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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #404 · 30.06

На днях предъявили обвинение разработчику, который создавал и продавал бота для игры в World of Tanks. Собираются его посадить на 1.5 года. Программист из Екатеринбурга Андрей Кирсанов несколько лет назад написал бота, который сканирует экран и сам двигает мышкой так, чтобы целиться вместо игрока и увеличивать шансы попадания в уязвимые части брони в игре World of Tanks. Компания Wargaming обратилась в МВД, произвели контрольную закупку и установили, что продаётся якобы вредоносный софт. Начался суд, прокуратура предлагает посадить. Сходу кажется, что бот для игры не подходит под определение вредоносного софта: он не внедряется в память другой программы, не ворует деньги, не взламывает никакие пароли. Судят по статье 273 УК РФ за создание программы для «несанкционированного уничтожения, блокирования, модификации, копирования компьютерной информации». Но в комментариях на Хабре справедливо заметили, что информация о пользовательском вводе — это тоже информация, а бот её подделывает. Причем, читеры наносят ущерб внутренней экономике игры, а, значит, создают косвенные убытки для компании: игроки менее охотно захотят платить в игре, если в ней они постоянно проигрывают. В Корее, например, есть вполне официальная статья за читы. Они там помешаны на киберспорте, для них видеоигры это часть национальной идентичности, так что использование читов вполне серьёзно приравнивается к использованию допинга на крупных спортивных состязаниях, и может даже уголовно наказываться. То есть, вот непонятно. Вроде бы это всё игрушки и звучит смешно. А вроде бы всё сходится: подделка данных есть, экономический ущерб есть, да и вообще вред для большого количества людей. В 2022 странно было бы всерьёз считать игры какой-то несерьёзной детской забавой, не влияющей на рынок и взаимоотношения взрослых людей. #games

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #efficientmodels

当前筛选 #efficientmodels清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8519 · 11.09.2025 г., 18:21

🚀 Релиз:Qwen3-Next-80B-A3B - эффективная модель заточенная на работа работу с очень длинным контекстом! 🔹80B параметров, но активируется только 3B на токен → тренировка и инференс 10x дешевле и быстрее, чем у Qwen3-32B (особенно при 32K+ контексте). 🔹Гибридная архитектура: Gated DeltaNet + Gated Attention → сочетает скорость и точность. 🔹Ultra-sparse MoE: 512 экспертов, маршрутизируется 10 + 1 общий. 🔹Multi-Token Prediction → ускоренное speculative decoding. 🔹 По производительности обходит Qwen3-32B и приближается к Qwen3-235B в рассуждениях и long-context задачах. 🟢Qwen3-Next-80B-A3B-Instruct показатели почти на уровне 235B flagship. 🟢Qwen3-Next-80B-A3B-Thinking превосходит Gemini-2.5-Flash-Thinking. ▪Попробовать: https://chat.qwen.ai ▪Анонс: https://qwen.ai/blog?id=4074cca80393150c248e508aa62983f9cb7d27cd&from=research.latest-advancements-list ▪ HuggingFace: https://huggingface.co/collections/Qwen/qwen3-next-68c25fd6838e585db8eeea9d ▪ ModelScope: https://modelscope.cn/collections/Qwen3-Next-c314f23bd0264a ▪Kaggle: https://kaggle.com/models/qwen-lm/qwen3-next-80b ▪ Alibaba Cloud API: https://alibabacloud.com/help/en/model-studio/models#c5414da58bjgj @ai_machinelearning_big_data #AI#LLM#Qwen#DeepLearning#MoE#EfficientModels#LongContext#Reasonin