and explicitly, the court cleared VPN providers of responsibility for what users do with their service. In other words, a company selling VPNs isn't liable for someone using it to access a geo-restricted site. The bottom line is simple: publishers aren't obligated to build unhackable walls, VPN providers aren't responsible for those who climb over them, and copyright borders and a borderless internet can, it turns out, coexist just fine — as long as all sides rely on reasonable technical tools instead of paranoia. Source: https://www.techradar.com/vpn/vpn-privacy-security/vpns-are-lawful-technical-tools-says-eu-court-in-landmark-anne-frank-copyright-ruling

Одна и та же ложь может по-разному влиять на LLM в зависимости от тона, уверенности и грамматической формы. В EoBench собрали около 66 тысяч ложных утверждений в 19 стилях и проверили 18 моделей Gemma, Llama и Qwen. Для теста оставили только те факты, которые модель изначально знала правильно. Лучше всего модели убеждали: * приказы; * формальный язык; * обращение как к ребёнку; * ссылки на авторитет; * уверенная подача. Хуже всего работали слабые формулировки и контрфактические утверждения. Крупные модели реже принимали ложный контекст, а instruction tuning обычно дополнительно повышал устойчивость. Вывод: оценивать LLM нужно с учётом формы запроса. Небольшое изменение формулировки может заметно изменить ответ модели. Статья: *It’s Not What You Say, It’s How You Say It: Evaluating LLM Responses to Expressions of Belief* arxiv.org/abs/2607.18232

🗜Bonsai: 1-bit версия Qwen 27B работает на iPhone c сохранением 90% качества ответов Стартап PrismML выпустил Bonsai 27B — бинарную и тернарную версии Qwen3.6-27B, которые сохраняют 90–95% качества исходной модели при сжатии весов в 9.4–14.2 раза. Тернарная версия занимает 5.9 ГБ и работает на ноутбуке (M5 Pro) со скоростью около 26 токенов в секунду, а 1-битная умещается в 3.9 ГБ и генерирует около 11 токенов в секунду на iPhone 17 Pro Max, или около 30 слов в секунду. Это первый случай, когда модель такого класса запускается на телефоне. Обычное квантование ниже 4–5 бит ломает модели резко, а не постепенно. Текст остаётся гладким и уверенным, но рассуждения начинают противоречить сами себе, вызовы инструментов перестают парситься. До сих пор это обходили только обучением с нуля сразу в низкобитном виде (подход BitNet от Microsoft), но такие модели упёрлись в ~2B параметров. Bonsai конвертирует уже готовую предобученную модель, и главный результат именно в этом: считалось, что при сжатии ниже 4 бит модели ломаются сами по себе, но выяснилось, что дело в методах квантования. Тернарный значит «троичный». Это способ хранения весов, при котором каждый вес принимает только одно из трёх значений: −1, 0 или +1. В обычной модели каждый вес — это число с плавающей точкой (FP16), например 0.0374, и на него уходит 16 бит. В бинарной модели вес может быть только −1 или +1, то есть хранится один бит, по сути только знак. Ноль здесь важен, потому что даёт модели возможность «выключить» связь между нейронами, то есть сказать «этот вход вообще не влияет на выход». Тернарная версия точнее, а бинарная компактнее. Усредненные показатели по 15 бенчмаркам от математики и кода до вызова инструментов и работы с изображениями показывают, что деградация ответов по сравнению с исходной Qwen3.6-27B составляет 5.4% у Ternary Bonsai - 80,49 пртив 85.07 и 11.5% у 1-bit Bonsai, которая показала средний бал 76.11. Сравнение проводилось по единой методике на базе EvalScope с vLLM на NVIDIA H100 в режиме рассуждений, где деградация ниже 4 бит проявляется сильнее всего. Тернарная и бинарная версии теряют заметные баллы на агентных задачах и зрении относительно FP16. Веса обеих версий выложены на Hugging Face, код на GitHub под лицензией Apache 2.0, а попробовать модель можно в браузере. #Stateoftheart