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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1104 · 25.05

Брент Уикс, «Чёрная призма». Почти не читаю фентези, но наткнулся в сети на обсуждение книги, купил и прослушал две части. Остальные, к сожалению, на русском не вышли, и неизвестно, выйдут ли (издательство отвечает отписками). При этом история сквозная, так что сами решайте. Потому что нереальная годнота как раз для тех, кто фентези считает менее умным и серьёзным жанром, нежели обычный сайфай. В этой вселенной маги могут колдовать, создавая из света разных цветов материальную субстанцию — люксин. При этом от цвета зависят физические свойства люксина: красный, например, липкий и взрывоопасный, синий прочный как металл, из зелёного можно делать верёвки и так далее. Большинство магов извлекают люксин одного цвета, реже двух соседних. Ещё реже больше. Причём, магия вполне подчиняется обычной физике: если маг наденет очки с цветными стёклами, то ему колдуется гораздо проще. Каждый извлекатель может за жизнь совершить некоторый конечный объём магии, после чего сходит с ума, и текущее состояние на этой шкале всегда видно по степени перекрашивания глазных белков. И первый любопытный факт, что главный герой уже самый могущественный маг и правитель империи, способный неограниченно использовать все цвета. Нередко в таких произведениях герой либо скрытый избранный, внезапно обнаруживающий в себе особые способности, либо поднимающийся со дна простолюдин (вор, маленький человек итд). А тут положение героя сразу концентрирует сюжет вокруг политики, управления страной и прочих масштабных вопросов. Второй любопытный факт, что автор явно гик, так что в сюжете вы найдёте реализацию реактивной тяги на люксиновых деталях, создаваемые магами полиспасты, отсылки к оптике, строительству, и в целом очень логичный, продуманный и непротиворечивый мир. Упоминаются маги, работающие с инфракрасным и УФ-диапазоном и даже с микроволновым излучением. Отдельный респект за то, что элита и всякая пафосная знать в этом мире играет не в какой-нибудь унылый покер, который и игрой то назвать нельзя, а в настоящую ККИ, правила и геймплей которой тоже описаны с неплохой степенью подробности (думаю, писатель вдохновлялся реальной Magic The Gathering). Из недостатков могу отметить неспешный сюжет — событий происходит очень мало. Вроде как всего уже написано 5 или 6 книг, но, как я уже сказал, придётся ждать. Ещё в книге есть один раздражающий, на мой взгляд, персонаж, неправдоподобно везучий. И стоит упомянуть, что переводчики первой и второй книги разные, и они почему-то друг с другом не синхронизировались по именам. Но в остальном, пожалуй, самое интересное на мой личный вкус фентези, из тех, что я читал, если вообще такое жанровое определение применимо. Кстати, озвучку аудиокниг на русском записал профессиональный диктор Илья Дементьев, и это просто офигеть как круто звучит. Есть много хороших чтецов, но профи с 20-летним стажем поднимает чтение на какой-то нереальный уровень, как по мне. #fiction

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #llmarena

当前筛选 #llmarena清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8560 · 16.09.2025 г., 16:22

🔥 Как реально выбирают LLM в 2025 — исследование LLM Arena Интересный опрос практиков (инженеров, ML-учёных, AI-продуктов) - как сегодня на самом деле выбирают языковые модели (LLM), что важнее: бенчмарки или собственные тесты, цена/скорость/качество, и чего не хватает в информации по моделям. 📊Ключевые выводы - 82,2% респондентов проводят собственные тесты; бенчмарки — лишь ориентир, не решение. - 26,7% вообще не пользуются бенчмарками. - В центре внимания: баланс качество / цена / скорость, устойчивость (без галлюцинаций), соответствие инфраструктуре. 👥 Участники опроса - 45 практиков с опытом работы с LLM-продуктами; все участники — профессионалы. - ML/AI Инженеры, Data Scientists, AI-строители, и менеджмент. 🔑 Что ищут и какие сигналы важны: - Часто оценивают обсуждаемость модели в статьях/сообществе; практическое применение в похожих продуктах. - Обращают внимание на число скачиваний и звёзд на Hugging Face / GitHub. - Хотят больше данных о требованиях к железу, лицензиях, локальной работе, графиках “цена vs качество”, “скорость vs качество”. ⚠️Проблемы & доверие - Многие не доверяют существующим бенчмаркам из-за методологических проблем (train/test leakage, нерелевантность задач). - Лабораторные условия часто сильно отличаются от продакшн. - Нехватка отзывов по реальным сценариям и использованиям. При выборе LLM важнее собственные тесты и контекст задач, чем рейтинги. Специалисты хотят поточечных данных: про лицензии, требования к железу, latency, стоимость. Инициатор исследования Роман Куцев - фаундер и CEO LLM Arena, публикуют много интересного у себя в блоге. Для тех, кто строит LLM-продукты, полезно: - Не ориентироваться только на чужие бенчмарки. - Собирать метрики в собственных условиях — на реальных данных. - Открыто показывать, что работает, а что — нет, в документации и обсуждениях. 🟢 Полное исследование: https://research.llmarena.ru/ #LLM#AI#ИИ#LLMArena#исследование#нейросети#benchmarks