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: #lplb

当前筛选 #lplb清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #9025 · 20.11.2025 г., 12:15

💡DeepSeek выложили новый open-source проект — LPLB. Это экспериментальный балансировщик нагрузки для моделей Mixture-of-Experts (MoE). В репозитории описано, как система: • динамически перераспределяет экспертов, опираясь на статистику нагрузки; • создаёт реплики с учётом топологии кластера; • решает оптимальное распределение токенов по экспертам через LP-решатель, работающий прямо на GPU (cuSolverDx + cuBLASDx); • использует метрики загрузки, полученные вручную, через torch.distributed или через буферы Deep-EP. Гайд показывает, как может выглядеть умный и точный балансировщик для больших MoE-архитектур. GitHub: https://github.com/deepseek-ai/LPLB ai_machinelearning_big_data #DeepSeek#LPLB#MoE#AIInfrastructure#OpenSource