ДОЖ намерен провести массовые сокращения к концу мая

cryptonews.ruPublicado a 2024-09-28Actualizado a 2025-03-28

Маск заявил, что его Департамент эффективности государственного управления намерен добиться такой экономии в течение 130 дней с момента вступления Трампа в должность 20 января.

Маск объяснил, что план предполагает сокращение более чем наполовину расходов в размере 1,8 триллиона долларов, которые в 2024 году будут потрачены на необязательные программы, не связанные с обороной.

«Я думаю, что в течение этого времени мы выполним большую часть работы, необходимой для сокращения дефицита на триллион долларов», — сказал он.

Миллиардер добавил, что его цель — сократить на 15% ежегодные расходы правительства, которые в 2024 финансовом году составили 6,75 триллиона долларов. Он уверенно заявил, что эти сокращения можно провести, не затронув ни одну из важнейших государственных служб.

Маск, классифицируемый как особый государственный служащий, которому разрешено работать только 130 дней в году в качестве временного федерального работника, рассказал о масштабной реформе.

ДОЖ все еще далек от достижения целевого показателя в 1 трлн долларов

Интервью было опубликовано всего через несколько дней после того, как президент Трамп заявил, что в ближайшие месяц-два он будет «доволен» сокращением расходов DOGE.

Трамп признал, что реформы, проводимые DOGE, «не обязательно будут пользоваться большой популярностью», отметив политические риски, связанные с такими масштабными сокращениями.

Большая часть расходов федерального правительства приходится на обязательные программы, такие как Medicare и социальное обеспечение, где мало возможностей для сокращения расходов.

Маск заявил, что эти программы переполнены мошенничеством и растратами, хотя он не предоставил доказательств в поддержку своих утверждений. В ответ на это DOGE направила в Администрацию социального обеспечения как минимум 10 сотрудников для выявления растрат.

Однако, согласно отчёту генерального инспектора за прошлый год, с 2015 по 2022 год Управление социального обеспечения оценило ущерб от неправомерных выплат почти в 72 миллиарда долларов, что составляет менее 1% от выплаченных пособий.

На сайте DOGE, который критиковали за ошибки и преувеличения, в настоящее время указано, что экономия на контрактах составляет около 22 миллиардов долларов. На сайте также говорится, что общая экономия средств составляет около 130 миллиардов долларов, хотя эти цифры не детализированы.

Маск преуменьшил эффект от сокращения рабочих мест

DOGE Маска также повлиял на серию увольнений в федеральном правительстве, которые были проведены за последние несколько недель. Хотя несколько ведомств объявили о сокращении штата, Маск отверг влияние этих увольнений, заявив, что «почти никого не уволили».

Среди недавних изменений — сокращение 10 000 рабочих мест в Министерстве здравоохранения и социальных служб, о котором было объявлено ранее в четверг. В марте Министерство образования заявило, что сокращает штат вдвое. Кроме того, Администрация по делам малого бизнеса сокращает штат на 43%. Министерство по делам ветеранов объявило о планах уволить 80 000 сотрудников, а Министерство финансов сообщило о крупных сокращениях в судебном иске.

Усилия DOGE также столкнулись с юридическими препятствиями. В том числе судьи отклонили некоторые из предложенных сокращений и заблокировали команде Маска доступ к определённым системам и базам данных, таким как база данных Управления социального обеспечения.

Lecturas Relacionadas

Claude se volvió 'tonto' en toda la red, y Anthropic aclara el motivo: No es el modelo quien te falla

