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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #199 · 2.02

Закончил «Нейромант» Уильяма Гибсона. Для своего времени (середина восьмидесятых) это было прорывное произведение, которое если не изобрело, то закрепило жанр киберпанка в его текущем виде. Но мне не очень понравилось. Во-первых, иногда всё-таки плохо браться за чтение спустя много десятилетий. Книга ввела такой удачный мир, что заимствования из него с тех пор встречаются в фантастике постоянно. И особенно — в произведениях на тему киберпанка, компьютеров, хакерства и так далее. Умом я понимал, что сейчас вот читаю первоисточник, но эмоционально не отступало чувство, что я всё это уже видел в The Matrix, Deus Ex, Ghost in the Shell, Bladerunner, Cyberpunk, наконец! Во-вторых, профдеформация мешала мне серьёзно воспринимать те художественные образы, которыми автор описывал киберпространство и происходящее в нём. В целом аналогия красивая: цифровая защита в романе выглядит, как стена льда, а хакер проламывается сквозь неё, совершая некоторое сложное взаимодействие с узором этого льда. Но для меня местный виртуальный мир представлялся совсем уж наивным и нереалистичным. В-третьих, и это, пожалуй, самое главное — у меня были сложности с восприятием событий, действий героев, их мотивации. Я бы сказал, что текст написан тяжело (хотя, возможно, это проблема перевода). Ты не всегда понимаешь, какая именно сцена сейчас. Иногда совсем не понимаешь, почему герой внезапно что-то сказал или сделал. Ну и, в конце-концов, я не совсем понял основную сюжетную подоплёку. Понял, но не в деталях. В том числе причины, по которым персонажи что-то сделали или захотели сделать. Тем не менее, от процесса я удовольствие получал, бросить не хотелось, узнать развязку было любопытно. По этой книге можно было бы снять шикарнейший фильм, почти ничего не переделывая в сюжете. И важность этого произведения для мира переоценить сложно. Роман был очень популярен среди технарей того времени, многие из которых стали авторами первых языков программирования, гипертекстовой разметки, создавали первые компьютерные сети и так далее. Американский писатель Джек Уомак заметил интересную вещь: «Может ли быть так, что видение Гибсоном глобального информационного пространства в конечном счёте стало причиной, по которой Интернет сегодня выглядит так, как он выглядит, и работает так, как он работает?». #fiction

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #lmcache

当前筛选 #lmcache清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8027 · 11.07.2025 г., 12:05

🌟LMCache: умное кэширования для LLM-инференса. LMCache - проект, который предлагает решение по сохранению KV-кэша на CPU, диске или даже в специализированной памяти NIXL. По сути, это инструмент, который превращает одноразовые вычисления в многократно используемые блоки, экономя время и ресурсы. Представьте, что в чат-боте пользователи часто ссылаются на один и тот же системный промпт или историю диалога. Обычно модель заново обрабатывает эти данные, но LMCache просто загружает готовый кэш. Выгрузка KV-кэшей освобождает GPU для новых задач, уменьшая TTFT (время до первого токена) вплоть до 10 раз. 🟡LMCache гибкий. Кэши можно не только выгружать, но и делиться между разными инстансами LLM. Проще говоря, если два пользователя одновременно обращаются к разным копиям модели с одинаковым запросом, система не будет дублировать работу: результаты одного prefill’а станут доступны всем. Это работает даже для неполных префиксов, например, при частичном совпадении входных данных. 🟡LMCache умеет в раздельную предобработку. Prefill и decode, которые обычно выполняются на одном GPU, теперь могут быть разнесены: первый этап обрабатывается на мощных узлах, а второй на оптимизированных для генерации. Для распределенных систем такая техника повысит пропускную способность. Тесты разработчиков проекта показывают, что в реальных задачах задержка снижается в 3–10 раз, а GPU-циклы экономятся на повторных вычислениях. Проект тесно интегрируется с vLLM, в репозитории есть большой набор с примерами, документация и советы по установке и настройке. ⚠️Калькулятор KV-кеша с выбором модели, ее типа данных и количества токенов, который поможет прикинуть, сколько VRAM можно сэкономить. 📌Лицензирование: Apache 2.0 License. 🖥Github @ai_machinelearning_big_data #AI#ML#LLM#LMCache#KVCache#Github