Вышел трейлер «Киллербота» по серии книг, о которой я вам рассказывал. Выглядит прямо очень многообещающе. Apple TV+ весьма неоднозначный стриминг, потому что часть вещей он сильно испоганил по сравнению с первоисточником (например, «Основание», о чём я тоже писал), а часть вещей вышли превосходными («Silo» очень хорош, хотя, говорят, что книги ещё на голову круче, у меня уже в очереди на прочтение).
В «Киллерботе», как в продукте современной западной писательницы, и так хватает повестки и порой странноватого юмора и странноватых же намёков (возьмём взаимоотношения главного героя с кораблём, например). Так что Apple TV+ не смогут сделать что-то сильно хуже за счёт woke-надстроек — в этом смысле современный роман устойчивее к издевательствам, чем классический труд Азимова полувековой давности. А всё остальное Apple делает хорошо: дорого, со вкусом, с хорошей постановкой.
Ждём выхода 16-го мая, в общем. #fiction
https://www.youtube.com/watch?v=vEioDeOiqEs
#DL
📱
Zeus New Pytorch Ecosystem Tool
Zeus is an open source toolkit for measuring and optimizing power consumption of deep learning workloads.
🖥Github
-----
Main channel: @repo_science
Coupons: @freecoupons_reposcience
-----
#dl
Park, Chanwook, Sourav Saha, Jiachen Guo, Hantao Zhang, Xiaoyu Xie, Miguel A. Bessa, Dong Qian, et al. 2025. “Unifying Machine Learning and Interpolation Theory via Interpolating Neural Networks.” Nature Communications 16 (1): 1–12.
https://www.nature.com/articles/s41467-025-63790-8
#dl
A few cool ideas in this model.
Introducing Gemma 3n: The developer guide - Google Developers Blog
https://developers.googleblog.com/en/introducing-gemma-3n-developer-guide/
#dl
There is this new lib called scale. One could compile CUDA code to use it on AMD GPU.
https://docs.scale-lang.com/manual/how-to-use/
I don't know who is more pissed off, NVidia or AMD.
#dl
This repo is really nice.
yuanchenyang/smalldiffusion: Simple and readable code for training and sampling from diffusion models
https://github.com/yuanchenyang/smalldiffusion
#dl
Google & USC benchmarked a prompt based forecasting method, and the results are amazing.
Cao D, Jia F, Arik SO, Pfister T, Zheng Y, Ye W, et al. TEMPO: Prompt-based Generative Pre-trained Transformer for time series forecasting. arXiv [cs.LG]. 2023. Available: http://arxiv.org/abs/2310.04948