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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #309 · 20.04

Проблема нового Бэтмена в том, что там герой ничего не делает и ни для чего не нужен. Вообще, я могу купить идею «Сделаем Бэтмена реалистичным не так, как попытался Нолан, а по-своему, в драматически-беспросветном стиле». Но у этого подхода есть проблема: в попытке стать реалистичным он стал заурядным. Кино не зря показывает, как люди с недоумением косятся на него в костюме, поскольку это плохо согласуется с реализмом. Посудите сами: если у нас вселенная, где костюм с ушами воспринимается, как что-то серьёзное и угрожающее (а не что-то детское и нелепое), то мы, наверное, ожидаем и относительно фантастических технологий, и некоторой запредельной типично комиксовой крутости героя. А здесь: боевые сцены совсем не впечатляют, но не из-за того, что сделаны плохо, просто они по-реалистичному надрывные и сумбурные. Это уместно в каком-нибудь Крепком Орешке, но там и герой не в костюме. Ладно, по канону Бэтмен не только ниндзя и миллиардер с технологиями, но ещё и невероятно умный детектив. Может, хоть здесь фильм не проседает? Увы. Герой, конечно, разгадывает загадки Риддлера, но, если внимательно посмотреть, то смысла в этом нет никакого. Полное отсутствие разгадок привело бы персонажей ровно к такому же результату. Одного злодея вяжут из-за аудиозаписи, к которой сам Бэтмен не имеет отношения. Другого палят простые копы почти случайно. Последние события вообще развиваются независимо от решения. В итоге мы получили фильм про Бэтмена, который вроде бы и показывает нам реалистичного персонажа, а с другой стороны делает его скучным и бесполезным на протяжении всего хронометража. #fiction

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #optimizatio

当前筛选 #optimizatio清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8587 · 19.09.2025 г., 09:09

🚀 SakanaAI представил Robust Agentic CUDA Kernel Optimization Это новый подход, где LLM помогает оптимизировать CUDA-ядра для PyTorch. • Слияние операций ускоряет forward/backward-проходы, результаты выше стандартных Torch-базлайнов • Полный пайплайн: PyTorch → генерация CUDA-кода → эволюционная оптимизация во время работы • Проверка через LLM: модели автоматически отмечают неправильные ядра (дает +30% к производительности) • robust-kbench — собственный бенчмарк, где измеряют не только скорость, но и корректность работы LLM Авторы пишут о 2.5x ускорении над PyTorch eager и даже 6x в линейных операциях❗️ Но большинство примеров — это тесты на слияние операций с неотюненной базой, так что цифры спорные. К тому же PyTorch 2.5 уже внедряет похожие оптимизации ), поэтому такие рекорды могут быстро обесцениться. Это интересный подход к самообучающимся AI-компиляторам, но заявленные ускорения стоит проверять на праактике. 🟢Github: https://github.com/SakanaAI/robust-kbench 🟢Статья: https://arxiv.org/abs/2509.14279 @ai_machinelearning_big_data #AI#CUDA#PyTorch#SakanaAI#LLM#Optimizatio