@aadaili · Post #14311 · 15.04.2026 г., 13:32
#和平精英#sdk 和平最新版SDK
TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #1084 · 9.04
В общем, была задача на оптимизацию плана работ: есть набор заказов, и в каждом N тасков. Таски могут зависеть друг от друга или нет, имеют длительность и тип. Ещё есть M работников, каждый из которых может выполнять таски только определённых типов, причём, у каждого своя скорость. Если все таски в заказе выполнены, фирма получает сколько-то денег. У заказа есть дедлайн, за просрочку штраф (за каждый день просрочки), который вычитается из цены заказа. И ещё фирма тратит деньги за каждый день своей работы независимо от того, как загружены её сотрудники (то есть просто платит зарплаты по сути). Ещё важен учёт праздников и выходных. Нужно заработать на определённом наборе заказов и работников как можно больше денег. Полный текст задачи и код программы проверки есть в репозитории. Эта задача является изменённым заказом, который мы с напарником решали в реальной жизни: оптимизация работы печатных станков для типографии. Правда, тогда и мы справились так себе, и заказчик в итоге сначала захотел всё вручную сам делать, а потом и вовсе похоронил проект при смене директора. !!! Не читайте дальше, если хотите сначала попробовать решить самостоятельно, потому что я сейчас опишу эффективные подходы и результаты. ________________________________________ Так вот. Мы с другим экспертом Андреем сразу сели и написали разные варианты, чтобы задать шкалу, по которой будем оценивать решения команд. За пару часов я собрал примитивный жадный алгоритм, который сортировал заказы по прибыльности и укладывал в сетку кое-как, это дало нам нижнюю оценку. Мой алгоритм заработал ~75 млн виртуальных рублей, мы решили для оценки поставить нижней границей 40 млн. То есть всё, что ещё ниже, оценивалось в ноль баллов за качество оптимизации. Затем Андрей закрылся дома на три дня и вышел на свет со сложным жадным алгоритмом, который очень хитро сортировал заказы и очень хитро укладывал их в сетку, попутно выбирая разные способы этой укладки в зависимости от конкретного заказа. Это позволило заработать ~275 млн рублей. Мы сделали верхней границей для оценки 280 млн. К сожалению, в итоге только две команды из десяти прошли нижнюю границу, заработав, соответственно, ~91 и ~105 млн. К верхней границе не приблизился никто. И у четырёх команд алгоритм вообще не смог уложить без нарушений задачи в сетку (то есть, например, произвольно менял длительности, накладывал задачи друг на друга, давал одному работнику две задачи в один момент и так далее). Важной ошибкой команд, на мой взгляд, являлся тот факт, что никто не воспользовался возможностью запустить алгоритм на несколько минут и дать ему поработать. По условиям задания, можно было тянуть до 5 минут на одну оптимизацию, но по факту решения команд отрабатывали за единицы и десятки секунд. На самом конкурсе, пока команды работали, я решил попробовать сделать быстрое (по времени написания) но эффективное решение. Сначала попробовал жадную сортировку + доведение до лучшего варианта методом имитации отжига. В качестве нового состояния я просто менял местами заказы целиком. Этот вариант работал пару минут и дал мне около ~200 млн дохода. К слову, команда-лидер использовала такой же подход, просто не докрутила число итераций и температуру. Ну и потом я взял готовую либу по реализации классической генетики с особями и скрещиванием. Особью был массив с приоритетами заказов (которые конечно же нужно было аккуратно уложить чистым алгоритмом). Тип скрещивания: scattered. Всего 15 поколений по 20 особей, и это за минуту-полторы давало ~230-240 млн. Считаю, что для конкурса это самый лучший выбор: пишется одним человеком за день и даёт почти максимум, при этом легко настраивается на нужную длительность работы, легко параллелится. Ну а потом уже дома я посидел и накодил свой вариант сложного жадного с плавающим окном перебора отсортированных заказов и плавающей же укладкой по работникам. Такая штука за две минуты зарабатывает ~281 млн. Но за три дня в условиях стресса я бы такое не сделал, скорее всего. #dev
Hashtags
Търсене: #sdk
@aadaili · Post #14311 · 15.04.2026 г., 13:32
#和平精英#sdk 和平最新版SDK
@aadaili · Post #14605 · 23.04.2026 г., 13:20
#三角洲行动#sdk 全解析 libtersafe.so 字符串完整中英对照翻译 | 腾讯游戏反作弊SDK 反作弊系统源码 三角洲safe 三角洲反作弊系统的内存代码解析适用于开发者研究。 花300块钱买的,无私分享。
@weidingjjj · Post #8 · 02.12.2025 г., 05:06
#DPI#SDK#助贷数据 每天都在!😆每天都出!🫡每天都有货💋 1202日常出货,还没出单的老板也不要着急,也请不要催单,出的都会第一时间发给各位老板! 在线收单,DPI,SDK长期招收代理! 感谢各位大哥的支持, 手波百1-3 价格:1万以下0.1,1万以上0.08。(包台另价)价格实在性价比高 开单捡漏妥妥的。 欢迎各位老板私聊 @qiqi77228
@seeker_rc · Post #19845 · 07.05.2026 г., 04:55
[开源]SwiftWork —— 一个 macOS 原生 AI Agent 工作台 基于 Open Agent SDK (Swift) 构建。 ✏ 为什么做 SwiftWork Agent 在终端里跑,你看到的是一坨滚动的文字流。它调了什么工具、改了哪个文件、执行了哪条命令——全靠肉眼在日志里找。 SwiftWork 要解决的问题很简单:让 Agent 的每一步都看得见。 ✏ 核心卖点 纯原生,极致性能 :SwiftUI + Swift 6.1 严格并发,零 WebView 开销。@Observable 驱动 UI 更新,`AsyncStre... via V2EX 分享创造 标签: #Agent#SDK#SwiftWork ⚡️探索号频道 ⚡️探索者频道 ⚡️探索者交流群 ⚡️ Youtube 频道:科技探索者 每天推荐有趣内容,欢迎订阅、转发。
Hashtags
@singsingchannel · Post #752 · 06.08.2024 г., 08:19
New Milestone🚀🚀 We've just hit the milestone of 500,000 Web3 users utilizing SingSing SocialFi SDK! 🎉🚀 Thank you for your support and participation. This achievement showcases the strength and potential of the SingSing community! 💪✨ Keep exploring and enjoying the super cool features of SingSing! 💎🔥 #SingSing#Web3#SocialFi#Milestone#SDK
