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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #347 · 17.05

У Star Trek: Strange New Worlds неплохой старт. Может даже получится что-то дельное. Энсон Маунт, который играет капитана, весьма харизматичен и отлично подходит на эту роль. Впрочем, у Star Trek: Discovery тоже был хороший старт с любопытным ответвлённым сюжетом, и интересный персонаж в исполнении Джейсона Айзекса, но потом и он ушел, и всё скатилось в какой-то трэш. Это я вам как адский фанат космофантастики говорю, смотревший все сериалы франшизы, кроме классических. Вообще, сюжет в стиле "Команда космического корабля с пафосом приключается" много где обыграли и в серьёзной и в шуточной форме. Недостатков у подобной модели полно: взрослые люди в повествовании нередко ведут себя очень нелепо и театрально, космос нереалистично перенаселён и цветаст, а "научная" составляющая — просто мешанина технических терминов в духе "Резонанс силовых катушек в варп-двигателе!". Тем не менее, две вещи мне нравятся. Во-первых, художественное отображение тех или иных качеств людей в виде инопланетных рас. А это именно оно: вот вам раса умников и ботаников (вулканцы), вот вам раса агрессивных воителей (клингоны), а вот раса хитроумных мошенников (ференги). Маловероятно, что в реальности другая разумная цивилизация сплошь состояла бы из особей с каким-то характерным выраженным свойством. Если среди людей есть и умники, и агрессоры и мошенники, то совершенно непонятно, почему любая иная жизнь складывалась бы как-то иначе. Среди инопланетян в теории тоже должны быть абсолютно разные представители: умные, глупые, любящие людей, ненавидящие людей, добрые, агрессивные итд. Так что да: пришельцы в этих сериалах это, конечно же, вычурное изображение людей. И оно позволяет хоть и гротескно, но чётко и однозначно показывать некоторые человеческие особенности. Я люблю простоту и прямолинейность, до некоторой степени люблю обобщения, и, как вы помните, считаю людей не такими разными, какими они считают себя сами — так что во мне такие образы отлично откликаются. Во-вторых, акцент на социологии и дипломатии, и фигура капитана, как универсального переговорщика и лидера. Проблемы в большинстве случаев решают не оружием и силой, а попыткой понять и договориться. По сюжету Энтерпрайз вообще научный корабль, имеющий на борту торпеды лишь номинально. Так вот, что внутренние распри команды, что сложности, приходящие извне: как правило решаются или дипломатией или высоким профессионализмом и смекалкой различных членов экипажа. Герои не обладают сверхсилами, но нередко сталкиваются со сверхсильным противником. Нечто похожее нам пытаются показать в "Докторе Кто", но там как-то всё менее строго и лично у меня чаще отключает приостановку неверия. Discovery я бросил, кажется, после второго сезона. Picard вообще не начинал: на мой взгляд это просто эксплуатация фанбазы, пожалели бы престарелых актёров! Посмотрим, как долго Strange New Worlds сможет удерживать хотя бы минимальный интерес. #fiction

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