Школьники, делегирующие ИИ домашку, на 20% хуже сдают экзамены Крупное экономическое исследование, охватившее почти 27 тыс. учеников 7–12 классов в Китае, зафиксировало парадоксальный эффект от использования генеративного ИИ в школе. Учащиеся, начавшие пользоваться нейросетями для выполнения домашних заданий, стали справляться с ними на 18% лучше и тратить на них на 30% меньше времени, но их оценки на контрольных экзаменах упали на 20% в течение шести месяцев. Исследователи связывают это с тем, что большинство учеников просто делегируют домашние задания нейросетям, а не используют их как репетитора. https://hightech.plus/2026/07/03/shkolniki-delegiruyushie-ii-domashku-na-20-huzhe-sdayut-ekzameni

Обещали постоплату, а тут просят часть денег сразу, как так? Схема ТОЛЬКО с постоплатой долго работала, а потом перестала. Участились кейсы от менти — "спасибо за обучение, пока! Я дальше сам". Ментор тратит время/силы, ученик сливается, чтобы не платить постоплату. Менторы учли это и многие добавили частичную предоплату. Это по-прежнему малый процент от общей оплаты, основая часть платежа — после трудоустройства. Пользователи вольны сами выбирать ментора с лучшими условиями, эта конкуренция порождает улучшение качества их обучения и условий. Есть статистика, сколько менторы зарабатывают? Тоже не собираем по причине, описанной выше. Мы не знаем процент оплат и доведений до оффера. Можем только примерно прикинуть по отзывам о полученном оффере, но часть учеников отзыв не оставляют. Как мне стать востребованным ментором, если их уже 200+? В категории Геймдев 3 ментора, в help desk — 1. Крупных менторов можно демпинговать ценами, либо предлагать более персональный подход. Мы раздумываем о системе бесплатного пробного месяца для новичков, но в основном предлагаем полагаться на свободную конкуренцию. Это законы рынка, которые помогают ему динамично улучшаться. Менторам-старичкам мы никаких бонусов за выслугу лет не даем и спрашиваем с них по всей строгости Если есть вопросы или предложения по улучшениям: @itmentors_help

📣 Чтобы LLM-система рассуждала, проверяла ответы, работала с внешними знаниями и меньше ошибалась, нужна продуманная архитектура. Именно она отличает полезное решение от чат-бота, который отвечает неточно. 📆 23 июля в 20:00 МСК приглашаем вас на открытый урок в преддверии старта курса «Большие языковые модели. Экспертный уровень / LLM». На занятии разберём: ➖ как ReAct помогает модели совмещать рассуждение и действия; ➖ зачем нужен Reflection для проверки и улучшения ответов; ➖ как RAG подключает LLM к внешним источникам знаний и снижает риск фактических ошибок. ❗️ Урок подойдёт DS-, ML- и NLP-специалистам, а также ИТ-специалистам, которые хотят проектировать более надёжные LLM-решения для рабочих сценариев. Зарегистрируйтесь и разберитесь, как комбинировать ReAct, Reflection и RAG в архитектуре LLM-систем: https://otus.pw/tvIBW/ Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576