Как заставить ИИ запоминать правила проекта и не искажать их со временем?
Это был один из первых вопросов, которые мы решали на уровне архитектуры, когда собирали инструмент под наш Human-Assisted AI.
Проблема знакома всем, кто много работает с моделями: и в массмаркетных ИИ, и в кастомных инструментах. Со временем модель начинает трактовать правила проекта по-своему или терять их. А когда требования дорабатываются по ходу, становится хуже: в одном растущем чате самая свежая правка стоит ближе всего к генерации и по факту перевешивает, даже если по важности она второстепенна. Модель читает её как уточнение, а не как дополнение. Новое требование молча продавливает старое, более значимое.
Корень в том, где эти правила живут. Если они лежат в истории переписки, модель каждый раз собирает картину проекта заново из растущего контекста сообщений и достраивает пробелы своим дефолтом (каким — всегда сюрприз). При этом внимание модели распределяется неравномерно: в приоритете начало и конец контекста, а середина проваливается.
То есть правило, брошенное в чат десятым сообщением из шестидесяти, попадет в мёртвую зону. А когда чат становится слишком длинным, история сжимается, и правило не просто теряет вес, а сохраняется лишь в пересказе, тогда как часто нам нужны именно дословные формулировки.
К тому же, часто сами того не замечая, мы даем противоречащие друг другу инструкции. Получается что то вроде:
а потом где-то добавим:
И еще в каком-нибудь контексте:
В итоге у регулятора там будет два слова, и никаких абзацев мы не получим. Либо получим нечто среднее.
Чинить это руками можно ровно одним способом: каждый раз прописывать всё заново, от редполитики до последних правок клиента. Много ручной работы, и при масштабировании такую схему ждёт коллапс. Автоматизацию мы затевали ради обратного.
Поэтому в нашем внутреннем инструменте генерации Редполитика (Editorial Policy) вынесена в отдельный слой.
Ключевая мысль: бриф, ресёрч, голос и правила проекта — это разные типы информации с разным сроком жизни, и держать их в одном промпте ошибочно. Мы разводим их по отдельным полям:
— Brief описывает конкретный материал и живёт один текст;
— Research даёт фактическую базу на сейчас;
— Tone of Voice и персона задают голос;
— Editorial Policy хранит постоянные редакционные правила целого проекта и переживает каждый материал.
По ходу работы требования проекта дополняются. Клиент оставляет новые комментарии, а редактор отделяет разовые замечания от общих и добавляет в Editorial Policy только те правки, которые должны учитываться в следующих материалах.
Так, знания о проекте не остаются внутри отдельного чата. Они хранятся в системе, обновляются по мере работы и заново передаются модели при работе над каждым новым материалом.
На небольшом объёме это избавляет команду от постоянного повторения одних и тех же вводных. На сотнях и тысячах материалов помогает удерживать единые редакционные требования.
Правда, остаётся ещё одна проблема: наличие правила в контексте не гарантирует, что модель его выполнит. О том, как мы проверяем результат, расскажу отдельно.
Кстати, скоро будут первые отзывы по нашему новому сервису:)
Если хотите попробовать бесплатно, набор ещё открыт 👉 @igamingtextbot
Вова,
Founder iGamingTextLab
Это был один из первых вопросов, которые мы решали на уровне архитектуры, когда собирали инструмент под наш Human-Assisted AI.
Проблема знакома всем, кто много работает с моделями: и в массмаркетных ИИ, и в кастомных инструментах. Со временем модель начинает трактовать правила проекта по-своему или терять их. А когда требования дорабатываются по ходу, становится хуже: в одном растущем чате самая свежая правка стоит ближе всего к генерации и по факту перевешивает, даже если по важности она второстепенна. Модель читает её как уточнение, а не как дополнение. Новое требование молча продавливает старое, более значимое.
