Tech Crunch™
Your ultimate source for the latest tech news, trends, and innovations. Stay informed and ahead of the curve with in-depth coverage of startups, gadgets, AI, cybersecurity, and more. 📥: @Rasbrook
Больше📈 Аналитический обзор Telegram-канала Tech Crunch™
Канал Tech Crunch™ (@techcrunchtg) языкового сегмента Английский является активным участником. Сейчас сообщество объединяет 11 545 подписчиков, занимая 10 378 место в категории Технологии и приложения и 55 284 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 11 545 подписчиков.
Согласно последним данным от 15 сентября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -280, а за последние 24 часа — -4, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 2.75%. В первые 24 часа после публикации контент обычно набирает 0.70% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 318 просмотров. В течение первых суток публикация набирает 81 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 3.
- Тематические интересы: Контент сосредоточен на ключевых темах, таких как iran, european, techtip, mixer, economy.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“Your ultimate source for the latest tech news, trends, and innovations. Stay informed and ahead of the curve with in-depth coverage of startups, gadgets, AI, cybersecurity, and more.
📥: @Rasbrook”
Благодаря высокой частоте обновлений (последние данные получены 16 сентября, 2026) канал поддерживает актуальность и высокий уровень охвата публикаций. Аналитика показывает, что аудитория активно взаимодействует с контентом, что делает его важной точкой влияния в категории Технологии и приложения.
"answer like a struggling student" wasn't enough to make them play the role convincingly.
✏️ Gemini 3.1 Flash Lite, Claude Haiku 4.5, and GPT-5.4-mini were given 379 algebra problems and assigned five different student personas. Yet they failed at the task: whether the model was an "A student" or a "poor student," its accuracy stayed between 96.8% and 100%.
The issue is that the model already knows the correct answer and struggles to suppress its own capabilities. So the authors split the task into two stages: first, a separate algorithm models what a student knows and where they are likely to make mistakes; then, an LLM explains the student's answer. This produced more plausible performance differences: the "near-expert" student scored 85.2% accuracy, the average student 57.8%, and the struggling student 44.1%.
👨 The authors acknowledge that they have not yet compared their virtual "students" with real ones. So for now, this is more a method for teaching AI to make believable mistakes than an accurate model of how humans learn.
🔥 — yes, AI can be better than a human
😱 — no, it's just "special effects"
@TechCrunchTg 🌐