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: #llmarena

当前筛选 #llmarena清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8560 · 16.09.2025 г., 16:22

🔥 Как реально выбирают LLM в 2025 — исследование LLM Arena Интересный опрос практиков (инженеров, ML-учёных, AI-продуктов) - как сегодня на самом деле выбирают языковые модели (LLM), что важнее: бенчмарки или собственные тесты, цена/скорость/качество, и чего не хватает в информации по моделям. 📊Ключевые выводы - 82,2% респондентов проводят собственные тесты; бенчмарки — лишь ориентир, не решение. - 26,7% вообще не пользуются бенчмарками. - В центре внимания: баланс качество / цена / скорость, устойчивость (без галлюцинаций), соответствие инфраструктуре. 👥 Участники опроса - 45 практиков с опытом работы с LLM-продуктами; все участники — профессионалы. - ML/AI Инженеры, Data Scientists, AI-строители, и менеджмент. 🔑 Что ищут и какие сигналы важны: - Часто оценивают обсуждаемость модели в статьях/сообществе; практическое применение в похожих продуктах. - Обращают внимание на число скачиваний и звёзд на Hugging Face / GitHub. - Хотят больше данных о требованиях к железу, лицензиях, локальной работе, графиках “цена vs качество”, “скорость vs качество”. ⚠️Проблемы & доверие - Многие не доверяют существующим бенчмаркам из-за методологических проблем (train/test leakage, нерелевантность задач). - Лабораторные условия часто сильно отличаются от продакшн. - Нехватка отзывов по реальным сценариям и использованиям. При выборе LLM важнее собственные тесты и контекст задач, чем рейтинги. Специалисты хотят поточечных данных: про лицензии, требования к железу, latency, стоимость. Инициатор исследования Роман Куцев - фаундер и CEO LLM Arena, публикуют много интересного у себя в блоге. Для тех, кто строит LLM-продукты, полезно: - Не ориентироваться только на чужие бенчмарки. - Собирать метрики в собственных условиях — на реальных данных. - Открыто показывать, что работает, а что — нет, в документации и обсуждениях. 🟢 Полное исследование: https://research.llmarena.ru/ #LLM#AI#ИИ#LLMArena#исследование#нейросети#benchmarks