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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1201 · 14.01

Младший очень любит роботов-доставщиков, поэтому в какой-то момент мы купили ему такую игрушку. Не ту, что дорогая на радиоуправлении, а простенькую, с оттяжным моторчиком и светодиодами. Старшая это увидела и тоже себе такую попросила, купили и ей. Потом младший случайно увидел, что в доме есть второй ровер, и не его! Устроил скандал, пришлось ему отдать, а старшей купить третьего и попросить, чтобы спрятала. И тут я подумал: а мог бы я сам сделать что-то типа такого дома, если бы игрушки не продавались, или вместо покупки второго-третьего-пятого? Вызов принят, засел за компас. Думал, что сделаю за вечер, но на самом деле с продумыванием конструкции, что где как должно соединяться, просидел дня четыре. И ещё столько же на сборку, потому что нельзя просто взять и с первого раза угадать все допуски и посадки :) Моя версия крупнее, чем покупная игрушка, батареек хватает на подольше, и даже есть своего рода подвеска. Конечно, пространство для улучшений остаётся, но, получилось, кажется, довольно мило. Если вы хотите своим детям сделать прикольный сюрприз, я не поленился сверстать инструкцию по сборке, прикладываю её и все файлы. В архиве есть и редактируемый исходник в формате STEP. Просьба, кто напечатает, покажите в комментах :) #diy@clockstackwheels#hobby@clockstackwheels

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #optimizatio

当前筛选 #optimizatio清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8587 · 19.09.2025 г., 09:09

🚀 SakanaAI представил Robust Agentic CUDA Kernel Optimization Это новый подход, где LLM помогает оптимизировать CUDA-ядра для PyTorch. • Слияние операций ускоряет forward/backward-проходы, результаты выше стандартных Torch-базлайнов • Полный пайплайн: PyTorch → генерация CUDA-кода → эволюционная оптимизация во время работы • Проверка через LLM: модели автоматически отмечают неправильные ядра (дает +30% к производительности) • robust-kbench — собственный бенчмарк, где измеряют не только скорость, но и корректность работы LLM Авторы пишут о 2.5x ускорении над PyTorch eager и даже 6x в линейных операциях❗️ Но большинство примеров — это тесты на слияние операций с неотюненной базой, так что цифры спорные. К тому же PyTorch 2.5 уже внедряет похожие оптимизации ), поэтому такие рекорды могут быстро обесцениться. Это интересный подход к самообучающимся AI-компиляторам, но заявленные ускорения стоит проверять на праактике. 🟢Github: https://github.com/SakanaAI/robust-kbench 🟢Статья: https://arxiv.org/abs/2509.14279 @ai_machinelearning_big_data #AI#CUDA#PyTorch#SakanaAI#LLM#Optimizatio