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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #396 · 22.06

Прегледай публикациятаВиж оригинала

Попробовал Github Copilot. Это проект, в рамках которого Гитхаб обучил нейросеть на миллионах строк программного кода, загруженного людьми, и теперь она вроде как способна предлагать автоматическое дополнение к тому, что вы пишете. В теории, если вы напишете название функции, например public int Fibonacci(int n), то она сразу предложит вам автоматически подставить всё остальное. Конкретно с этим примером система действительно справляется, но в целом впечатления у меня от неё смешанные, и на мой взгляд она пока что не стоит тех $10 в месяц, которые за неё просят после тестового двухмесячного периода. Я уже писал ранее о своём отношении к нейросетям. В задачах дополнения данных они работают средненько: значимый процент решений будет с ошибками. Вот и здесь — сначала я подумал, что Copilot сможет за меня копипастить популярные однотипные куски кода из интернета. Например, я не помню алгоритм Вагнера-Фишера, постоянно его копирую из своих других проектов, часть из которых выложена на Github и наверняка была передана в обучение Copilot. Я предложил нейросетям мне этот алгоритм написать, они написали что-то отдалённо похожее. Внешне выглядело убедительно и даже компилировалось, но работало неправильно, и при ближайшем рассмотрении оказалось, что там просто случайно надёрганные строчки из настоящего алгоритма. Некоторые проверки по 2 раза, а часть нужной логики упущено совсем. Об оформлении кода вообще говорить не стоит: пока всё, что мне выдавалось, оформлено плохо, и на ревью я бы написал разработчику несколько замечаний. Однако, в других местах работает, как задумано. Если у вас есть дуальные функции, оно умеет предлагать дописать остаток (пример на скриншоте ниже). Но из того, что я попробовал, только процентов 20 случаев реально были полезны. Остальные 80% или вообще неверный код, или правильный, но такой неаккуратный, что лучше самому написать. Есть ещё проблема: массовый копипаст довольно опасен, потому что легко пропустить какую-то мелочь. В идеале нужно весь вставленный код проверять построчно, но по когнитивной нагрузке это близко к тому, чтобы создать его самостоятельно. И человеческое внимание совершенно точно будет расслабляться и размываться при работе с такими средствами автодополнения, а, значит, неизбежны ошибки. На месте чувствительной к багам энтерпрайз-разработки я бы вообще запрещал бы своим сотрудникам применять Copilot. С другой стороны, возможно, подобная утилита хорошо зайдёт для прототипирования, на хакатонах, на стримах с демонстрацией разработки чего-нибудь. У меня будет возможность проверить на соревновании через месяц, но в работе скорее всего отключу. #dev

Hashtags

#dev
Резултати

Намерени 33 подобни публикации

Търсене: #wan

当前筛选 #wan清除筛选
Pro Analysis

@proanalysistrader · Post #27930 · 13.09.2024 г., 16:03

Намери подобниПрегледай

#WAN/USDT analysis : #WAN is experiencing strong bullish momentum. It has already broken above the 200 EMA and is maintaining its position above it. The price is anticipated to continue its upward trajectory and test previous highs. TF : 4H Entry : $0.1729 Target : $0.1831 SL : $0.1658

Hashtags

#wan
Pro Analysis

@proanalysistrader · Post #27834 · 13.08.2024 г., 00:31

Намери подобниПрегледай

#WAN/USDT analysis : #WAN is trading in the resistance zone below the 200 EMA. It is expected that the price gonna face rejection at this level and continue moving downwards. It is advisable to wait for the price to break below the $0.1563 level for an entry. TF : 2H Entry : $0.1563 Target : $0.1329 SL : $0.1636

Hashtags

#wan
Crypto Profit Coach™

@cryptoprofitcoach · Post #9170 · 08.11.2025 г., 05:55

Намери подобниПрегледай

#WAN https://www.binance.com/en/trade/WAN_BTC Current rate 70-72 Technical Signal Bullish above 65🔼🔼 death zone below 65🔽🔽 (under monitoring tag don't trade without SL) Sell 🤑 80 🤑 80-90 🤑 90-100 🚀 100-110 & above

