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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #441 · 9.07

Раньше был Букинг для аренды отелей, а теперь Островок и похожие сервисы. И там везде есть рейтинг от 0 до 10. Как я понимаю, на рейтинг сильно смотрят, когда принимают решение, какой отель взять. Ну я вот точно смотрю. По пути туда в Петрозаводске мы останавливались в Piter Inn — крутой топовый отель за много денег. У него был ожидаемо высокий рейтинг, и он этот рейтинг оправдывает. По пути обратно мы, как вы знаете, остановились нештатно. Крутые отели были заняты, и пришлось взять дешёвый. Он был ожидаемо убогонький по обстановке и оснащению, с низким рейтингом. Однако, персонал в последнем отеле общался с нами очень вежливо и выполнил нестандартные просьбы, бельё было чистое, вообще никаких претензий у нас не возникло. И я вот подумал: в рамках своей цены дешёвый отель тоже себя полностью оправдывает. Он просто существует в другом классе — дешёвые номера, чтобы быстро переночевать. Но внутри своего класса он справляется хорошо. Должен ли у него быть ниже рейтинг? С одной стороны вроде да, ведь рейтинг используется для сравнения отелей между собой, и дешёвый точно проигрывает дорогому по всем параметрам, кроме цены. С другой стороны, если у нас рейтинговая шкала абсолютная, то как вообще награждать и продвигать хорошие вещи в более дешёвых классах? Тогда 9-10 будет только у супер дорогих, а что-то попроще — даже образцовое — упрется в потолок. В такси же в экономе у водителя может быть 5 звёзд, если машина чистая, а сам он аккуратно водит. #life

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