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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #129 · 2.01

Твиттер — самая странная соцсеть. Начнем с того, что там никто не зарабатывает. Я ни разу не слышал, чтобы в твиттере кто-то получал доход от своего десятитысячного аккаунта. Хотя раскрутить такой аккаунт не проще, чем Ютуб до миллиона, а с него уже люди вполне себе живут и на работу не ходят. Но главное не это. Там очень своеобразная аудитория. Я имею ввиду тех, кто пишет очень часто, и вообще ведёт регулярную онлайн социальную активность именно в Твиттере. Так вот, там ярко выражена квинтэссенция либерально-молодёжной повестки: люди в депрессиях и на терапиях, с прогрессивными, но не работающими отношениями, с тревожностью и неуверенностью в себе, с видимой эмоциональной нестабильностью и ранимостью, незрелые адепты инфантильных идеологий. Читаешь как "Килл Ми Плиз", очень полезно — собственные проблемы кажутся незначительными. С другой стороны, именно эта аудитория в таком её состоянии производит самые смешные шутки, и вообще создает один из наиболее интеллектуальных и остроумных русскоязычных источников контента. А ещё там прям много пишут текстов, даже длинные рассказы оформляют "тредами" — цепочками ответов на собственные твиты. Во всём остальном интернете тексты убили дети, а в Твиттере тексты живут милостью невыросших взрослых. Достаточно умных, чтобы писать клёво, но недостаточно мудрых, чтобы разобраться со своей жизнью. Не знаю, как в англоязычном мире (кажется, не так), но в Рунете Твиттер это совершенно уникальное явление. #web

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #tuvanlanguage

当前筛选 #tuvanlanguage清除筛选

В 2023 мы с Айраной Монгуш и Давидом Дале сделали первый Тувинско-Русский ИИ переводчик — раньше Google и Яндекса. Опубликовали на конференции по машинному переводу WMT 2024. С тех пор я думал: а если без интернета? Прямо на телефоне? Взял Gemma3 1B, обучил на Colab, запустил на CPU. Вот скрин — живые переводы, ~500мс, без GPU. Модель пока сырая. Иногда галлюцинирует. Но когда попадает — попадает точно. Это работающая система. Дальше хочу добиться реального качества: — iOS через Core ML (моя основная среда) — 4-bit квантизация для мобильного — Правильно организовать "трубу" (пайплан) — основная проблема — Организовать более гибкий системный промпт (фью-шот промптинг) — Почистить датасет и обогатить синтетически — Сравнить несколько моделей — Выпустить офлайн-приложение для тувинцев 💬 Что сейчас работает для low-resource MT с ~300к парами? Интересно всё — архитектуры, трюки при обучении, способы улучшить качество на маленьком датасете. #NLP#Gemma3#iOS#CoreML#TuvanLanguage#EdgeAI#Google