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: #sft

当前筛选 #sft清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8851 · 24.10.2025 г., 22:00

🧠 Карпаты показал, как добавить новую функцию в мини-LLM nanochat d32, сравнив её «мозг» с мозгом пчелы. Он обучил модель считать, сколько раз буква r встречается в слове strawberry, и использовал этот пример, чтобы показать, как можно наделять маленькие языковые модели новыми навыками через синтетические задачи. Сначала генерируются диалоги: «Сколько букв r в слове strawberry?» и правильные ответы. После этого модель проходит дообучение (SFT) или обучение с подкреплением (RL), чтобы закрепить навык. Карпаты объясняет, что для маленьких моделей важно продумывать всё до мелочей, как разнообразить запросы, как устроена токенизация и даже где ставить пробелы. Он показывает, что рассуждения лучше разбивать на несколько шагов, тогда модель легче понимает задачу. Nanochat решает задачу двумя способами: — логически, рассуждая пошагово; — через встроенный Python-интерпретатор, выполняя вычисления прямо внутри чата. Идея в том, что даже крошечные LLM можно «научить думать», если правильно подготовить примеры и синтетические данные. 📘 Разбор: github.com/karpathy/nanochat/discussions/164 @ai_machinelearning_big_data #AI#Karpathy#Nanochat#LLM#SFT#RL#MachineLearning#OpenSource