LLM можно прогнать не только через MMLU и кодинг-бенчи, но и через сценарий, где важны переговоры, память и стратегия.
Игра «Бункер» — нормальный стресс-тест на социальное поведение модели.

Что там измеряется на практике:
— удержание роли и целей в длинном диалоге
— умение торговаться без развала аргументации
— адаптация к меняющимся условиям
— устойчивость к манипуляциям и конфликтам

Почему это интересно технарям:
в реальных агентных системах модель редко решает одну задачу в вакууме. Она ведёт цепочку действий, обменивается сообщениями, меняет план и должна не терять контекст. Это уже не «знает/не знает», а «как ведёт себя под давлением» 🤖

Если смотреть инженерно, такой тест полезен как дополнение к классическим метрикам:
1) логируем решения по ходам
2) сравниваем стабильность позиции
3) считаем, где модель ломает стратегию

Итог простой: LLM могут быть сильны в выводах, но проваливаться в динамике группы. Именно там часто всплывает реальная граница качества.

DXF-вьюер в браузере — это не «показать картинку». Это разбор формата, который живёт в серой зоне между CAD и мусором из десятка версий стандарта.

Проблема простая: у DXF нет единого «правильного» рендера. Один файл может содержать:
- разные кодировки и версии;
- примитивы, которые каждый движок трактует по-своему;
- блоки, слои, атрибуты, XREF’ы и прочую радость, которую нельзя просто взять и отрисовать как SVG.

Если вьюер уходит на бэкенд, он обычно делает 3 вещи:
1) парсит DXF;
2) нормализует геометрию;
3) рендерит в растер или вектор.

Это дорого по CPU и плохо масштабируется. В браузере задача упирается в другое: как быстро распарсить файл, не положить main thread и не убить память на больших чертежах. И да, 2D-чертёж может оказаться тяжелее, чем кажется: десятки тысяч сущностей, миллионы точек, огромные polyline’ы.

Вывод: «просто показать DXF» — плохая формулировка. Правильная инженерная задача звучит так: какой подмножество DXF поддерживаем, где парсим, как кэшируем и что делаем при деградации. Именно там и заканчивается магия.

IT-рынок сейчас часто ломается не на коде, а на оценках.

Кейс простой: задача на генерацию PDF ушла в «1 день» у тимлида. На деле там были:
— backend-модуль с полями и записью в БД
— pixel-perfect верстка под кривой движок типа dompdf
— предпросмотр документов
— учет шрифтов, сетки, таблиц, отступов

Для фронта это не «быстро сверстать», а отдельный мини-проект. Реалистичная оценка — 7–10 дней, если без магии и с нормальной приемкой. 📌

Проблема рынка в том, что сроки часто считают сверху вниз без технического декомпоза. Потом включают переработки, давят на команду, а после релиза просто заменяют людей, как расходник. Это уже не про разработку, а про управленческий брак.

Нормальная практика:
1. дробить задачу на backend / frontend / QA / интеграции
2. фиксировать риск по PDF-движку и вёрстке
3. считать не “сделать”, а “сделать и принять”

Если оценка не бьется с реальностью — это не проблема исполнителя. Это сигнал, что проектом управляют в ручном режиме.

ЕЮ Иванов продолжает кошмарить АффПапу, конторку, которая накинула говна на вентилятор этим летом. Тогда в AffPapa не знали, с каким говном идут бодаться, поэтому заслуженно проиграли. 😏

На этот раз ЕЮ зарегал товарный знак AffPapa — совсем скоро имя компании будет официально принадлежать ему. Чтобы убедиться в трушности мува, переходим по ссыл-Очке и вводим серийный номер: 2026793242. Там видим, что заявка на регистрацию подана лично Евгением Юрьичем.

Всё это выглядит забавно, но давайте не забывать, в какой сфере мы работаем и что реально может произойти с жирным троллем за воровство нейминга. Впрочем, толстому не привыкать отхватывать пиздов за проделки в интернете, поэтому ждем очередную фотку разбитого ебала и длинный пост с извинениями. 😏😏😏

В арбитраже денег нет 💵