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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #133 · 6.01

В итоге все четыре сериала, которые выпустили Marvel за год, оказались в лучшем случае средненькими. Да, во всех есть реально крутые моменты, пасхалки, хороший неназойливый фан-сервис. Во всех есть хотя бы одна серия, которую смотришь с удовольствием от начала до конца, да и в целом ни один нет желания бросать на середине. Но послевкусие вообще нулевое, а оправданность ожиданий ниже плинтуса. Эмоций после просмотра практически не остаётся, не более чем прочитать абзац с важной информацией для дальнейшего понимания вселенной. Думаю, Марвел стали одновременно заложниками высокой планки и высокого бюджета. С одной стороны, после театральных блокбастеров ожидаешь как минимум не хуже. Хотя даже последние удаются компании, скажем честно, не каждый раз. С другой стороны, высочайшая стоимость серии — тут тебе и дорогие актеры, и дорогая картинка. В итоге серий приходится делать мало, и их не хватает, чтобы хорошо раскрыть персонажей (даже уже известных), и в особенности чтобы сформулировать и разрешить достаточно глубокий конфликт. Если бы мне год назад кто-то сказал, что, в принципе, все четыре сериала можно пропускать, и я даже как фанат вселенной особенно ничего не потеряю, я бы не поверил. Но увы. Самый сильный крах ожиданий был на Локи, естественно. Такой потенциал потеряли, эх. #fiction

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