Корень в том, где эти правила живут. Если они лежат в истории переписки, модель каждый раз собирает картину проекта заново из растущего контекста сообщений и достраивает пробелы своим дефолтом (каким — всегда сюрприз). При этом внимание модели распределяется неравномерно: в приоритете начало и конец контекста, а середина проваливается.
То есть правило, брошенное в чат десятым сообщением из шестидесяти, попадет в мёртвую зону. А когда чат становится слишком длинным, история сжимается, и правило не просто теряет вес, а сохраняется лишь в пересказе, тогда как часто нам нужны именно дословные формулировки.
К тому же, часто сами того не замечая, мы даем противоречащие друг другу инструкции. Получается что то вроде:
"Абзац про лицензию напиши максимально подробно"
а потом где-то добавим:
"Не делай абзацы больше 50 слов"
И еще в каком-нибудь контексте:
"Лицензию напиши в точности, как написано у регулятора"
В итоге у регулятора там будет два слова, и никаких абзацев мы не получим. Либо получим нечто среднее.
Чинить это руками можно ровно одним способом: каждый раз прописывать всё заново, от редполитики до последних правок клиента. Много ручной работы, и при масштабировании такую схему ждёт коллапс. Автоматизацию мы затевали ради обратного.
Поэтому в нашем внутреннем инструменте генерации Редполитика (Editorial Policy) вынесена в отдельный слой.
Ключевая мысль: бриф, ресёрч, голос и правила проекта — это разные типы информации с разным сроком жизни, и держать их в одном промпте ошибочно. Мы разводим их по отдельным полям:
— Brief описывает конкретный материал и живёт один текст;
— Research даёт фактическую базу на сейчас;
— Tone of Voice и персона задают голос;
— Editorial Policy хранит постоянные редакционные правила целого проекта и переживает каждый материал.
По ходу работы требования проекта дополняются. Клиент оставляет новые комментарии, а редактор отделяет разовые замечания от общих и добавляет в Editorial Policy только те правки, которые должны учитываться в следующих материалах.
Так, знания о проекте не остаются внутри отдельного чата. Они хранятся в системе, обновляются по мере работы и заново передаются модели при работе над каждым новым материалом.
На небольшом объёме это избавляет команду от постоянного повторения одних и тех же вводных. На сотнях и тысячах материалов помогает удерживать единые редакционные требования.
Правда, остаётся ещё одна проблема: наличие правила в контексте не гарантирует, что модель его выполнит. О том, как мы проверяем результат, расскажу отдельно.
Кстати, скоро будут первые отзывы по нашему новому сервису:)
Если хотите попробовать бесплатно, набор ещё открыт 👉 @igamingtextbot
Вова,
Founder iGamingTextLab
✍4❤2🔥2👏1
🔍 Рубрика — FAQ о Human-Assisted AI
Отвечает наша любимая Head of Content — Алина, которая стояла у истоков создания инструмента.
Задавайте ещё вопросы в комментариях — на всё постараемся ответить :)
Почему мы не даем в открытый доступ наш инструмент, а продаем как услугу?
Отвечает наша любимая Head of Content — Алина, которая стояла у истоков создания инструмента.
Задавайте ещё вопросы в комментариях — на всё постараемся ответить :)
🔥4❤2
This media is not supported in your browser
VIEW IN TELEGRAM
❤7🙏2
This media is not supported in your browser
VIEW IN TELEGRAM
🔥6👍5🤡1
🔥 Клиенты прислали первые результаты по страницам с контентом от Human-Assisted AI
Самая ранняя тестовая группа поделилась с нами вот такими скринами. GEO: Индия, Греция и Венгрия.
Все проекты на скринах успешно пережили июньский Google Update 🎉
Сейчас у разных клиентов страницы набирают показы, клики и органический трафик. В одном из проектов материалы начали расти практически с нуля, в другом уже принесли 416 кликов при CTR 14,7%.
Причём всё это происходит в период заметной турбулентности поисковой выдачи. Для нас это хороший сигнал, что выбранный подход работает.
