TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1073 · 12.02

Во втором сезоне «Игры в кальмара» показано ещё больше дворовых южнокорейских игр, о которых я раньше не слышал. Но, похоже, что любому местному это всё хорошо знакомо, а персонажи обсуждали там, как они играли в это в детстве. Интересно, что такие вещи, по-видимому, не особо проникают в чужие культуры. Я нашёл только три знакомых механики: первая игра с куклой это наше «Море волнуется раз»; игра с каруселью это наша игра с беготнёй вокруг стульев, которых меньше на один, чем игроков; а набивание какой-то мягкой фигни на ноге это «сокс» :) Пофантазировал о том, как бы мог выглядеть такой сериал на основе нашей русской традиции дворовых игр. Называлось бы «Игра в квадрат». «Вышибалы» — игроки бегают между двумя рядами ведущих. У ведущих мячи с взрывчаткой, попадание убивает игрока. «Земельки» — если игрок теряет свою землю, его сдавливают стенками пропорционально оставшейся площади. «Жмурки» — у ведущего шприц с ядом, если догнал, то игроку конец. «Классики» — над пропастью с лавой. «Резиночки» — провода под напряжением. и так далее. Финал, собственно, игра в квадрат. Кто пропускает мяч, того убивают, квадрат превращается в треугольник, потом в прямоугольник. #life

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #trillionscale

当前筛选 #trillionscale清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8721 · 08.10.2025 г., 18:50

✔️Ling-1T - новая модель от inclusionAI с 1 триллионом параметров Модель на 1 трлн, из них ≈ 50 млрд активны на токен (MoE-архитектура). Она обучена на 20 трлн+ токенов, специально отобранных для задач логического мышления и рассуждений. Контекст: 128 000 токенов. Построена на базе Evo-CoT (Evolutionary Chain of Thought) и Linguistics-Unit RL - нового метода обучения для масштабируемых рассуждений. При помощи Evo-CoT модель постепенно улучшает баланс между точностью рассуждений и вычислительной эффективностью. То есть с каждым шагом она пытается делать рассуждения «глубже», но не слишком дорого по ресурсам. Моделька демонстрирует сильные результаты в задачах кода, математики, логики и фронтенд-генерации. В архитектуре задействованы Mixture-of-Experts (1/32 активация), MTP слои и маршрутизация экспертов. Ling-1T показывает, что огромные модели можно сделать не только мощными, но и экономичными. https://huggingface.co/inclusionAI/Ling-1T @ai_machinelearning_big_data #Ling1T#AI#ML#OpenSource#Reasoning#TrillionScale#FP8