@githubtrending · Post #14732 · 21.05.2025 г., 12:30
#csharp#ai#artificial_intelligence#llm#openai#sdk Semantic Kernel is a tool that helps developers build and manage AI systems easily. It supports multiple programming languages like C#, Python, and Java, making it versatile for different projects. This tool allows you to connect your AI models to various services and databases, which helps in automating tasks and making decisions based on user inputs. It's especially useful for businesses because it's reliable, secure, and can handle complex workflows. By using Semantic Kernel, developers can create intelligent AI agents that can interact with users and perform tasks efficiently. https://github.com/microsoft/semantic-kernel
@githubtrending · Post #15194 · 03.10.2025 г., 12:30
#python#agent_framework#agentic_ai#agents#ai#dotnet#multi_agent#orchestration#python#sdk#workflows Microsoft Agent Framework is an open-source toolkit that helps you build and manage AI agents and multi-agent workflows using Python or .NET. It combines the best features of previous Microsoft AI projects to let you create simple chatbots or complex workflows where multiple agents work together. It supports many AI models, connects easily to external tools and APIs, and runs anywhere—on cloud or on-premises. The framework also includes features like human review, workflow checkpointing, and monitoring to make your AI applications reliable and adaptable. This means you can build powerful, flexible AI solutions faster and with less code. https://github.com/microsoft/agent-framework
@CryptoM · Post #64634 · 09.04.2026 г., 12:14
🚀 AI TRENDS | Tether Launches QVAC SDK for Cross-Platform AI Development Tether has introduced the QVAC SDK, a unified software development kit designed to enable developers to build, run, and fine-tune AI applications directly on any device. According to Foresight News, this SDK ensures consistency across different environments. Applications developed using the QVAC SDK can seamlessly operate on platforms such as iOS, Android, Windows, macOS, and Linux. The same codebase can function across all supported environments without the need for platform-specific branches, rewrites, or conditional logic. The QVAC SDK is built on QVAC Fabric, a branch of llama.cpp, offering broad compatibility with the llama.cpp model ecosystem for text generation, embedding, and multimodal workloads. #AI#SDK#CrossPlatform#MachineLearning#LlamaCpp#SoftwareDevelopment#Multimodal#QVAC
@githubtrending · Post #15247 · 25.10.2025 г., 12:30
#cmake#audio#ios#linux#macos#plugins#sdk#vst3#win32 VST 3 is an improved version of the VST audio plug-in interface. It offers several benefits, including better performance by only processing audio when needed, dynamic input/output configurations, and precise automation. Users can also enjoy a more organized interface and support for advanced audio features like 3D sound. These improvements make it easier for developers to create plugins and for users to work with them in digital audio workstations (DAWs), enhancing overall audio production efficiency. https://github.com/steinbergmedia/vst3sdk
@CryptoM · Post #65002 · 10.04.2026 г., 13:33
🚀 Arc Launches App Kits SDK with Cross-Chain Features Arc has introduced its App Kits SDK, offering functionalities such as cross-chain bridging, token exchange, and on-chain transfers, all of which can be integrated with less than 10 lines of code. According to Foresight News, the App Kits are built on USDC, CCTP, and Circle Wallets, and are compatible with third-party wallets and developers' own RPC nodes. The SDK includes a built-in revenue-sharing mechanism, allowing developers to configure profit-sharing directly within the transaction process without needing to deploy separate contracts. App Kits are now available for free and support permissionless access. #Arc#AppKits#SDK#CrossChain#Blockchain#USDC#CCTP#CircleWallet#Crypto#DeFi#Developers#Web3
@githubtrending · Post #15283 · 09.11.2025 г., 14:30
#go#a2a#agents#agents_sdk#ai#aiagentframework#gemini#genai#go#llm#mcp#multi_agent_collaboration#multi_agent_systems#sdk#vertex_ai The Agent Development Kit (ADK) for Go is an open-source toolkit that makes it easy to build, test, and deploy smart AI agents using the Go programming language. It lets you create simple or complex agent workflows, use ready-made or custom tools, and run your agents anywhere, especially in cloud environments. With ADK, you get full control, flexibility, and the ability to scale your applications, making it faster and simpler to develop powerful AI solutions for real-world tasks. https://github.com/google/adk-go
@githubtrending · Post #15348 · 20.12.2025 г., 12:00
#go#gemma3#go#gpt_oss#granite4#llama#llama3#llm#on_device_ai#phi3#qwen3#qwen3vl#sdk#stable_diffusion#vlm NexaSDK runs AI models locally on CPUs, GPUs, and NPUs with a single command, supports GGUF/MLX/.nexa formats, and offers NPU-first Android and macOS support for fast, multimodal (text, image, audio) inference, plus an OpenAI‑compatible API for easy integration. This gives you low-latency, private on-device AI across laptops, phones, and embedded systems, reduces cloud costs and data exposure, and lets you deploy and test new models immediately on target hardware for faster development and better user experience. https://github.com/NexaAI/nexa-sdk