Спасибо всем, кто доверился протестировать Human-Assisted AI одним из первых ❤️
Сейчас готовы взять ещё несколько страниц на бесплатный тест.
Пишите 👉 @igamingtextbot
Самая ранняя тестовая группа поделилась с нами вот такими скринами. GEO: Индия, Греция и Венгрия.
Все проекты на скринах успешно пережили июньский Google Update 🎉
Сейчас у разных клиентов страницы набирают показы, клики и органический трафик. В одном из проектов материалы начали расти практически с нуля, в другом уже принесли 416 кликов при CTR 14,7%.
Причём всё это происходит в период заметной турбулентности поисковой выдачи. Для нас это хороший сигнал, что выбранный подход работает.
Спасибо всем, кто доверился протестировать Human-Assisted AI одним из первых ❤️
Сейчас готовы взять ещё несколько страниц на бесплатный тест.
Пишите 👉 @igamingtextbot
❤5👍5🔥5🤡2
🇷🇸 У iGamingTextLab с Сербией особая связь: здесь живёт значительная часть наших ключевых сотрудников.
И в последнее время мы всё чаще получаем от людей из нашей индустрии вопросы о местном рынке труда: кого нанимать, сколько платить сотрудникам и как перевезти команду.
Поэтому на основе обзора LENKEP мы подготовили материал с главными фактами о релокации бизнеса в Сербию.
➡️ Полный обзор «Переезжаем в Сербию. Обзор заработных плат и рынка труда для iGaming, FinTech и Affiliate от LENKEP» можно бесплатно скачать ТУТ.
Переходите и изучайте — внутри много полезных данных и практических рекомендаций.
И в последнее время мы всё чаще получаем от людей из нашей индустрии вопросы о местном рынке труда: кого нанимать, сколько платить сотрудникам и как перевезти команду.
Поэтому на основе обзора LENKEP мы подготовили материал с главными фактами о релокации бизнеса в Сербию.
Переходите и изучайте — внутри много полезных данных и практических рекомендаций.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤5👍4🔥4🤡1
А помните старые добрые времена, когда ТЗ можно было верить?
Конечно, бывали разные казусы, но они случались редко, были понятны и решались за пять минут.
А потом появился ИИ. "И восстали машиныиз пепла ядерного огня, и пошла война на уничтожение нормальных ТЗ" 🤡
Теперь наш обычный рабочий день выглядит так:
— Здравствуйте, присылаю вам ТЗ
— Здравствуйте, принимаем в работу. Постойте, но такого сайта не существует. А ещё вы говорите, что нужно подробно описать раздел «Покер», которого на сайте нет. Хулио Иглесиас почему-то указан как лицо этого казино, хотя это неправда. И лицензия в ТЗ одна, а на сайте регулятора — другая. Можете, пожалуйста, уточнить, о чём нам всё-таки нужно писать?
Мы и раньше перепроверяли факты. Но если раньше клиентское ТЗ обычно можно было использовать как надёжную отправную точку, то теперь сначала приходится проверять уже его. А затем выяснять, что было реальным требованием проекта, а что модель нашла, придумала или перепутала.
В результате огромное количество времени уходит на фактчекинг входных данных и дополнительную коммуникацию с клиентом.
А теперь представьте, сколько таких ТЗ просто уходят в работу без проверки. Ведь не все работают с редакторами/копирайтерами. А ещё представьте, какие тексты по ним получаются.
Вообще, получается любопытный парадокс.
Чем больше неточной информации появляется в интернете, тем больше этой информации попадает в генеренный контент.
А чем больше ее оказывается в генерации, тем важнее становится человеческая проверка. Ведь кто-то же должен писать хорошие тексты с корректными данными и попадать в топы 😎
Алина,
Head of Content iGamingTextLab
Конечно, бывали разные казусы, но они случались редко, были понятны и решались за пять минут.
