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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #25 · 22.05

В старших классах меня привели в мир настоящих настольных игр (то есть не Монополия и не карточный дурак, а прям серьёзные вещи со стратегией и глубиной). Мы с друзьями часами залипали в Сумерки Империи, и было это похоже на то, что вы могли видеть в подвале у героев Очень Странных Дел: «Я кидаю три кубика, чтобы атаковать колонистов на планете, и если захвачу её, получу дополнительный ресурс». Потом у меня был период казуалок и патигеймов (то есть игр для вечеринок вроде «Крокодила» и «Шляпы»). Я, как и многие вошедшие в мир настолок, в первую очередь покупал разные попсовые Манчкины, чтобы привлечь к настолкам своих друзей, которые в них не играли. Ну и, разумеется, использовал игры как средство социализации и знакомств. Ох, сколько десятков часов в Шляпу было наиграно на квартирниках... Но по мере взросления создание новых социальных связей перестало быть нужным: жену я нашёл, а круг друзей стабилизировался вокруг тех людей, с кем мы наиболее взаимно интересны друг другу. И, разумеется, все они либо уже привлечены к миру настольных игр, либо никогда не станут :) Так что сюжет сделал виток — я снова вернулся к глубоким долгим играм на небольшую компанию. И некоторые мои друзья регулярно поставляют мне информацию о новинках в этой области, советуют что-нибудь, приносят поиграть. Вот, например, один друг подсадил меня на Brass — игра на тему промышленной революции в Великобритании в 18-19 веках. Это высочайшего качества «Еврогейм» (стратегия на менеджмент ресурсов) с очень сбалансированной механикой, в которой у вас несколько путей развития. Игра на текущий момент занимает 3 место по всему миру на самом популярном настолочном сайте BoardGameGeek. Если говорить грубо, то Brass — это такой Ticket To Ride, в котором вы строите сеть дорог не саму по себе, а для обеспечения экономической системы производства и продажи товаров. Важный плюс игры лично для меня: сильное влияние игроков друг на друга. Можно прокладывать дороги для доставки ресурсов и товаров другого игрока и получать за это бонус. А можно создавать ресурсы, которые нужны другим игрокам, и за это игра тоже вас наградит. У многих еврогеймов игроки копаются в своих собственных планшетах, и просто параллельно друг с другом набирают очки, а здесь же нужно очень внимательно следить за тем, что делают все. По сложности это игра для любителей глубоких стратегий — вы не посадите за неё ребёнка или казуального игрока. Первые 1-2 партии будете постоянно смотреть в правила и ошибаться в деталях, это нужно перетерпеть. Но она того стоит, играть очень интересно и не надоедает. Дополнительно в книжке есть небольшая историческая справка с обоснованием того или иного правила — мелочь, а приятно. #games

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #maitrix

当前筛选 #maitrix清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #7957 · 04.07.2025 г., 13:03

🌟WM-ABench: тестирование VL-моделей на понимание физики реального мира. Мaitrix Org разработали WM-ABench, бенчмарк для оценки VLM в качестве так называемых «моделей мира». Идея проста: проверить, насколько хорошо топовые модели способны не просто распознавать картинки, а понимать окружающую действительность и предсказывать ее изменения. Создатели, опираясь на когнитивную науку, создали фреймворк, который тестирует 15 самых популярных моделей по 23 параметрам, разделяя процесс на 2 ключевых этапа: восприятие и прогнозирование. В основе бенчмарка - огромный датасет из более чем 100 тысяч примеров, сгенерированных в 6 различных симуляторах, от ThreeDWorld и Physion до Carla. Чтобы модели не искали легких путей и не полагались на поверхностные совпадения, в тест добавили «сложные негативы» - контрфактические состояния, которые заставляют систему действительно анализировать происходящее. Весь процесс был разделен на оценку восприятия (распознавание объектов, пространства, времени, движения) и прогнозирования (симуляция физики, транзитивный и композиционный вывод). Для калибровки сложности задач были установлены базовые показатели, основанные на результатах людей. 🟡Результаты. С простым визуальным восприятием, то есть с определение цвета или формы, все модели справляются отлично. Однако когда дело доходит до трехмерного пространственного мышления, динамики движения или временных последовательностей, начинаются серьезные проблемы. Выяснилась и другая любопытная деталь: VLM склонны «спутывать» физические понятия. Например, если в сцене изменить только цвет объекта, модель может внезапно ошибиться в оценке его размера или скорости. Оказалось, что цвет и форма являются самыми влиятельными атрибутами, которые искажают восприятие других, не связанных с ними характеристик. 🟡Но главная проблема кроется глубже. Точное восприятие мира совершенно не гарантирует точного прогноза. Исследование показало, что даже при идеально верном распознавании текущего состояния сцены модели проваливают предсказание физических взаимодействий. Разрыв с человеческими способностями явный: в задачах на транзитивный вывод он достигает 46%, а композиционный вывод выполняется на уровне случайного угадывания. 🟡Бенчмарк подсветил фундаментальный недостаток: У современных VLM отсутствуют базовые знания физики, необходимые для симуляции даже простейших событий. Они видят мир, но не понимают, по каким законам он живет. 📌Лицензирование: Apache 2.0 License. 🟡Страница проекта 🟡Arxiv 🟡Датасет @ai_machinelearning_big_data #AI#ML#VLM#Benchmark#Maitrix