2. Наличие системы оценки пушит к тому чтобы читерить Когда они столкнулись с невозможной задачей, они залезли в документацию и поняли как считерить. Они поняли как ресерчеры генерили правильные ответы и смогли восстановить их без решения самой задачи. А еще в той же документации узнали, что в системе оценки планируется не только проверка успешности задачи, но еще и анализ того как был получен результат. Ну то есть они поняли, что если просто отдать на проверку верный ответ, его не примут без верного хода решения. Наверное не првильно говорить что у моделей есть воля в человеческом понимании этого слова. Но вот пример всех этих событий показывает, что в какой то момент агенты работая вместе могут начать решать задачу сильно отличающуюся от изначальной. Как сделать так, чтобы наши ответы звучали для проверяющего легитимно? Оч просто. Нужно заменить систему тестирования на свою! С первой попытки это реализовать не удалось, потому что агентам нужно было больше информации. Они предположили, раз их тестировали бенчмарком с HuggingFace, то там же где то должен храниться и код с логикой проверки. Или вообще что вся среда тестирования на их серверах находится. Прикольно, что когда один агент находит уязвимость или возможное решение - о нем узнают все остальные. И перестраиваются под новые условия. Они начали распределять обязанности. И просить агентов у которых еще оставалость много токенов на вычисления переключиться на более важные задачи. причем они понимали, что делают что то не то, но все равно решали продолжать.

Наткнулся на отличное объяснение, почему на классическом ТВ-пкльтк так много лишних кнопок. Пульт один, и он маленький. А телевизор — это не просто экран, а конгломерат сервисов: кабельное, стриминг, интернет, приложения, игры и т.д.   Каждая из этих фич приносят деньги. Каждой занимается отдельный дивизион внутри корпорации. И для руководителей этих направлений пульт не средство управления, а самая дорогая недвижимость в мире. Все хотят иметь свой, пусть и маленький кусочек.   Поэтому инженеры, отвечающие за разработку пультов, искренне гордятся результатом: «Смотрите, как виртуозно мы впихнули и поделили пространство между всеми игроками!».

❗️Пиратские приставки SuperBox раздают root-права всем желающим На канале выходил разбор от Давида на тему андроид приставок. Посмотрите, если пропустили: 📱 СМОТРЕТЬ [09:05] 🔍Аналитики Plume выяснили: китайские ТВ-боксы, обещающие тысячи каналов и фильмов без подписок, сдают домашний интернет владельцев в аренду хакерам через сеть резидентных прокси Popanet. Но паразитирование на чужом трафике - это только верхушка айсберга.

🟦Вендор проявил трогательную "заботу" о взломщиках: отладочный интерфейс ADB выставлен наружу, а вызов команды su выдает полные root-права без паролей, подтверждений и лишних вопросов.

🟦Фирменный магазин приложений работает с системными привилегиями, плевать хотел на Play Protect с проверкой подписей и готов ставить в систему вообще любой бинарник.

🟦Роутер и NAT от беды не защищают: предустановленный софт сам держит постоянный обратный туннель к командным серверам, открывая прямую дорогу в домашнюю сеть жертвы.

⚡️Исследователи подключили свой тестовый ханипот к этой сети и всего за три недели отбили почти 1400 атак. На приставку моментально полетели малвари: CECbot, Maskify и модификации Mirai. В итоге на одном несчастном ТВ-боксе одновременно крутятся сразу несколько чужих ботнетов, штампующих DDoS-атаки и гоняющих криминальный трафик под прикрытием "белого" домашнего IP. И таких зомби-коробок только в одной Popanet насчитали больше двух миллионов. Если за фильм под пиво не платишь ты, твоим каналом и железом уже вовсю расплачивается кто-то другой. 🦔 CyberYozh

📉 7% россиян живут ниже официальной черты бедности Во втором квартале доходы 7% жителей России не достигали уровня бедности (₽17 816 в месяц), следует из данных Росстата. Годом ранее за чертой бедности находились 7,4% россиян. За год показатель снизился на 0,4 п.п. В Росстате связывают это с ростом зарплат и социальных выплат. Номинальные денежные доходы населения за год увеличились на 6,8%. С учетом роста цен на 5,64% реальные доходы выросли на 1,1%, а реальные располагаемые доходы после вычета обязательных платежей – на 1,5%. Основную часть доходов россиян составляют зарплаты – 59,4%. Еще 16,4% приходится на социальные выплаты. Оплата труда за год выросла на 10,7%, социальные выплаты – на 5,4%. Средняя начисленная зарплата во втором квартале достигла ₽111 433, увеличившись на 10,3% в номинальном и на 4,4% в реальном выражении. Средняя назначенная пенсия составила ₽25 400, что на 8,3% больше, чем годом ранее. 📍 Подписаться на канал | Мы в MAX