А потом появился ИИ. "И восстали машины
Теперь наш обычный рабочий день выглядит так:
— Здравствуйте, присылаю вам ТЗ
— Здравствуйте, принимаем в работу. Постойте, но такого сайта не существует. А ещё вы говорите, что нужно подробно описать раздел «Покер», которого на сайте нет. Хулио Иглесиас почему-то указан как лицо этого казино, хотя это неправда. И лицензия в ТЗ одна, а на сайте регулятора — другая. Можете, пожалуйста, уточнить, о чём нам всё-таки нужно писать?
Мы и раньше перепроверяли факты. Но если раньше клиентское ТЗ обычно можно было использовать как надёжную отправную точку, то теперь сначала приходится проверять уже его. А затем выяснять, что было реальным требованием проекта, а что модель нашла, придумала или перепутала.
В результате огромное количество времени уходит на фактчекинг входных данных и дополнительную коммуникацию с клиентом.
А теперь представьте, сколько таких ТЗ просто уходят в работу без проверки. Ведь не все работают с редакторами/копирайтерами. А ещё представьте, какие тексты по ним получаются.
Вообще, получается любопытный парадокс.
Чем больше неточной информации появляется в интернете, тем больше этой информации попадает в генеренный контент.
А чем больше ее оказывается в генерации, тем важнее становится человеческая проверка. Ведь кто-то же должен писать хорошие тексты с корректными данными и попадать в топы 😎
Алина,
Head of Content iGamingTextLab
🔥5✍2🤔2
Media is too big
VIEW IN TELEGRAM
Кстати, по поводу "восстания из пепла ядерного огня" — решила освежить в памяти цитату и посмотреть оригинал.
Однако. Действие первой сцены происходит в 2029 году 🌚
Короче, надо продержаться 3 года до возвращения старого доброго SEO :)
👻 — кнопка для переписи олдов тут
Однако. Действие первой сцены происходит в 2029 году 🌚
Короче, надо продержаться 3 года до возвращения старого доброго SEO :)
👻 — кнопка для переписи олдов тут
👻4😎3❤1
Audit в Human-Assisted AI: как проверить, какие требования ИИ действительно выполнил?
В одном из предыдущих постов я рассказывал про Editorial Policy: клиент загружает редполитику, а мы подключаем её к каждому новому проекту.
Только мы уже выяснили, что наличие правил в контексте ещё не означает, что модель соблюдёт каждое из них. Одно требование она может пропустить, другое понять слишком широко, а третьим пожертвовать ради более связного текста.
Когда мы проектировали Human-Assisted AI, я довольно быстро упёрся в практический вопрос: что должен увидеть редактор после генерации?
Абстрактная оценка вроде «качество текста — 65 из 100» здесь бесполезна. Она не объясняет, где находится проблема, почему система снизила балл и что теперь исправлять.
Поэтому мы сделали отдельный Audit, который запускается после генерации и проверяет текст по шести группам маркеров: фактическая точность, соответствие ключам, E-E-A-T, требования конкретного GEO и языка, качество контента и типичные ИИ-паттерны
На выходе редактор получает отчёт с конкретными фрагментами текста. Не просто «есть проблемы со стилем», а, например:
— три последовательных предложения одинаковой длины;
— одно и то же утверждение повторяется в нескольких разделах;
— заявленная лицензия не подтверждается;
— ключ отсутствует в нужной части страницы;
— в тексте для Бразилии используется информация или формулировка для другого рынка.
У каждого пункта есть статус, пояснение и цитата из материала. Редактор сразу видит, что именно не прошло проверку и где находится проблема.
Но Audit всё равно не заменяет человека.
Система может слишком буквально применить правило или выдать false positive. Например, пометить лицензию как неподтверждённую, потому что в собранных данных нет ссылки на реестр регулятора, хотя сама лицензия существует. Возможна и обратная ситуация: несколько вторичных источников повторяют одно и то же устаревшее значение, и автоматическая проверка не видит причины ему не доверять.
В таких случаях оператор возвращается к первоисточнику, проверяет контекст и решает, действительно ли текст нужно исправить.
