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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1079 · 7.03

Авито конечно удивительный пример оторванности компании от реального поведения своих юзеров. Наверное, не слишком необычно, что богатые топ-менеджеры, принимающие решения в компании такого размера, сами не занимаются продажей и покупкой с рук, но уж для проформы то заглянуть разок могли бы в собственную экосистему. Например: Авито ввёл комиссию для покупки с доставкой, и заявляет, что эта комиссия списывается с продавца. Но доставка нужна покупателю, а не продавцу. Продавцу даже менее удобно носить вещь куда-то, вместо того, чтобы ждать, когда к нему заедут. В итоге 99% продавцов при заказе с доставкой готовы продать только дороже на процент комиссии. И хорошо, если они пишут об этом заранее в тексте описания, а не в личку после того, как ты уже оплатил товар по изначальной цене. В итоге приходится заказ отменять и перезаказывать. Или вот: Авито предлагает на выбор разные формы доставки, но продавцы отдельно ещё сами не готовы носить товар в какой-то далёкий для них пункт, поэтому иногда пишут, что, дескать, выбранный вами способ доставки не поддерживаем, выберите другой. Интерфейс опять же не даёт для этого никаких предварительных функций, приходится отменять. В целом Авито правильно делает, пытаясь уменьшить необходимость контакта с людьми. В идеале я при покупке хочу как на маркетплейсах, а при продаже чтобы ко мне приезжал курьер и забирал. Без обсуждения, без торга, без попыток договориться итд. Но реальные люди действуют так, чтобы минимизировать ущерб и объём возни для себя, и это нормально. И понятно всем, кроме руководства Авито. #web

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #optimizatio

当前筛选 #optimizatio清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8587 · 19.09.2025 г., 09:09

🚀 SakanaAI представил Robust Agentic CUDA Kernel Optimization Это новый подход, где LLM помогает оптимизировать CUDA-ядра для PyTorch. • Слияние операций ускоряет forward/backward-проходы, результаты выше стандартных Torch-базлайнов • Полный пайплайн: PyTorch → генерация CUDA-кода → эволюционная оптимизация во время работы • Проверка через LLM: модели автоматически отмечают неправильные ядра (дает +30% к производительности) • robust-kbench — собственный бенчмарк, где измеряют не только скорость, но и корректность работы LLM Авторы пишут о 2.5x ускорении над PyTorch eager и даже 6x в линейных операциях❗️ Но большинство примеров — это тесты на слияние операций с неотюненной базой, так что цифры спорные. К тому же PyTorch 2.5 уже внедряет похожие оптимизации ), поэтому такие рекорды могут быстро обесцениться. Это интересный подход к самообучающимся AI-компиляторам, но заявленные ускорения стоит проверять на праактике. 🟢Github: https://github.com/SakanaAI/robust-kbench 🟢Статья: https://arxiv.org/abs/2509.14279 @ai_machinelearning_big_data #AI#CUDA#PyTorch#SakanaAI#LLM#Optimizatio