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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #50 · 15.06

Прегледай публикациятаВиж оригинала

В основном с друзьями играем в евро-настолки (стратегии на менеджмент ресурсов), но тут захотелось чего-то нового, и мне посоветовали Звёздные Войны: Внешнее Кольцо. Я, признаться, не фанат мифологии SW при всей своей любви к фантастике. Мне гораздо больше заходят вселенные вроде Startrek и Battlestar Galactica. А Star Wars делают мало акцента на вещах, традиционно любимых гиками — наука, технологии, особенности устройства общества будущего. Вообще это фентези-сага о магии и пиратах, просто в космосе. Однако, сюжетная настолка мне понравилась. Вы с другими игроками перемещаетесь на кораблях по космосу (который здесь представлен полукольцом) и попадаете в различные приключения. Плюс игры, в отличие от евро, в том, что ситуации действительно разные, неожиданные, каждая со своим сюжетным описанием. Минус ровно в этом же — после некоторого количества партий ты просто будешь знать все существующие карточки. Понятно, что такие игры выпускают под будущие дополнения. Но мы играем не очень часто и не всегда именно в неё, так что конкретно в моей компании хватит надолго. В остальном классическая система навыков персонажа — прокачиваешь себе, например, силу, и дальше попадаешь в заварушку в духе: «На вас напали разбойники. Вы пытаетесь свалить огромный ящик, чтобы защититься от выстрелов. Пройдите проверку на силу, при провале получите 2 повреждения». Чем выше прокачал — тем выше шанс пройти проверку (это бросок кубиков), но всегда есть вероятность провала, даже если ты очень сильный. Всё как в жизни. Очень легко представить себе, что ящик оказался тяжелее, чем ты думал, или, например, развалился от первого попадания. Сюжетные тексты + воображение + компания друзей = классное интерактивное времяпрепровождение, нередко интереснее, чем видеоигры. В первой партии я смог купить Сокол Тысячелетия и даже взять себе в экипаж Чубакку, но игру всё равно не выиграл. Уже хочется попробовать ещё. #games

Hashtags

#games
Резултати

Намерени 20 подобни публикации

Търсене: #train

当前筛选 #train清除筛选
Voir de ses propres yeux

@voir_yeux · Post #12448 · 07.04.2026 г., 14:03

Намери подобниПрегледай

🇫🇷 La situation sur les lieux de la collision entre un train à grande vitesse (TGV) et un poids lourd transportant du matériel militaire dans la commune de Nœux-les-Mines (Pas‑de‑Calais), dans le nord de la France. #france#train#collision

Hashtags

#france#train#collision
Machinelearning

@ai_machinelearning_big_data · Post #9694 · 19.03.2026 г., 09:05

Намери подобниПрегледай

🌟Unsloth Studio: опенсорный no-code веб-интерфейс для LLM. Unsloth Studio - это локальный комбайн, который объединяет подготовку данных, обучение, инференс и экспорт модели в одном месте. Под капотом кастомные Triton-ядра с собственным backprop. По сравнению со стандартными CUDA-реализациями это дает 2х прирост скорости обучения и снижение потребления по VRAM на 70%. Поддерживаются полный файн-тюнинг, претрейн, LoRA, QLoRA, 4-bit, 16-bit и FP8. Всего совместимо более 500 моделей, включая Llama 4, Qwen 3.5 и Gemma 3. Для работы с данными есть визуальный нодовый редактор Data Recipes. Studio принимает PDF, DOCX, CSV и JSONL, генерирует синтетические датасеты и автоматически конвертирует данные в форматы ChatML или Alpaca. Помимо стандартного SFT, Studio умеет в GRPO, которая не требует отдельной critic-модели и потребляет на 80% меньше VRAM, что делает обучение ризонинг-моделей реалистичным на локальном железе. Модели на 8B и 70B параметров (например, Llama 3.1, Llama 3.3, DeepSeek-R1) можно файн-тюнить на одной RTX 4090 или 5090, а не на кластере, но есть и поддержка multi-GPU. В режиме инференса Studio умеет: tool calling, выполнение кода прямо в чате, работу с изображениями, аудио, PDF и DOCX. Из коробки - веб-поиск и автонастройка параметров инференса. Экспорт результатов - одной кнопкой в GGUF, vLLM или Ollama. Studio сама мерджит LoRA-адаптеры с базовой моделью. Работает на Windows, Linux и macOS (на Mac пока только инференс, поддержка MLX-обучения анонсирована), есть Docker. AMD-пользователи могут обучать через Unsloth Core, поддержка в Studio обещана позже. 📌Лицензирование: AGPL-3.0. 🟡Документация 🖥Github @ai_machinelearning_big_data #AI#ML#LLM#Framework#Train#UnslothStudio

Hashtags

#ai#ml#llm#framework#train#unslothstudio
12
← ПредишнаСтр. 1 от 2Следваща →