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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #260 · 18.03

Закончил «Город и звёзды» Артура Кларка. Книга 1956 года на минуточку! И первое длинное произведение Кларка, которое я прочитал. Обычно для того, чтобы случился сюжет, нужен конфликт. Здесь же в некотором смысле конфликтом является отсутствие конфликтов. Сверхдалёкое будущее — миллиард лет вперёд от нашего времени. Земля давно превратилась в безжизненную пустыню, но остался один последний город, накрытый куполом и полностью поддерживающий сам себя. Город является гигантским искусственным интеллектом, способным управлять материей на атомном уровне, за счёт чего никакие вещи и здания в нём никогда не изнашиваются, автор описывает его буквально как застывший во времени. С помощью этой же технологии у людей решены абсолютно все проблемы: любой требуемый предмет мгновенно материализуется мысленной командой компьютеру, тела людей почти не стареют, не болеют, все возможные травмы излечиваются. Любопытно решена проблема бессмертия. Человеческий разум не справляется с памятью дольше определённой длины, поэтому при достижении тысячелетнего возраста каждый человек редактирует свои воспоминания, отмечая, что в своей личности он хотел бы оставить, а что убрать. После чего его сознание — уже с правками — помещается в память компьютера. И в произвольный момент в будущем будет создано новое молодое тело с этим сознанием, которое тоже проживёт 1000 лет. В памяти компьютера находятся сотни миллионов людей, но в городе одновременно живут около 10млн, и компьютер сам решает, кого и когда воскресить. Таким образом, в любой момент времени в городе живёт подмножество одних и тех же людей. Под куполом вечное лето и вечный день (люди больше не спят, это стало не нужно), нет никакой необходимости выполнять какую-то работу или выживать. Поэтому с нашей точки зрения жизнь местных удивительно скучна. Они столетиями развлекаются и играют в видеоигры — при этом разум человека погружается в аналог Матрицы, виртуальный мир с полной передачей всех ощущений, и ещё дополнительно в сознании блокируются участки памяти таким образом, чтобы ты частично осознавал себя настоящим персонажем игры. Деторождение тоже не нужно и давно утеряно. Семьи есть только условно — одни люди помогают другим, только что воскрешённым, постепенно пробуждать воспоминания из своей предыдущей жизни. Секс остался как что-то второстепенное, наряду с тысячами других видов досуга. Роман очень хорошо показывает, что иметь решение какой-то проблемы может быть хуже, чем не иметь. И вообще, наша жизнь во многом состоит в борьбе, преодолении, расширении границ познания и исследовании. Именно это делает её интересной, обладающей смыслом, а полное отсутствие такого смысла выглядит как смерть, даже при формально живом теле, продолжающем вести деятельность. Книга местами затянута, а некоторые повешенные на стены ружья так и не выстрелили. Но всё равно я получил изрядную долю удовольствия и новых размышлений, так что любителям фантастики рекомендую. #fiction

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #llmarena

当前筛选 #llmarena清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8560 · 16.09.2025 г., 16:22

🔥 Как реально выбирают LLM в 2025 — исследование LLM Arena Интересный опрос практиков (инженеров, ML-учёных, AI-продуктов) - как сегодня на самом деле выбирают языковые модели (LLM), что важнее: бенчмарки или собственные тесты, цена/скорость/качество, и чего не хватает в информации по моделям. 📊Ключевые выводы - 82,2% респондентов проводят собственные тесты; бенчмарки — лишь ориентир, не решение. - 26,7% вообще не пользуются бенчмарками. - В центре внимания: баланс качество / цена / скорость, устойчивость (без галлюцинаций), соответствие инфраструктуре. 👥 Участники опроса - 45 практиков с опытом работы с LLM-продуктами; все участники — профессионалы. - ML/AI Инженеры, Data Scientists, AI-строители, и менеджмент. 🔑 Что ищут и какие сигналы важны: - Часто оценивают обсуждаемость модели в статьях/сообществе; практическое применение в похожих продуктах. - Обращают внимание на число скачиваний и звёзд на Hugging Face / GitHub. - Хотят больше данных о требованиях к железу, лицензиях, локальной работе, графиках “цена vs качество”, “скорость vs качество”. ⚠️Проблемы & доверие - Многие не доверяют существующим бенчмаркам из-за методологических проблем (train/test leakage, нерелевантность задач). - Лабораторные условия часто сильно отличаются от продакшн. - Нехватка отзывов по реальным сценариям и использованиям. При выборе LLM важнее собственные тесты и контекст задач, чем рейтинги. Специалисты хотят поточечных данных: про лицензии, требования к железу, latency, стоимость. Инициатор исследования Роман Куцев - фаундер и CEO LLM Arena, публикуют много интересного у себя в блоге. Для тех, кто строит LLM-продукты, полезно: - Не ориентироваться только на чужие бенчмарки. - Собирать метрики в собственных условиях — на реальных данных. - Открыто показывать, что работает, а что — нет, в документации и обсуждениях. 🟢 Полное исследование: https://research.llmarena.ru/ #LLM#AI#ИИ#LLMArena#исследование#нейросети#benchmarks