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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #613 · 29.10

Вернулся в #satisfactory после длинного перерыва. Не отпускает меня эта игра, слишком залипательно, невозможно остановиться. Хотел соорудить универсальную фабрику под всё, даже разработал неплохую схему: основная шина из параллельных конвейеров с разными видами ресурсов, в нужных местах от лент ответвления к сборочным линиям, а от линий обратно в шину уже новый ресурс. На бумаге выглядело хорошо, на практике очень утомительно строить и поддерживать, а ещё место быстро заканчивается даже на воде, где максимально открытые большие участки. Пришёл к решению: отдельные специализированные фабрики под каждый вид деталей, а между ними железнодорожная сеть с нужными ресурсами. Лёгким движением руки игра превратилась в железнодорожный симулятор — стрелки, секционные и путевые светофоры, погрузочные станции. Поезда сделаны классно, с прикольной анимацией, по виду это футуристичный монорельс (на скринах не один путь, а два параллельных в разные стороны). Пока не открыл доставку дронами, там должно быть ещё попроще (но полностью заменить железку они не смогут — пропускная способность не та). Дошёл до производства алюминия через добычу боксита. Впервые поймал себя на мысли, что не хочу вырубать красивый лес под фабрику, пусть даже и виртуальный, очень уж приятно смотрится. Построил в сторонке. На таких масштабах уже проявляются недостатки игры: не автоматизируются рутинные операции при строительстве (в отличие от того же Factorio), вид от первого лица и трёхмерность усложняют аккуратное размещение конструкций, прокладка путей с некоторыми багами. Но всё равно очень круто. 140 часов общее игровое время, больше чем Ведьмак 3 со всеми сайдами и дополнениями. Впереди обработка кварца, а потом — атомная энергетика. Ух. #games

Резултати

Намерени 3 подобни публикации

Търсене: #unsloth

当前筛选 #unsloth清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8413 · 29.08.2025 г., 18:01

🚀 OpenAI **gpt-oss** с ультрадлинным контекстом! Unsloth выпустили Flex Attention, который даёт до 61K контекста для gpt-oss bf16 при обучении на GPU с 80GB. 📊 Что это значит: - 8× больше контекста - потребляет на 50% меньше VRAM - 1.5× быстрее по сравнению с альтернативами (включая FA3) Для BF16 LoRA теперь можно тренировать с ~60K контекстом на одной H100 80GB. 🔗 Подробнее: https://docs.unsloth.ai/basics/long-context-gpt-oss-training @ai_machinelearning_big_data #Unsloth#OpenAI#gptoss#chatgpt

Machinelearning

@ai_machinelearning_big_data · Post #8238 · 08.08.2025 г., 11:34

⚡️GGUF-версии GPT-OSS от Unsloth. Unsloth конвертировали обе GPT-OSS (20B и 120B) и исправили ошибки, чтобы повысить качество инференса. 🟡Оптимальный сетап: 🟢20B работает со скоростью более 10 токенов/с при полной точности на 14 ГБ оперативной памяти. 🟢120B с полной точностью будет давать >40 токенов/с на примерно 64 ГБ ОЗУ. Минимальных требований для запуска моделей нет, запуститься можно даже если у вас всего 6 ГБ и только CPU, но инференс будет медленнее. GPU не требуется , особенно для модели 20B, но его наличие значительно увеличивает скорость вывода (~80 токенов/с). С чем-то вроде H100 можно получить пропускную способность 140 токенов/с, и это значительно быстрее, чем у OpenAI в ChatGPT. Модели можно запустить через llama.cpp, LM Studio или Open WebUI. Если модель 120B слишком медленная, попробуйте версию 20B - она очень быстрая и работает не хуже o3-mini. Помимо моделей формата GGUF c полной точностью, Unsloth сделали версии с 4-bit и 16-bit точностью. 4-бинтый квант, кстати, можно файнтюнить на 24 ГБ VRAM. 📌 Подробная пошаговая инструкция по локальному запуску и файнтюну - в документации Unsloth. 🟡Набор моделей 🟡Документация @ai_machinelearning_big_data #AI#ML#GPTOSS#GGUF#Unsloth

Machinelearning

@ai_machinelearning_big_data · Post #9311 · 24.12.2025 г., 10:45

📌Тренируем FunctionGemma самостоятельно. LM Studio в коллаборации с Unsloth опубликовали подробный туториал по файнтюнингу недавно выпущенной Google модели FunctionGemma. FunctionGemma - уменьшенная версия Gemma (всего 270Ь параметров) для агентских сценариев и работы в качестве бэкенда приложений, которую можно запускать практически на любом устройстве. Гайд состоит из подробного описания всего процесса от обучения модели вызову инструментов до преобразования в GGUF-формат и последующего запуска его в LM Studio Туториал подойдет для локального трейна (Unsloth работает на NVIDIA, AMD и Intel), но есть и готовый Collab Notebook для тренировки в облаке. ⚠️ FunctionGemma не предназначена для использования в качестве прямой диалоговой модели. @ai_machinelearning_big_data #AI#ML#LLM#Tutorial#Unsloth#LMStudio