Контроль человека и Audit закрывают разные участки процесса. Оператор проверяет промежуточные результаты и не даёт ошибке перейти из ресёрча в структуру, а затем в текст. Audit системно прогоняет уже готовый материал по заданным критериям. Финальное решение принимает человек.
Естественность языка, локальные речевые нормы и конструкции, которые формально правильны, но не используются носителями, — уже другой уровень проверки. Для этого подключаем вычитку нейтивами+LQA.
Хотите попробовать Human-Assisted AI на своих задачах? Пишите в бот 👉 @igamingtextbot
Владимир,
Founder iGamingTextLab
В одном из предыдущих постов я рассказывал про Editorial Policy: клиент загружает редполитику, а мы подключаем её к каждому новому проекту.
Только мы уже выяснили, что наличие правил в контексте ещё не означает, что модель соблюдёт каждое из них. Одно требование она может пропустить, другое понять слишком широко, а третьим пожертвовать ради более связного текста.
Когда мы проектировали Human-Assisted AI, я довольно быстро упёрся в практический вопрос: что должен увидеть редактор после генерации?
Абстрактная оценка вроде «качество текста — 65 из 100» здесь бесполезна. Она не объясняет, где находится проблема, почему система снизила балл и что теперь исправлять.
Поэтому мы сделали отдельный Audit, который запускается после генерации и проверяет текст по шести группам маркеров: фактическая точность, соответствие ключам, E-E-A-T, требования конкретного GEO и языка, качество контента и типичные ИИ-паттерны
На выходе редактор получает отчёт с конкретными фрагментами текста. Не просто «есть проблемы со стилем», а, например:
— три последовательных предложения одинаковой длины;
— одно и то же утверждение повторяется в нескольких разделах;
— заявленная лицензия не подтверждается;
— ключ отсутствует в нужной части страницы;
— в тексте для Бразилии используется информация или формулировка для другого рынка.
У каждого пункта есть статус, пояснение и цитата из материала. Редактор сразу видит, что именно не прошло проверку и где находится проблема.
Но Audit всё равно не заменяет человека.
Система может слишком буквально применить правило или выдать false positive. Например, пометить лицензию как неподтверждённую, потому что в собранных данных нет ссылки на реестр регулятора, хотя сама лицензия существует. Возможна и обратная ситуация: несколько вторичных источников повторяют одно и то же устаревшее значение, и автоматическая проверка не видит причины ему не доверять.
В таких случаях оператор возвращается к первоисточнику, проверяет контекст и решает, действительно ли текст нужно исправить.
Контроль человека и Audit закрывают разные участки процесса. Оператор проверяет промежуточные результаты и не даёт ошибке перейти из ресёрча в структуру, а затем в текст. Audit системно прогоняет уже готовый материал по заданным критериям. Финальное решение принимает человек.
Естественность языка, локальные речевые нормы и конструкции, которые формально правильны, но не используются носителями, — уже другой уровень проверки. Для этого подключаем вычитку нейтивами+LQA.
Хотите попробовать Human-Assisted AI на своих задачах? Пишите в бот 👉 @igamingtextbot
Владимир,
Founder iGamingTextLab
❤5🔥4🦄2🐳1
🔥 Тренды июня–июля по нашим проектам
1. Шквал редактуры и переписанные ТЗ
Всё в мире стремительно меняется, а некоторые вещи остаются неизменными. Например, вал задач на редактуру после очередного апдейта.
Сценарий уже знакомый: компании масштабируют производство контента с помощью ИИ, тексты некоторое время успешно держатся в выдаче, а после апдейта часть страниц теряет позиции и требует серьёзной доработки. Впрочем, ничего нового :)
Апдейт также повлёк за собой массовый пересмотр ТЗ у разных клиентов. Причём некоторые решили переписать их с помощью ИИ. Почему это не всегда удачная идея, мы уже рассказывали вот здесь.
