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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #516 · 25.08

Сегодня DJI представили свой новый FPV-дрон под названием Avata. Слухи о нём были уже давно, в сеть полностью слили и его дизайн, и характеристики, так что сегодняшний анонс скорее формальность. Хочу отметить, насколько хорошо DJI проводит работу над ошибками. Мало какая крупная компания с каждым новым релизом умудряется исправить большинство критических косяков, на которые жаловались пользователи в предыдущих версиях. DJI явно мониторит комментарии сообщества и следит за отзывами. Самые серьёзные недостатки DJI FPV (первой версии FPV-дрона от них): - большой вес, из-за чего низкая маневренность - плохое качество камеры - небольшой угол обзора камеры, причём даже в такой небольшой иногда попадали винты - плохая система стабилизации Из-за трёх последних пунктов владельцы DJI FPV, и я в том числе, крепят на него сверху дополнительно GoPro, что усугубляет первый пункт и сильно уменьшает полётное время. В Avata исправили абсолютно всё: он лёгкий и манёвренный, по первым обзорам качество камеры значительно улучшили, угол тоже увеличили, и полностью переработали систему стабилизации RockSteady 2.0: теперь она тоже использует гироскоп, судя по наличию в ней режима выравнивания горизонта. Ещё из крутых вещей: новые лёгкие и более компактные очки, в которых (наконец-то!) подумали о людях с близорукостью и сделали регулировку линз; защёлка от выпадения кабеля питания очков (реально бесило); встроенная память на 20Гб. Кстати, очень характерно, что новый дрон идёт в комплекте с Motion Controller'ом, а привычного пульта вообще нет. Управлять FPV-дроном с обычного пульта можно только после обучения. Видимо, в компании подумали, что опытные люди и так купят себе нужное оборудование. Что касается Motion Controller (это такой джойстик, который двигаешь прямо в воздухе, направляя дрон в нужную точку), у меня такой есть, и он меня совершенно разочаровал — чувствительность не настолько высокая, чтоб прям летать крутые траектории, которые возможны при управлении пультом. Не знаю, улучшен ли хоть как-то этот момент в Avata, нужно ждать подробных обзоров. В любом случае, это крайне серьёзное заявление на конкуренцию с FPV-миром. Первый DJI FPV был пробой пера: он не подходил профессионалам из-за своей тяжести и неповоротливости, а новичкам было слишком дорого его разбивать. Avata же наверняка станет интересна и тем, и другим. Пожалуй, самый серьёзный возможный косяк это отсутствие взломов прошивки на разблокировку мощности передатчика. В FPV критически важно иметь стабильную связь, но в ряде стран иметь мощный передатчик запрещено, поэтому его душат на уровне прошивки. Душат сильно, летать буквально практически невозможно. Появляются народные способы взломать прошивку, но по непонятной причине компания DJI с ними борется. Хотя наличие способа взлома не нарушает никаких законов, зато многократно увеличивает привлекательность покупки для людей за пределами США и ещё пары стран, где разрешены мощные передатчики. Ну и очки. Большие очки, которые у меня, кроме DJI умеют соединяться с дронами других производителей, и поэтому иметь такие очки удобно, даже если ты не покупаешь дрон от DJI. Если новые очки будут поддерживать только Avata и ничего больше, то их полезность даже при их удобстве становится более сомнительной. Посмотрим. #drone#gadgets

Резултати

Намерени 1 подобни публикации

Търсене: #sft

当前筛选 #sft清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8851 · 24.10.2025 г., 22:00

🧠 Карпаты показал, как добавить новую функцию в мини-LLM nanochat d32, сравнив её «мозг» с мозгом пчелы. Он обучил модель считать, сколько раз буква r встречается в слове strawberry, и использовал этот пример, чтобы показать, как можно наделять маленькие языковые модели новыми навыками через синтетические задачи. Сначала генерируются диалоги: «Сколько букв r в слове strawberry?» и правильные ответы. После этого модель проходит дообучение (SFT) или обучение с подкреплением (RL), чтобы закрепить навык. Карпаты объясняет, что для маленьких моделей важно продумывать всё до мелочей, как разнообразить запросы, как устроена токенизация и даже где ставить пробелы. Он показывает, что рассуждения лучше разбивать на несколько шагов, тогда модель легче понимает задачу. Nanochat решает задачу двумя способами: — логически, рассуждая пошагово; — через встроенный Python-интерпретатор, выполняя вычисления прямо внутри чата. Идея в том, что даже крошечные LLM можно «научить думать», если правильно подготовить примеры и синтетические данные. 📘 Разбор: github.com/karpathy/nanochat/discussions/164 @ai_machinelearning_big_data #AI#Karpathy#Nanochat#LLM#SFT#RL#MachineLearning#OpenSource