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: #speculativedecoding

当前筛选 #speculativedecoding清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8524 · 12.09.2025 г., 11:00

⚡Speculative Cascades — как ускорить работу LLM Google Research придумали новый способ сделать большие языковые модели быстрее и дешевле. Что это такое: 🔹Каскады Сначала отвечает маленькая модель. Если задача слишком сложная - подключается большая. Так экономятся ресурсы, но качество может прыгать. 🔹Спекулятивная декодировка Маленькая модель угадывает сразу несколько слов вперёд. Большая быстро проверяет данные и подтверждает. Скорость выше, но большая модель всё равно тратит много ресурсов. 🟢Speculative Cascades Это комбинация: маленькая модель иногда отвечает полностью сама, а иногда используется как ускоритель для большой. В итоге получаем меньше затрат, больше скорости и то же качество. 🔥Что показали тесты (тестили на Gemma, T5): - быстрее, чем обычная спекулятивная декодировка - дешевле и качественнее, чем каскады - удобнее настраивать баланс «скорость ↔ качество» При том же уровне качества, что и у спекулятивной декодировки, новый метод работает быстрее (генерирует больше токенов за один вызов большой модели). А в задачах математических рассуждений получен явный апгрейд по скорости при сохранении или даже улучшении качества. LLM всё чаще используются в поиске, чатах, ассистентах. Чтобы они реально были полезными, их нужно ускорять и удешевлять. *Speculative cascades* помогают это сделать без потери качества. 🔗Подробнее: https://research.google/blog/speculative-cascades-a-hybrid-approach-for-smarter-faster-llm-inference/ @ai_machinelearning_big_data #AI#LLM#Inference#SpeculativeDecoding#Cascades#GoogleResearch