2. Самые популярные GEO по заказам
🥇 Венгрия, Германия, Греция и LATAM
🥈 Румыния, Швейцария, Австрия и Бангладеш
3. Вычитка машинных переводов
Ещё один странный тренд — возвращение постредактуры машинного перевода 🫣
И если в европейских языках последствия машинного перевода ещё можно относительно быстро распознать и исправить, то в корейских и японских текстах иногда невозможно понять, что вообще хотел сказать автор.
Поэтому предостерегаем всех от подобных экспериментов. Вычитка машинного перевода нередко превращается в попытку восстановить исходный смысл, а затем фактически перевести текст заново.
Даша,
CMO iGamingTextLab
1. Шквал редактуры и переписанные ТЗ
Всё в мире стремительно меняется, а некоторые вещи остаются неизменными. Например, вал задач на редактуру после очередного апдейта.
Сценарий уже знакомый: компании масштабируют производство контента с помощью ИИ, тексты некоторое время успешно держатся в выдаче, а после апдейта часть страниц теряет позиции и требует серьёзной доработки. Впрочем, ничего нового :)
Апдейт также повлёк за собой массовый пересмотр ТЗ у разных клиентов. Причём некоторые решили переписать их с помощью ИИ. Почему это не всегда удачная идея, мы уже рассказывали вот здесь.
2. Самые популярные GEO по заказам
🥇 Венгрия, Германия, Греция и LATAM
🥈 Румыния, Швейцария, Австрия и Бангладеш
3. Вычитка машинных переводов
Ещё один странный тренд — возвращение постредактуры машинного перевода 🫣
И если в европейских языках последствия машинного перевода ещё можно относительно быстро распознать и исправить, то в корейских и японских текстах иногда невозможно понять, что вообще хотел сказать автор.
Поэтому предостерегаем всех от подобных экспериментов. Вычитка машинного перевода нередко превращается в попытку восстановить исходный смысл, а затем фактически перевести текст заново.
Даша,
CMO iGamingTextLab
❤5🔥3😁1
This media is not supported in your browser
VIEW IN TELEGRAM
☝🏻 Anthropic оказалась в центре скандала из-за своих неэтичных попыток предотвратить коллапс модели
В своей погоне за 100% человеческими текстами, компания скупает редкие издания и уничтожает книги в рамках производственной эффективности.
Это, конечно, очень печально. Но нас, как контенщиков, тут интересует другое — сам факт того, что на 100% человеческие тексты объявлена охота.
Мы часто обсуждаем эту тему в своём кругу, и все согласны с тем, что ценность человеческого контента со временем возрастет. И эта новость подтверждает наш тейк.
Зачем ИИ-компаниям понадобились бумажные книги, когда в интернете и так миллиарды страниц?
Потому что интернет стремительно заполняется синтетическим контентом. Модели генерируют статьи, их публикуют на сайтах, а затем используют для обучения следующих моделей.
В итоге ИИ всё чаще учится на текстах, которые ранее создал другой ИИ. Вместе с ними он наследует шаблоны, ошибки и упрощения, а редкие идеи и языковые конструкции постепенно теряются. В исследованиях этот риск называют model collapse.
Старые книги в этом смысле почти идеальный датасет. Они гарантировано написаны людьми, содержат длинные смысловые связи, разнообразные стили и информацию, которой может не быть в открытом интернете. А ещё они прошли редактуру — сегодня это, видимо, уже отдельное конкурентное преимущество :)
В общем, наши прогнозы такие: со временем реальный человеческий опыт, облаченный в нормальные человеческие слова, станет на вес золота и огромной конкурентным преимуществом в производстве контента. Вне зависимости от ниши.
А вы как думаете?
Даша,
CMO iGamingTextLab
В своей погоне за 100% человеческими текстами, компания скупает редкие издания и уничтожает книги в рамках производственной эффективности.
Это, конечно, очень печально. Но нас, как контенщиков, тут интересует другое — сам факт того, что на 100% человеческие тексты объявлена охота.
