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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #368 · 31.05

В первой серии нового сезона Stranger Things показывают баскетбольный матч, идущий параллельно с партией в настольную игру. Монтаж специально сделан такой, чтобы сопоставить эти две вещи: вот и там и там атака, а вот и там и там игроки в напряжении из-за сложностей, а вот им нужен командный дух итд. Игрок пафосно берет мяч / игрок пафосно берет кубик d20. Несколькими сценами ранее лидер движения настольщиков подшучивает над баскетболистами в стиле: "Вы задроты и занимаетесь какой-то ерундой, а мы вот реально интересными вещами". Да, именно так, настольщик говорит это баскетболисту, а не наоборот, как можно было подумать. Мысль о том, что гики и ботаники это новые популярные люди была раскрыта ещё 10 лет назад в фильме 21 Jump Street (который у нас к сожалению довольно глупо перевели как "Мачо и ботан"). Устарел классический стереотип американской школы — популярный спортивный парень, который играет в футбол или баскетбол, любимец девушек, не слишком умный интеллектуально и со скверным характером противопоставляется главному герою: умному, но несколько асоциальному ботанику. В фильме есть эпизод, когда герой говорит другу надеть рюкзак обеими лямками, как носят гики, потому что одной — как носили спортивные "хулиганы" — уже не модно и моветон. Герои Stranger Things размышляют об этом в первой серии: давайте, мол, перестанем быть задротами и начнем тусить с крутыми. Но в их реальности это выглядит не слишком правдоподобно. Эти парни и без того успешны, уверены в себе, обладают хорошим чувством юмора, над ними никто не стебется, у них есть девушки (одна из которых дважды спасла мир, чем не перестает хвастаться её парень). Не слишком веришь, что для них есть хоть какой-то резон стремиться в тусовки к простым и одномерным спортсменам-красавчикам. В Sex Education похожая тема: главный герой и внешне и по характеру откровенный ботаник, что не мешает ему ни иметь друзей, ни пользоваться уважением, ни даже влюбить в себя девушку из тусовки "популярных" пафосных чик. В фильме Wish I Was Here бородатый нерд создаёт себе костюм-скафандр для посещения комикс-конвента. Поначалу этот персонаж кажется тем, у кого вообще не бывает отношений в привычном нам смысле: слишком увлечённым какими-то "несерьёзными", "детскими" вещами, удалёнными от "настоящей реальной жизни". Его соседка — симпатичная девушка — приходит жаловаться на шум, и оказывается, что она тоже фанатка комиксов, тоже косплеер, у них завязываются отношения, один идут на конвент вместе. Это всё не выдумка. Киберспорт собирает стадионы, а стримеры и блогеры — новые звёзды. Теория Большого Взрыва долгое время была самым популярным сериалом в США. Абсолютные мировые топы по сборам в кино берут комиксы про супергероев. Рынок настольных игр взлетает в небеса, и давно вышел далеко за пределы каких-то банальных вещей вроде "Монополии", а тематические каналы на Ютубе ведут взрослые дядьки с семьями и детьми. Гик-культура больше не нишевая, теперь это просто культура. Я кидаю d20 и прохожу проверку на публикацию поста. #hobby#fiction

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