**Los usuarios de Claude Code se quejaban de que el modelo se volvió más torpe, pero Anthropic aclara: el problema no era el modelo, sino el ajuste de "Esfuerzo".** En marzo, muchos desarrolladores notaron que Claude Code parecía menos competente: omitía leer archivos o ejecutar pruebas. La comunidad criticó fuertemente a Anthropic. La causa real fue un cambio en la configuración predeterminada del nivel de **Esfuerzo (Effort)**, de "alto" a "medio", realizado para reducir la latencia. Este ajuste afectó cuánto trabajo invertía Claude en una tarea, no su conocimiento fundamental. Anthropic explica la diferencia clave entre **Modelo** y **Esfuerzo**: * **Modelo (Sonnet, Opus, Fable):** Representa la "inteligencia" o conocimiento base del modelo (pesos congelados del entrenamiento). Cambiarlo resuelve problemas de "¿puede hacerlo?". * **Esfuerzo (Effort):** Representa la "actitud" o cuánto trabajo está dispuesto a realizar en una tarea específica (leer archivos, ejecutar pruebas, verificar). Un Esfuerzo bajo hace que Claude responda rápido pero pida más contexto; un Esfuerzo alto lo hace investigar y trabajar de forma más autónoma. **Conclusión importante:** Un modelo más pequeño (como Sonnet) con un Esfuerzo alto puede superar a un modelo más grande (como Opus) con un Esfuerzo bajo en muchas tareas. El cambio de marzo demostró que los usuarios a menudo subestimaban el impacto del control de Esfuerzo, culpando erróneamente al modelo. **Marco para solucionar problemas:** 1. Verifica primero el contexto y las instrucciones (prompt). 2. Si Claude se equivoca, pregúntate: **¿Es que "no sabe" o "no se esfuerza lo suficiente"?** * **No se esfuerza (ej., omite pasos):** Aumenta el nivel de Esfuerzo. * **No sabe (ej., errores persistentes a pesar del contexto):** Cambia a un modelo más capaz. La lección es que el uso efectivo de herramientas de IA como Claude Code ya no se trata solo de elegir el modelo más potente, sino de aprender a **gestionar y asignar recursos** (modelo y esfuerzo) de manera inteligente para cada tarea, optimizando tanto el rendimiento como el coste.

marsbitHace 1 hora(s)

Claude se volvió 'tonto' en toda la red, y Anthropic aclara el motivo: No es el modelo quien te falla

marsbitHace 1 hora(s)

Casi un centenar de jugadores se lanzan al sector de datos embodiment: 44.700 millones de financiación en un año, ¿quién puede ganar dinero realmente "vendiendo datos"?

**Resumen en español europeo:** Más de 90 empresas, incluidas 70 dedicadas a la recopilación, compiten en el emergente campo de los datos de inteligencia encarnada en China. En el último año, 15 proveedores de datos independientes recaudaron aproximadamente 4.470 millones de RMB. El artículo, basado en estadísticas de "Quantum Bit", describe diez aspectos clave del sector: 1. **Métodos de recopilación:** Se dividen en cuatro categorías: teleoperación de robots reales, recopilación sin robot (con captura de movimiento), simulación y destilación de vídeos de internet. La mayoría de las empresas (43%) utilizan múltiples métodos, siendo la teleoperación la ruta única más común (31%). 2. **Perfil de los actores:** Los proveedores de datos independientes son el grupo más numeroso (40%), seguidos por plataformas de datos estatales (26%) y fabricantes de robots (25%). Dos tercios de las empresas son "nativas" del sector. 3. **Capacidad y distribución:** La capacidad anual actual se estima en 1,6-1,8 millones de horas, con el objetivo de multiplicarla por 15-20 en 1-3 años. Las "fábricas de datos" están presentes en 20 provincias, concentrándose en el delta del Yangtsé. 4. **Financiación y etapa:** La financiación del último año para proveedores independientes (44.700 millones RMB) es modesta comparada con la inversión total en inteligencia encarnada. El sector está muy fragmentado, con una sola "unicornio" (Lightwheel AI) que acaparó el 70% de la inversión. 69 fondos han invertido, pero ninguno de forma significativa, mostrando cautela. 5. **Conclusión:** El mercado de datos encarnados es ya una industria independiente y generadora de empleo, pero se encuentra en una fase muy temprana. Aún no está claro si "vender datos" será un negocio rentable, y los próximos 1-2 años serán cruciales para validar el modelo.

marsbitHace 4 hora(s)

Casi un centenar de jugadores se lanzan al sector de datos embodiment: 44.700 millones de financiación en un año, ¿quién puede ganar dinero realmente "vendiendo datos"?

marsbitHace 4 hora(s)

Trading

Spot
活动图片