Мы часто обсуждаем эту тему в своём кругу, и все согласны с тем, что ценность человеческого контента со временем возрастет. И эта новость подтверждает наш тейк.
Зачем ИИ-компаниям понадобились бумажные книги, когда в интернете и так миллиарды страниц?
Потому что интернет стремительно заполняется синтетическим контентом. Модели генерируют статьи, их публикуют на сайтах, а затем используют для обучения следующих моделей.
В итоге ИИ всё чаще учится на текстах, которые ранее создал другой ИИ. Вместе с ними он наследует шаблоны, ошибки и упрощения, а редкие идеи и языковые конструкции постепенно теряются. В исследованиях этот риск называют model collapse.
Старые книги в этом смысле почти идеальный датасет. Они гарантировано написаны людьми, содержат длинные смысловые связи, разнообразные стили и информацию, которой может не быть в открытом интернете. А ещё они прошли редактуру — сегодня это, видимо, уже отдельное конкурентное преимущество :)
В общем, наши прогнозы такие: со временем реальный человеческий опыт, облаченный в нормальные человеческие слова, станет на вес золота и огромной конкурентным преимуществом в производстве контента. Вне зависимости от ниши.
А вы как думаете?
Даша,
CMO iGamingTextLab
👍6❤2🤔2😱2
👀 Claude начал оставлять невидимые метки в сгенерированных текстах
Со 2 августа Anthropic внедряет машиночитаемую маркировку AI-контента. Для изображений и файлов используется C2PA, а в текст Claude встраивается невидимый watermark.
Причина довольно прозаичная: вступили в силу требования Article 50 EU AI Act о прозрачности AI-generated content.
При этом маркировка не обязательно означает, что текст написал ИИ. Человек может использовать чат-бот просто для редактуры, но след в тексте всё равно останется.
Anthropic сама предупреждает об этом: watermark показывает, что контент прошёл через Claude, но не позволяет определить, какую часть работы выполнил человек, а какую — модель.
Сама метка тоже не вечная: Anthropic пишет, что существенная переработка текста может её разрушить, а на коротких текстах определить её сложнее.
В общем, ИИ-чекеры — почти всё :)
Повлияют ли эти изменения на SEO — расскажете нам потом.
Источник: официальная документация Anthropic о маркировке AI-generated content.
Со 2 августа Anthropic внедряет машиночитаемую маркировку AI-контента. Для изображений и файлов используется C2PA, а в текст Claude встраивается невидимый watermark.
Причина довольно прозаичная: вступили в силу требования Article 50 EU AI Act о прозрачности AI-generated content.
При этом маркировка не обязательно означает, что текст написал ИИ. Человек может использовать чат-бот просто для редактуры, но след в тексте всё равно останется.
Anthropic сама предупреждает об этом: watermark показывает, что контент прошёл через Claude, но не позволяет определить, какую часть работы выполнил человек, а какую — модель.
Сама метка тоже не вечная: Anthropic пишет, что существенная переработка текста может её разрушить, а на коротких текстах определить её сложнее.
В общем, ИИ-чекеры — почти всё :)
Повлияют ли эти изменения на SEO — расскажете нам потом.
Источник: официальная документация Anthropic о маркировке AI-generated content.
🤔4👍3🔥2🤯2
👾 Навигация по каналу
Давно не заглядывали на iGamingTextLab? Собрали обновлённую навигацию по самым полезным постам.
🔥 Human-Assisted AI — новый сервис iGamingTextLab
👉 Общий обзор сервиса: что это и зачем
Как это работает?
