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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1221 · 11.03

Бизнесы и некоторые блогеры сейчас кинулись делать каналы в ВК (да, такие есть). У меня практически каждый день приходит уведомление то от очередного издательства настолок, то от какого-нибудь независимого автора, что типа вот смотрите, теперь вам в личку ВК будем спамить. Я, конечно, отклоняю. Безотносительно того, что сам ВК мёртв, каналы там кажутся одной из наименее жизнеспособных идей, потому что они берут из Телеграма единственный ключевой недостаток — неструктурированную подачу информации, склонную к порождению большого числа очагов мусора (и как следствие точек контроля, если вы занимаетесь информационной гигиеной). Получается, что каналы ВК это если взять каналы в Телеграме и оставить у них только серьёзные телеграмные проблемы UX, но не добавить, например, телеграмное доверие людей к площадке и телеграмный же акцент на понятной core-функциональности, позволяющий приложению быть относительно минималистичным (с поправкой на тягу Дурова к рюшечкам для детей). Взяли только самое плохое. Зачем? Тем не менее, вопрос о том, куда переходить бизнесам, и тем людям, которым неудобен впн 24/7, остаётся. В максе, прости господи, (даже если представить, что им кто-то начал пользоваться), слишком странные правила по созданию каналов. Я, например, могу туда прийти только как ИП Пешехонов Денис, а короткий адрес канала у меня будет сгенерированным, что-то типа user12345. Пора поднимать ActivityPub-сервер, получается? #web@clockstackwheels

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #grpo

当前筛选 #grpo清除筛选
GitHub Trends

@githubtrending · Post #14958 · 14.07.2025 г., 12:30

#python#agent#agentic_ai#grpo#kimi_ai#llms#lora#qwen#qwen3#reinforcement_learning#rl ART is a tool that helps you train smart agents for real-world tasks using reinforcement learning, especially with the GRPO method. The standout feature is RULER, which lets you skip the hard work of designing reward functions by using a large language model to automatically score how well your agent is doing—just describe your task, and RULER takes care of the rest. This makes building and improving agents much faster and easier, works for any task, and often performs as well as or better than hand-crafted rewards. You can install ART with a simple command and start training agents right away, even on your own computer or with cloud resources. https://github.com/OpenPipe/ART