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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #274 · 29.03

1 апреля в Петербурге собираются запустить отмену маршруток в соответствии с так называемой Новой Моделью Транспортного Обслуживания. Маршрутные такси появляются, как ответ бизнеса на несовершенство городской транспортной системы. Одни такси просто дублируют существующие маршруты автобусов и троллейбусов, потому что поток слишком большой. Другие — возят людей там, где автобусы вообще не ходят, или ходят неудобно. Например, от моего дома до Пионерской маршрутка есть, а никакого другого транспорта нет. В хорошо спроектированной городской среде маршрутных такси не должно существовать вообще. Они обычно в плохом техническом состоянии, а их водители совершают много небезопасных манёвров и постоянно нарушают ПДД. Так что, инициатива, безусловно, очень благая по своему замыслу. Но вопросы, как обычно, к реализации. Планируется для начала запустить 864 новых автобуса, а до конца программы — 2800. Эти автобусы должны перекрывать текущие популярные маршруты. Проблема в том, что у Петербурга довольно плохо дела с выделенными полосами под общественный транспорт. Там, где они есть, их соблюдение контролируется не очень хорошо. Но в большинстве мест, где вообще нужны автобусы, таких выделенных полос нет вообще. У нас радиальная структура метро без кольца, а, значит, перемещение на наземном транспорте особенно актуально на удалении от центра — и как раз там автобусы стоят в тех же самых пробках, что и автомобили. То есть мера хорошая с точки зрения безопасности — водители автобусов всё-таки адекватнее, чем водители маршруток, и сам автобус не так провоцирует агрессию. А ещё в нём обычно больше места, гарантированная оплата проездными, дешевле, комфортнее, не нужно самому открывать дверь итд. В новых автобусах, кстати, обещают USB-зарядки. Но мера всё равно половинчатая. Уж сколько лет урбанисты топят за трамвай, который нужно пускать по закрытым для автомобилей участкам -- например, разделительным полосам, или даже пешеходным улицам. Вот сейчас в итоге горбюджет потратит кучу денег, а мог бы потратить чуть больше, но в разы эффективнее. А, ещё в ОТ отменяют оплату наличкой. Давно пора. По мне бы так вообще везде отменять надо наличку. #life

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #2bitq

当前筛选 #2bitq清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #9516 · 13.02.2026 г., 15:23

🌟Tencent сжали 1.8B модель в 2 бита: 600 МБ веса и Dual-CoT на борту. Tencent Hunyuan выкатили open-source решение для тех, кто хочет запускать LLM локально на кофеварке. HY-1.8B-2Bit - модель, которую утрамбовали так плотно, что она занимает меньше места, чем многие современные мобильные приложения. Модель пилили методом Quantization-Aware Training, который в отличие от PTQ, позволяет адаптироваться к низкой разрядности весов еще на этапе тренировки. За основу взяли backbone Hunyuan-1.8B-Instruct и жестко сжали веса до 2 бит. При этом эффективный размер в памяти получился эквивалентен модели на 300М параметров, а физический вес получился всего 600 МБ. Что самое ценное - сохранили фичу Dual-CoT: модель умеет переключаться между быстрым мышлением для простых тасков и глубоким long-CoT для сложных. 🟡Бенчмарки 🟢По сравнению с fp16-учителем (1.8B), деградация метрик всего ~4%. Это очень мало для 2-битного квантования. 🟢Разница в точности на сравнении с INT4 ничтожна - 0.13%, хотя весит модель в 2 раза меньше. 🟢Если взять плотную модель на 0.5B параметров, то HY-1.8B-2Bit обходит ее в среднем на 16-17%. На GSM8K разрыв вообще дикий: +22.29%. 🟢Prefill ускорился в 3-8 раз, генерация токенов - в 2-3 раза на поддерживаемом железе. 🟡Жирный нюанс Текущая реализация требует поддержки инструкций Arm SME2. Это значит, что вся эта красота заведется только на Apple M4 и MediaTek Dimensity 9500. Если у вас M1/M2 или Snapdragon прошлых поколений - пока мимо. Разработчики обещают подвезти Neon kernel позже. Кстати, GGUF тоже есть, так что если под рукой есть M4 - можно тестить. Остальным остается ждать оптимизации под старые инструкции. 🟡Модель 🟡GGUF 🟡Техотчет 🖥GitHub @ai_machinelearning_big_data #AI#ML#SLM#2bitQ#Tencent