Hashtags

#wan
Machinelearning

@ai_machinelearning_big_data · Post #8369 · 26.08.2025 г., 19:20

Намери подобниПрегледай

🚀 Wan2.2-S2V — модель с 14 миллиардами параметров для генерации видео кинематографического качества на основе аудио. 🎬 Новая версия Wan способна превращать статичные изображения и аудио в динамичные видео с реалистичными выражениями лиц, естественными движениями тела и профессиональной работой камеры. ✨Ключевые особенности: - Высокая динамическая согласованность — модель генерирует плавную и устойчивую анимацию на протяжении всего видео - Высокое качество аудио-видео синхронизации — точное соответствие мимики и артикуляции звуку - Контроль движения и среды через текстовые промпты — возможно задавать жесты, эмоции, фон и поведение персонажа (например, человек «идёт по рельсам», «девочка поёт под дождём», «старик играет на пианино у моря») - Поддержка сложных сценариев — включая движение камеры, дождь, ветер, парашют, съёмку в движущемся поезде и другие кинематографические эффекты 🖼️ + 🎵 = 🎥 Wan2.2-S2V принимает на вход одно изображение и аудиофайл, а на выходе создаёт синхронизированное видео, соответствующее заданному промпту. 📊По результатам тестов модель демонстрирует лучшие или близкие к лучшим показатели среди конкурентов: - FID ↓ 15.66 — высокое качество видео - EFID ↓ 0.283 — естественность выражения лица - CSIM ↑ 0.677 — сохранение идентичности персонажа - Хорошие результаты на SSIM, PSNR и Sync-C подтверждают визуальную чёткость, стабильность и аудиосинхронизацию 🔓Проект полностью открытый — исходный код, веса модели. И судя по всему, что модель совместима с LoRA-адаптерами от Wan 2.x 🟢Попробовать онлайн: https://wan.video 🟢GitHub: https://github.com/Wan-Video/Wan2.2 🟢Проект: https://humanaigc.github.io/wan-s2v-webpage 🟢Декма на Hugging Face: https://huggingface.co/spaces/Wan-AI/Wan2.2-S2V 🟢Демо на ModelScope: https://modelscope.cn/studios/Wan-AI/Wan2.2-S2V 🟢Веса: https://huggingface.co/Wan-AI/Wan2.2-S2V-14B @ai_machinelearning_big_data #AI#ML#Wan

Hashtags

#ai#ml#wan
ForgetMe | Нейросети

@forgetmeai · Post #4842 · 29.07.2025 г., 09:02

Намери подобниПрегледай

⚡️Qwen представили Wan 2.2 — кинематографическая видеомодель с открытым исходным кодом Qwen выпустили Wan 2.2, и это первая в мире MoE-видеомодель в опенсорсе, способная на генерацию кинематографических видео с 720p/24fps. Что нового: 🟡MoE-архитектура, где диффузионные шаги обрабатываются специализированными экспертами — высокая детализация без перегруза по ресурсам. 🟡Продвинутый контроль сцены — можно задавать освещение, цвет, движения камеры и композицию. 🟡Три версии модели: • wan2.2-t2V-A14B — текст в видео • wan2.2-i2V-A14B — изображение в видео • wan2.2-TI2V-5B — объединённый режим (и текст, и картинка) Сильная сторона Wan 2.2 — анимация сложных движений и реалистичная передача эмоций, что может сильно пригодиться в генерации нарративных видео и короткометражек. 🤖 Попробовать: wan.video/welcome 📄 Код и модели: GitHub | Hugging Face 🤑ForgetMe | Boosty | ForgetBench | ForgetGPT | ForgetAPI #qwen#нейросети#новости#wan

Hashtags

#qwen#нейросети#новости#wan
ForgetMe | Нейросети

@forgetmeai · Post #4830 · 27.07.2025 г., 13:30

Намери подобниПрегледай

⚡️WAN 2.2 выходит в опенсорс уже 28 июля Новая версия видеогенеративной модели WAN 2.2 будет выложена в открытый доступ. Обновление ориентировано на кинематографичную генерацию и креативные сценарии. Прямая трансляция релиза состоится 28 июля в 15:00 по московскому времени (20:00 UTC+8). 🤑ForgetMe | Boosty | ForgetBench | ForgetGPT | ForgetAPI #новости#нейросети#wan#qwen

Hashtags

#новости#нейросети#wan#qwen
123
← ПредишнаСтр. 1 от 3Следваща →