WSJ разобрал внутренние документы Meta (признана экстремистской в России) и опубликовал отчёт по виар-направлению, из которого следует, что всё плохо.
Количество уникальных пользователей Horizon Worlds более чем в два раза меньше, нежели планировалось к концу этого года. Возвращаемость очень низкая. Более половины купленных VR-очков Quest пылятся на полках (у меня не Quest, но тоже пылится). Большинство миров ни разу не посещено, и только 9% посещено хотя бы пятьюдесятью людьми. Расходы рекламодателей снижаются, акции компании за год упали на 62%.
Тут возможны два варианта:
1. Цукерберг гений, а падение лишь временное перед мощным скачком вверх. В какой-то момент и платформу допилят, и критическая масса людей наберётся, и мы все очень быстро переместимся в виар.
2. Цукерберг сделал плохую ставку, но не готов (пока) это признать. Виар высосет из компании ещё больше ресурсов, но никакого значимого изменения не будет.
Надо сказать, что и привязка к Фейсбуку не идёт этой теме на пользу. Даже в англоязычном мире отношение к ФБ неоднозначное. Много было скандалов с воровством данных и всякими нелепыми банами.
#web
#DL
📱
Zeus New Pytorch Ecosystem Tool
Zeus is an open source toolkit for measuring and optimizing power consumption of deep learning workloads.
🖥Github
-----
Main channel: @repo_science
Coupons: @freecoupons_reposcience
-----
#dl
Park, Chanwook, Sourav Saha, Jiachen Guo, Hantao Zhang, Xiaoyu Xie, Miguel A. Bessa, Dong Qian, et al. 2025. “Unifying Machine Learning and Interpolation Theory via Interpolating Neural Networks.” Nature Communications 16 (1): 1–12.
https://www.nature.com/articles/s41467-025-63790-8
#dl
A few cool ideas in this model.
Introducing Gemma 3n: The developer guide - Google Developers Blog
https://developers.googleblog.com/en/introducing-gemma-3n-developer-guide/
#dl
There is this new lib called scale. One could compile CUDA code to use it on AMD GPU.
https://docs.scale-lang.com/manual/how-to-use/
I don't know who is more pissed off, NVidia or AMD.
#dl
This repo is really nice.
yuanchenyang/smalldiffusion: Simple and readable code for training and sampling from diffusion models
https://github.com/yuanchenyang/smalldiffusion
#dl
Google & USC benchmarked a prompt based forecasting method, and the results are amazing.
Cao D, Jia F, Arik SO, Pfister T, Zheng Y, Ye W, et al. TEMPO: Prompt-based Generative Pre-trained Transformer for time series forecasting. arXiv [cs.LG]. 2023. Available: http://arxiv.org/abs/2310.04948