Popularne tematy
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Byłem jednym z 16 deweloperów w tym badaniu. Chciałem podzielić się moimi opiniami na temat przyczyn i strategii łagodzenia spowolnienia deweloperów.
Powiem jako haczyk "dlaczego miałbym cię słuchać?", że doświadczyłem -38% przyspieszenia AI w moich przypisanych zadaniach. Uważam, że przejrzystość pomaga społeczności.


11 lip, 01:23
Przeprowadziliśmy randomizowane badanie kontrolne, aby sprawdzić, jak bardzo narzędzia do kodowania AI przyspieszają pracę doświadczonych programistów open-source.
Wyniki nas zaskoczyły: Programiści myśleli, że są o 20% szybszy z narzędziami AI, ale w rzeczywistości byli o 19% wolniejsi, gdy mieli dostęp do AI, niż gdy go nie mieli.

Po pierwsze, uważam, że przyspieszenie AI jest bardzo słabo skorelowane z umiejętnościami kogokolwiek jako dewelopera. Wszyscy deweloperzy w tym badaniu są bardzo dobrzy. Myślę, że ma to więcej wspólnego z wpadaniem w tryby porażki, zarówno w zdolności LLM, jak i w przepływie pracy człowieka. Pracuję z mnóstwem niesamowitych deweloperów zajmujących się wstępnym treningiem i myślę, że ludzie napotykają wiele tych samych problemów.
Lubimy mówić, że LLM to narzędzia, ale traktujemy je bardziej jak magiczną kulę.
Dosłownie każdy deweloper może potwierdzić satysfakcję z ostatecznego rozwiązania trudnego problemu. LLM to duży przycisk skrótu dopaminowego, który może rozwiązać twój problem za jednym razem. Czy wciąż naciskasz przycisk, który ma 1% szans na naprawienie wszystkiego? To znacznie bardziej przyjemne niż męcząca alternatywa, przynajmniej dla mnie.
Myślę, że przypadki nadmiernego użycia LLM mogą się zdarzać, ponieważ łatwo jest optymalizować pod kątem postrzeganego zadowolenia, a nie czasu do rozwiązania podczas pracy.
Ja naciskam tabulator w kursorze przez 5 godzin zamiast debugować przez 1:
Po trzecie, łatwo jest się rozproszyć w czasie oczekiwania, gdy LLM generują. Ekonomia uwagi w mediach społecznościowych jest brutalna, a myślę, że ludzie spędzają 30 minut przewijając, podczas gdy "czekają" na swoje 30-sekundowe generowanie.
Jedyna rzecz, którą mogę powiedzieć w tej kwestii, to że powinniśmy znać nasze własne pułapki i starać się wykorzystać ten czas generacji LLM produktywnie:
- Jeśli zadanie wymaga dużej koncentracji, spędź ten czas na pracy nad podzadaniem lub myśleniu o pytaniach do dalszego zgłębienia. Nawet jeśli model odpowiedział na twoje pytanie za pierwszym razem, co jeszcze nie jest dla mnie jasne?
- Jeśli zadanie wymaga niskiej koncentracji, zrób w międzyczasie inne małe zadanie (odpowiedz na e-mail/slack, przeczytaj lub edytuj inny akapit itp).
Jak zawsze, małe kroki w zakresie higieny cyfrowej pomagają w tym (blokery stron internetowych, telefon w trybie nie przeszkadzać itp). Przepraszam, że brzmię jak stary zrzęda, ale to działa dla mnie :)
Kilka ostatnich stwierdzeń:
- METR to wspaniała organizacja, z którą warto współpracować, a ich naukowcy są bardzo kompetentni. Uwielbiałem zarówno uczestniczyć w tym badaniu, jak i czytać ich wyniki.
- Nie jestem jakimś guru LLM próbującym nauczać. Pomyśl o tym jak o publikacji osobistego wpisu w dzienniku, mając nadzieję, że inni mogą skorzystać z mojej refleksji.
1,72M
Najlepsze
Ranking
Ulubione