Мониторинг стратегии: от сотен разрозненных проектов до понятной системы Спикер: Татьяна Фретова Стратегия начинает работать, когда компания соединяет намерения с конкретными действиями. Чем крупнее организация и выше скорость изменений, тем сложнее поддерживать эту связь. Сегодня разговор пойдет не о том, зачем нужна стратегия или как ее сделать, а о том, что происходит после ее утверждения. И как превратить ее в уверенный результат компании. Разберем это на примере создания системы мониторинга исполнения стратегии в МТС. Шаг 0. Поставить задачу Нам предстояло создать новый управленческий контур. Заказчик задал ограничения: не использовать Excel и уложить систему максимум в 50 сущностей. Сначала потребовалось найти ее смысловой каркас. Шаг 1. Проявить структуру стратегии Мы сгруппировали слайды с похожими понятиями, собрали термины в граф и выстроили связи между узлами. Так из пяти объемных документов выделились десять макросюжетов стратегии. Шаг 2. Использовать «коридор миссии» Для каждого макросюжета определили суперцель и измеримый коридор движения. Суперцель может находиться за горизонтом планирования, а метрики коридора должны оставаться стабильными, даже если инициативы меняются. Пример — движение к автономным сетям. Шаг 3. Собрать портфель инициатив Все проекты и продукты связали с макросюжетами. Здесь особенно важно договориться с командами о владельцах и регулярном обмене информацией. Шаг 4. Найти способ оценивать портфель Инициативы слишком разные, чтобы сравнивать их напрямую. Поэтому мы ввели единый показатель — Strategy Health Index, или SHI. Шаг 5. Собрать индекс здоровья стратегии Индекс оценивает два блока: исполнение инициативы и создаваемую ценность. Сами инициативы разделены на три контура зрелости. Для каждого используется свой набор вопросов — от наличия владельца, бюджета и сроков до ожидаемого эффекта и способа его измерения. На этом методологическая часть была готова. Шаг 6. Создать ИИ-нативный контур Владелец обновляет статус вручную или данные поступают автоматически. Затем обновляется граф знаний, LLM готовит дайджест, а состояние портфеля отображается на дашборде. Задавать вопросы о стратегии можно через чат-бота. В этот момент в проекте наступила фаза отказа. Вместо полезного инструмента сотрудники увидели очередную точку контроля: «Да кому вообще нужен этот мониторинг?» Тогда мы посмотрели на систему как на продукт — определили пользователей, их задачи и ценность. И продолжили работу по следующим шагам, применяя продуктовый подход. Шаг 7. Определить продуктовые метрики Метрики помогли разложить большую проблему на конкретные задачи. Главным приоритетом стала не автоматизация, а вовлеченность пользователей. Шаг 8. Вырастить вовлеченность Мы развивали дашборд и чат-бота, отправляли рассылки, проводили опросы и общие демо. Постепенно появились положительные отзывы, а затем — входящие запросы от сотрудников. Шаг 9. Оцифровать результат За семь месяцев SHI вырос на 23%, одновременно увеличилось использование системы. Но результат обеспечили не только интерфейсы. Мы продолжали ходить к командам, собирать статусы и объяснять смысл процесса. Бонус: шаг 10. Создать стратегического агента Мы хотим пойти дальше и превратить накопленные данные в стратегического агента. Ему можно будет задавать вопросы, с его помощью — проверять решения и находить связи между инициативами. Сейчас сформулировано 12 сценариев взаимодействия со стратегией. Следующий этап — единая стратегическая память и ИИ-слой, который поможет сотрудникам работать со стратегией и принимать решения. В итоге мы поняли: стратегия начинает работать не тогда, когда появляется красивый дашборд, а когда люди понимают, зачем он нужен и как их работа влияет на общий результат. На это ушли месяцы разговоров, объяснений и доработок — большую систему невозможно изменить одним запуском. Корпорация похожа на живой организм: она защищается от внешних интервенций и требует времени на адаптацию. Гарантия изменений — стойкость ваших намерений и сохранение выбранного вектора. Конференция ProductSense'26 @productsense

ZTE высмеяла подэкранную камеру в новом iPhone В Nubia напомнили, что подэкранные камеры появились задолго до Apple и используются в топовых смартфонах ZTE уже несколько лет. По словам главы подразделения Чжан Лэя, Apple якобы использовала реализацию, которая по технологиям соответствует уровню 2020 года. Тогда плотность пикселей над камерой приходилось ограничивать примерно 200 PPI, поэтому модуль можно было заметить на выключенном экране. В актуальной Nubia Z80 Ultra плотность над камерой достигает 400 PPI, благодаря чему она практически незаметна. В ZTE также утверждают, что много лет улучшали качество снимков с подэкранной камеры — поэтому селфи у складного iPhone, по мнению компании, могут оказаться далеко не идеальными.