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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #481 · 1.08

Я вам уже писал об игре Satisfactory, которая является наследницей Factorio. А вот тут вышла статья (очень хороший перевод с английского), где сравнивают Factorio с программированием и мышлением разработчика, и становится понятно, почему мне так понравился жанр. Тут пишут, что сотрудникам компании Shopify компенсируют покупку Factorio. И вообще много интересных цитат: «Эта игра в конечном итоге создаёт у игроков привычку смотреть на каждую ситуацию под следующим углом: каков наилучший способ автоматизации этой задачи, и какие зависимости других механизмов подвергнутся угрозе, если я её автоматизирую?» «вы вряд ли сможете увеличить вес своей становой тяги в 50 раз. Но области, для которых это не так, занимают всё большую долю от общей экономической деятельности по очень тавтологической причине: их доля растёт, потому что именно они могут масштабироваться» Очень любопытное замечание. И ещё прикольное в конце: «Оказывается, у того, что некоторые задачи можно автоматизировать, есть и обратная сторона: это значит, что со временем всё большая доля общемировых проблем будет проистекать из задач, которые нельзя автоматизировать. Удачи вам с комбинированием вызовов API для решения проблемы ревности или высокомерия» #games#dev Сама статья: https://habr.com/ru/company/sportmaster_lab/blog/678038/

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #tuvanlanguage

当前筛选 #tuvanlanguage清除筛选

В 2023 мы с Айраной Монгуш и Давидом Дале сделали первый Тувинско-Русский ИИ переводчик — раньше Google и Яндекса. Опубликовали на конференции по машинному переводу WMT 2024. С тех пор я думал: а если без интернета? Прямо на телефоне? Взял Gemma3 1B, обучил на Colab, запустил на CPU. Вот скрин — живые переводы, ~500мс, без GPU. Модель пока сырая. Иногда галлюцинирует. Но когда попадает — попадает точно. Это работающая система. Дальше хочу добиться реального качества: — iOS через Core ML (моя основная среда) — 4-bit квантизация для мобильного — Правильно организовать "трубу" (пайплан) — основная проблема — Организовать более гибкий системный промпт (фью-шот промптинг) — Почистить датасет и обогатить синтетически — Сравнить несколько моделей — Выпустить офлайн-приложение для тувинцев 💬 Что сейчас работает для low-resource MT с ~300к парами? Интересно всё — архитектуры, трюки при обучении, способы улучшить качество на маленьком датасете. #NLP#Gemma3#iOS#CoreML#TuvanLanguage#EdgeAI#Google