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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #384 · 16.06

Сегодня был первый день конференции #DotNext, пока в онлайне (но офлайн тоже будет, в Петербурге 27-го июня, я пойду). Конференция для разработчиков на .NET, в первую очередь C# и связанные технологии. Особенно понравилась лекция про историю C#. Вот ниже схема, где стрелками обозначено влияние одного языка на другой в некоторых аспектах (хотя не во всех: например, Kotlin тоже взаимно повлиял на C#, скажем, датаклассы из него заимствованы, в C# это тип record). Ещё я не знал, что C# создал Андерс Хейлсберг — тот самый, который в своё время сделал Delphi. Это удивительно. Я когда-то начинал свой путь разработки именно с Delphi, сделал на нём много первых шагов. А теперь вот пишу на C# от того же автора, круг замкнулся. Ещё Хейлсберг один из авторов TypeScript: в общем, умеет мужик в языки! В ходе этой лекции было любопытно узнать или вспомнить, как всё-таки плохо во многих других языках с удобством совершенно типовых действий, начиная от обобщённого программирования и заканчивая ленивой обработкой или генерацией бесконечных множеств. Понятно, что человек ко всему привыкает, но переходить на другой язык после C# было бы болезненно, мне кажется. По крайней мере, для энтерпрайз разработки, где важна архитектура и статический анализ. Завтра второй онлайн-день, посмотрим, что будет там.#dev

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #smallmodel

当前筛选 #smallmodel清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8975 · 12.11.2025 г., 13:03

⭐VibeThinker-1.5B - миниатюрная модель, которая показывает SOTA-результаты в задачах рассуждения. 🚀Производительность: одна из лучших на AIME24/25 и HMMT25 - превосходит DeepSeek R1-0120 по математическим задачам и опережает модели такого же размера в соревновательном программировании. ⚡Эффективность: всего 1.5B параметров. то есть в 100–600 раз меньше, чем гиганты вроде Kimi K2 и DeepSeek R1. 💰Стоимость: полный пост-тренинг обошёлся всего в $7.8K, примерно в 30–60 раз дешевле, чем у DeepSeek R1 или MiniMax-M1. Модель основана на Spectrum-to-Signal Principle (SSP) и MGPO-фреймворке, оптимизирующих процесс рассуждения. 📦Model:https://huggingface.co/WeiboAI/VibeThinker-1.5B 💻GitHub:https://github.com/WeiboAI/VibeThinker 📄Arxiv:https://arxiv.org/abs/2511.06221 @ai_machinelearning_big_data #AI#LLM#Reasoning#OpenSource#SmallModel