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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1190 · 18.12

Деннис Тейлор, «Пока мы не сбились с пути» Вселенная Бобов — это серия, за рекомендацию которой меня чаще всего благодарят. Видимо, все остальные книги, о которых я пишу, либо очень хорошо известны, либо не находят отклика у настолько широкой аудитории. Пожалуй, нет смысла подробно писать о пятой части. Автор вернулся к рваному повествованию, состоящему из отдельных историй. У него это в целом получается хорошо, хотя тут некоторые истории меня зацепили (про центр галактики и исход, про ИИ), другие показались проходными или невнятными (про драконов, про виртуальную реальность для инопланетян). Многие темы стали максимально размытыми, вроде взаимоотношений с людьми. Ещё могу отметить, что, если первые книги сносно опираются на существующие физические концепции, то тут Тейлору пришлось больше фантазировать, иначе он бы упёрся в сюжетные границы. Это не плохо, если только вы не воспринимали «Бобов» как твёрдую НФ. Для меня такой ход был ожидаемым, разочарования я не испытал. Понравился момент установки взаимопонимания с инопланетными дронами, хотя конечно лучше, чем в «Аве Марии», первый контакт не описан нигде. Причина, по которой с центром галактики случилось то, что случилось, тоже подобрана хорошо, приостановку неверия лично у меня не сломала, но и угадать заранее я не смог. По итогу я бы сказал так: пятую книгу прослушал не без удовольствия, но шестую автору уже писать не стоит. Из этой идеи и вселенной выжато всё досуха.#fiction@clockstackwheels

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #smallmodel

当前筛选 #smallmodel清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8975 · 12.11.2025 г., 13:03

⭐VibeThinker-1.5B - миниатюрная модель, которая показывает SOTA-результаты в задачах рассуждения. 🚀Производительность: одна из лучших на AIME24/25 и HMMT25 - превосходит DeepSeek R1-0120 по математическим задачам и опережает модели такого же размера в соревновательном программировании. ⚡Эффективность: всего 1.5B параметров. то есть в 100–600 раз меньше, чем гиганты вроде Kimi K2 и DeepSeek R1. 💰Стоимость: полный пост-тренинг обошёлся всего в $7.8K, примерно в 30–60 раз дешевле, чем у DeepSeek R1 или MiniMax-M1. Модель основана на Spectrum-to-Signal Principle (SSP) и MGPO-фреймворке, оптимизирующих процесс рассуждения. 📦Model:https://huggingface.co/WeiboAI/VibeThinker-1.5B 💻GitHub:https://github.com/WeiboAI/VibeThinker 📄Arxiv:https://arxiv.org/abs/2511.06221 @ai_machinelearning_big_data #AI#LLM#Reasoning#OpenSource#SmallModel