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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #348 · 18.05

Я уже когда-то говорил, что, как пилот дрона, обращаю много внимания на висящие провода в городе. Когда был в Москве, тоже смотрел наверх, и, кажется, проводов там прям намного меньше: я почти не встречал жутких переплетений даже в центре, да и редкий одинокий кабель через улицу в спальном районе Москвы куда менее частое зрелище, чем в Петербурге. Зависит ли это от в среднем бОльшего расстояния между домами, из-за которого провода натягивать труднее? Или есть какое-то регулирование? Вообще, существуют ли нормы в этом вопросе? Может ли мне кто-то помешать просто так взять и натянуть провод между домами в произвольном месте? Есть ли случаи, когда людей за это действительно привлекали? Сейчас мне кажется, что в Петербурге этот вопрос полностью заброшен, и любой человек может творить с воздушным пространством между домами почти всё, что хочет, если только это не запрещённая вывеска. По крайней мере, за проводами вряд ли кто-то вообще следит. Особенно это заметно в центре: мало где над центральными улицами нет адской волосни. Один из признаков того, что городским властям не наплевать на облик города — это как раз регулирование таких вопросов. Фотографию я сделал сегодня недалеко от Восстания.#life

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #fp8

当前筛选 #fp8清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8721 · 08.10.2025 г., 18:50

✔️Ling-1T - новая модель от inclusionAI с 1 триллионом параметров Модель на 1 трлн, из них ≈ 50 млрд активны на токен (MoE-архитектура). Она обучена на 20 трлн+ токенов, специально отобранных для задач логического мышления и рассуждений. Контекст: 128 000 токенов. Построена на базе Evo-CoT (Evolutionary Chain of Thought) и Linguistics-Unit RL - нового метода обучения для масштабируемых рассуждений. При помощи Evo-CoT модель постепенно улучшает баланс между точностью рассуждений и вычислительной эффективностью. То есть с каждым шагом она пытается делать рассуждения «глубже», но не слишком дорого по ресурсам. Моделька демонстрирует сильные результаты в задачах кода, математики, логики и фронтенд-генерации. В архитектуре задействованы Mixture-of-Experts (1/32 активация), MTP слои и маршрутизация экспертов. Ling-1T показывает, что огромные модели можно сделать не только мощными, но и экономичными. https://huggingface.co/inclusionAI/Ling-1T @ai_machinelearning_big_data #Ling1T#AI#ML#OpenSource#Reasoning#TrillionScale#FP8