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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #399 · 25.06

Когда я впервые наткнулся на чит-коды в игре, мне было, кажется, лет 10-11. Я играл тогда в Quake II на самом первом семейном компьютере, и кто-то из старших друзей рассказал мне, что можно нажать кнопку с буквой Ё и ввести GOD, тогда не будешь умирать от выстрелов врагов. Я попробовал и удивился. «Почему авторы игры сделали такой простой способ выиграть?» — подумал тогда я. «Почему код это простое слово, а не какая-то длинная цифробуквенная комбинация, которую держат в секрете? Неужели авторы игры не хотели, чтобы игроки не узнали о существовании этого кода? Ведь тогда очень легко выиграть в эту игру, и все будут использовать код!» Я разумом не очень понимал тогда, что, в общем-то, суть игры как раз в создании для самого себя некоторых сложностей. С моей детской точки зрения игра была внешней средой, которая создаёт сложности, а я их должен преодолеть. Я не понимал, что разработчики без проблем могли сделать в игре кнопку «Выиграть», и её никто бы не нажимал, потому что люди играют в игры не для этого. Вообще, хороший баланс между сложностью и интересностью это как раз-таки отдельная не слишком простая задача в разработке игр. Я быстро узнал ещё про коды NOCLIP (проходить сквозь стены) и GIVE ALL (всё оружие). Я посмотрел всё оружие в игре, побегал по уже открытым уровням и забросил игру. Так я Quake II в своей жизни и не прошёл, хотя он мне тогда очень нравился, и вообще это была чуть ли не единственная игра на компьютере. И я не понимал, почему его бросил, а понял уже потом, через много лет. Подозреваю, в жизни что-то похожее: нужен баланс между сложностью и интересностью. Если вам сложно, вы выживаете и каждый день сражаетесь за существование, то жить вам тяжело и не слишком приятно. Но и если всё легко, вы не сталкиваетесь ни с какими серьёзными проблемами, у вас есть всё желаемое по волшебству — жить тоже не будет слишком интересно, по крайней мере, в перспективе. P.S. Там вроде как давно уже выпустили Quake II RTX с обновлённой графикой. Надо бы, наверное, скачать заценить, как время будет. И читы не вводить ни в коем случае. #games

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #2bitq

当前筛选 #2bitq清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #9516 · 13.02.2026 г., 15:23

🌟Tencent сжали 1.8B модель в 2 бита: 600 МБ веса и Dual-CoT на борту. Tencent Hunyuan выкатили open-source решение для тех, кто хочет запускать LLM локально на кофеварке. HY-1.8B-2Bit - модель, которую утрамбовали так плотно, что она занимает меньше места, чем многие современные мобильные приложения. Модель пилили методом Quantization-Aware Training, который в отличие от PTQ, позволяет адаптироваться к низкой разрядности весов еще на этапе тренировки. За основу взяли backbone Hunyuan-1.8B-Instruct и жестко сжали веса до 2 бит. При этом эффективный размер в памяти получился эквивалентен модели на 300М параметров, а физический вес получился всего 600 МБ. Что самое ценное - сохранили фичу Dual-CoT: модель умеет переключаться между быстрым мышлением для простых тасков и глубоким long-CoT для сложных. 🟡Бенчмарки 🟢По сравнению с fp16-учителем (1.8B), деградация метрик всего ~4%. Это очень мало для 2-битного квантования. 🟢Разница в точности на сравнении с INT4 ничтожна - 0.13%, хотя весит модель в 2 раза меньше. 🟢Если взять плотную модель на 0.5B параметров, то HY-1.8B-2Bit обходит ее в среднем на 16-17%. На GSM8K разрыв вообще дикий: +22.29%. 🟢Prefill ускорился в 3-8 раз, генерация токенов - в 2-3 раза на поддерживаемом железе. 🟡Жирный нюанс Текущая реализация требует поддержки инструкций Arm SME2. Это значит, что вся эта красота заведется только на Apple M4 и MediaTek Dimensity 9500. Если у вас M1/M2 или Snapdragon прошлых поколений - пока мимо. Разработчики обещают подвезти Neon kernel позже. Кстати, GGUF тоже есть, так что если под рукой есть M4 - можно тестить. Остальным остается ждать оптимизации под старые инструкции. 🟡Модель 🟡GGUF 🟡Техотчет 🖥GitHub @ai_machinelearning_big_data #AI#ML#SLM#2bitQ#Tencent