• Рисерч и сбор фактов
• Добавление редполитики
• Генерация от лица цифровой персоны
• Контроль человека+AI
Первые результаты:
• Пережили июньский апдейт
• Цифровые персоны помогли сайтам залететь
💼 Кейсы:
• 17k слов без правок на румынском
• Локализация 70 текстов под Польшу
• Точные прогнозы под ЧМ
• Прокачали affiliate-блог
• Увеличили аудиторию Telegram-канала
• Восстановили сайты после апдейта за 16 дней
• Команда под Филиппины с нуля
• Уберегли проект от локализационного кринжа
• Что нужно знать о контенте на арабском
🤖 AI и контент:
• ИИ-агент для мониторинга новостей
• Почему AI-чекеры не определят генеренку
• Может ли живой перевод превратить генеренку в human-written
• Стилистические ИИ-маркеры
• Определяем генеренку с помощью генеренки
• Что проверять в ИИ-текстах перед публикацией
• Список ридабилити-чекеров под разные ГЕО
🌍 Локализация и нейтивы:
• LQA: что это и как спасает переводы
• Ред-флаги в польском контенте
• Топ ошибок в локализации
• Глобал и локал подходы: в чём разница
• Почему ридабилити-чекеры ломаются на мультилингве
📋 Чек-листы, ТЗ и гайды:
• Гайд по созданию цифровых персонажей
• Как составить крутое ТЗ
• Как правильно локализировать бонусы
• Как быстро проверить качество текста
• Чек-лист по распознаванию AI
• Гайд: контент в аффилиатке при NDA
• Глоссарий по Польше
• Глоссарий по Румынии
• Чек-лист под Бразилию
🍸 Комьюнити и митапы:
• IGTL организовал первый митап в Белграде
• О чём говорили на митапе: кул-стори и выводы
🎁 Бонус — мы можем дать вам денег!
Как и за что: читайте тут.
Это лишь малая часть того, что мы написали за годы существования канала. Так что подписывайтесь и зовите друзей, чтобы не пропустить 😉
С любовью,
iGamingTextLab ❤️
Давно не заглядывали на iGamingTextLab? Собрали обновлённую навигацию по самым полезным постам.
🔥 Human-Assisted AI — новый сервис iGamingTextLab
👉 Общий обзор сервиса: что это и зачем
Как это работает?
• Рисерч и сбор фактов
• Добавление редполитики
• Генерация от лица цифровой персоны
• Контроль человека+AI
Первые результаты:
• Пережили июньский апдейт
• Цифровые персоны помогли сайтам залететь
💼 Кейсы:
• 17k слов без правок на румынском
• Локализация 70 текстов под Польшу
• Точные прогнозы под ЧМ
• Прокачали affiliate-блог
• Увеличили аудиторию Telegram-канала
• Восстановили сайты после апдейта за 16 дней
• Команда под Филиппины с нуля
• Уберегли проект от локализационного кринжа
• Что нужно знать о контенте на арабском
🤖 AI и контент:
• ИИ-агент для мониторинга новостей
• Почему AI-чекеры не определят генеренку
• Может ли живой перевод превратить генеренку в human-written
• Стилистические ИИ-маркеры
• Определяем генеренку с помощью генеренки
• Что проверять в ИИ-текстах перед публикацией
• Список ридабилити-чекеров под разные ГЕО
🌍 Локализация и нейтивы:
• LQA: что это и как спасает переводы
• Ред-флаги в польском контенте
• Топ ошибок в локализации
• Глобал и локал подходы: в чём разница
• Почему ридабилити-чекеры ломаются на мультилингве
📋 Чек-листы, ТЗ и гайды:
• Гайд по созданию цифровых персонажей
• Как составить крутое ТЗ
• Как правильно локализировать бонусы
• Как быстро проверить качество текста
• Чек-лист по распознаванию AI
• Гайд: контент в аффилиатке при NDA
• Глоссарий по Польше
• Глоссарий по Румынии
• Чек-лист под Бразилию
🍸 Комьюнити и митапы:
• IGTL организовал первый митап в Белграде
• О чём говорили на митапе: кул-стори и выводы
🎁 Бонус — мы можем дать вам денег!
Как и за что: читайте тут.
Это лишь малая часть того, что мы написали за годы существования канала. Так что подписывайтесь и зовите друзей, чтобы не пропустить 😉
С любовью,
iGamingTextLab ❤️
🔥2❤1