На прошлых выходных посетили выставку Русский музей в Зиларте. Я по названию сначала предположил, что меня ждет повторение увиденного из русской художественной классики изученной неоднократно в самом СПБ.
Выставка же оказалась посвященной Попарту, современному искусству второй половины XX века. Посетителей выставки на входе встречает 2 работы - Энди Уорхола и Пабло Пикассо. Окончательно понял, что это точно не мой период в искусстве ;).
Это было мое первое посещение ЗИЛАРТа. Довольно симпатичное пространство с основой в декоре в виде меди. Главный экспонат самого ЗИЛАРТа - ЗИЛ-41047 на котором в свое время перемещался М.С. Горбачев. Выставка продлится до 7 февраля.
Выставка же оказалась посвященной Попарту, современному искусству второй половины XX века. Посетителей выставки на входе встречает 2 работы - Энди Уорхола и Пабло Пикассо. Окончательно понял, что это точно не мой период в искусстве ;).
Это было мое первое посещение ЗИЛАРТа. Довольно симпатичное пространство с основой в декоре в виде меди. Главный экспонат самого ЗИЛАРТа - ЗИЛ-41047 на котором в свое время перемещался М.С. Горбачев. Выставка продлится до 7 февраля.
Сегодня совет PCI выложил небольшой новый методический документ (information supplement) по использованию ИИ в платежных системах - Security Considerations for AI Systems.
Документ рассматривает 3 типа практики:
1.Разворачивание и использование ИИ.
2.Защита от вредоносного использования ИИ.
3.Использование ИИ в соответствии со стандартами PCI.
Документ полезен в первую очередь тем, кто проходит аудиты PCI DSS как дополнительный аргумент при общении с аудиторами. Для остальных он полезен тем, что закрепляет лучшие практики на которые теперь можно ссылаться и для других систем.
Так же в документе кратко описаны 5 кейсов использования ИИ:
1. Управление уязвимостями.
2. Доступ агента к зашифрованным и токенизированным данным держателя карты.
3. Вайбкодинг.
4. Доступ агента к открытым данным держателя карты.
5. Агент для использования в криптографии и генерации случайных чисел.
Документ рассматривает 3 типа практики:
1.Разворачивание и использование ИИ.
2.Защита от вредоносного использования ИИ.
3.Использование ИИ в соответствии со стандартами PCI.
Документ полезен в первую очередь тем, кто проходит аудиты PCI DSS как дополнительный аргумент при общении с аудиторами. Для остальных он полезен тем, что закрепляет лучшие практики на которые теперь можно ссылаться и для других систем.
Так же в документе кратко описаны 5 кейсов использования ИИ:
1. Управление уязвимостями.
2. Доступ агента к зашифрованным и токенизированным данным держателя карты.
3. Вайбкодинг.
4. Доступ агента к открытым данным держателя карты.
5. Агент для использования в криптографии и генерации случайных чисел.
👍2
Forwarded from DevSecOps Talks
Насколько хорошо ИИ анализирует код, написанный им же?
Всем привет!
Автор статьи работает в Greptile, которая занимается разработкой агента для AI Code Review.
В процессе работы ему стало интересно, влияет ли используемая модель на то, сколько недостатков находится?
Или, если проще, насколько хороши модели в анализе кода, который написан ими же?
Для этого он подготовил данные и методологию:
🍭 Собрал данные из 500 PR, которые были написаны с использованием Claude Code и Codex
🍭 «Авторство» модели определялось через данные, получаемые из commit, названий PR и/или веток
🍭 Подготовил перечень дефектов, которые были в этих 500 PR
🍭 Запустил Codex и Claude Code в
🍭 «Почистил» результаты от комментариев, которые относились к «стилистике» и не являлись дефектами
Что получилось? Оказалось, что модели лучше ищут ошибки в коде, который написан другими моделями.
Разрыв не очень большой, но всё же присутствует.
Ещё одним интересным наблюдением оказалось то, что модель скорее всего допустит ошибку при разработке, которую она скорее всего пропустит в review.
Помимо этого, в статье есть ещё много интересного. Включая дефекты, которые находились при «рассуждениях», но пропадали из «финального вердикта».
Всем привет!
Автор статьи работает в Greptile, которая занимается разработкой агента для AI Code Review.
В процессе работы ему стало интересно, влияет ли используемая модель на то, сколько недостатков находится?
Или, если проще, насколько хороши модели в анализе кода, который написан ими же?
Для этого он подготовил данные и методологию:
🍭 Собрал данные из 500 PR, которые были написаны с использованием Claude Code и Codex
🍭 «Авторство» модели определялось через данные, получаемые из commit, названий PR и/или веток
🍭 Подготовил перечень дефектов, которые были в этих 500 PR
🍭 Запустил Codex и Claude Code в
/review 3 раза🍭 «Почистил» результаты от комментариев, которые относились к «стилистике» и не являлись дефектами
Что получилось? Оказалось, что модели лучше ищут ошибки в коде, который написан другими моделями.
Разрыв не очень большой, но всё же присутствует.
Ещё одним интересным наблюдением оказалось то, что модель скорее всего допустит ошибку при разработке, которую она скорее всего пропустит в review.
Помимо этого, в статье есть ещё много интересного. Включая дефекты, которые находились при «рассуждениях», но пропадали из «финального вердикта».
Greptile
Models are worse at reviewing their own code | Greptile Blog
We noticed GPT reviewed Claude's code better than its own, and vice versa. So we ran a thousand buggy PRs through both models to find out why.
Forwarded from OFFZONE
А если вдруг не грузится, то доклады есть и во «ВКонтакте».
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from BESSEC
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
BESSEC
ТОП-25 CISO по версии Коммерсантъ 2026 #career 👴 BESSEC | 🔴 MAX
Вот тут описана подробнее методология этого регулярного топа.
top1000.amr.ru
Рейтинг «ТОП-1000 российских менеджеров» — лучшие управленцы России
Ежегодный рейтинг ТОП-1000 российских менеджеров — авторитетный список наиболее успешных управленцев России. Проект проводится Ассоциацией менеджеров с 2001 года при поддержке ведущих медиапартнеров, включая «Коммерсантъ». Уникальная методология «лучшие в
😁1