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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #633 · 7.11

Буквально несколько дней назад вышла игра The Entropy Centre — очень похожая на Portal трёхмерная головоломка, которую автор сделал практически в одиночку. По сюжету человечество открыло "энтропийную энергию", с помощью которой можно перематывать назад во времени отдельные объекты. На Луне была построена специальная база — The Entropy Centre — с огромным энтропийным орудием, направленным на Землю. Если с Землёй случается какая-то катастрофа (ядерная война, пандемия, попадание метеорита итд), то планету отматывают назад на 5 лет, а людям высылают информацию, позволяющую избежать беды. Вы просыпаетесь в этом Центре, почему-то находящемся в состоянии запустения. Других людей нет. Вам дают ручную энтропийную пушку и отправляют решать задачки (разработчик не скрывает буквально прямые заимствования из Portal). Весь игровой процесс как раз строится на перемотке предметов во времени: перенесли кубик с первой кнопки на вторую, прошли куда-то, а потом запустили в него луч из пушки, и он сам по воздуху двигается в обратном направлении на первую кнопку. Очень интересная задумка, отличное качество исполнения, забавные сюжетные детали (например, работники Центра в письмах обсуждают возможность перемотать себя до того, как посмотрел любимый сериал, чтобы забыть его и посмотреть ещё раз). Учитывая, что делал это один человек, снимаю шляпу. Но из-за этого у автора не хватило сил и времени глубоко поработать над левел-дизайном. Задачки сравнительно простые и даже близко не раскрывают потенциал такой многомерной идеи. На уровнях, которые названы сложными, ты тратишь больше времени на анализ сцены и понимание того, какой переключатель какую дверь открывает, а не на изобретение какого-то магического мозговыносящего решения, как хотелось бы. Игровые элементы тоже примитивные: пять видов кубов с разными функциями, да два типа кнопок. Есть конвейеры и вентиляторы, но их обращение во времени смотрится совсем не эффектно, потому что движение ленты или лопастей в обратную сторону не ощущается необычным или противоестественным (в отличие, например, от внезапно взлетающих в воздух кубов, чьё падение ты перематываешь). И всё равно проект интересный, особенно на современном безрыбье. Инди с крутыми механиками обычно выглядят дёшево и нарисованы набившим оскомину плоским пиксель-артом, а дорогущие блокбастеры за миллионы баксов все на одно лицо и надоедают через 5 минут. В The Entropy Centre красивая графика, проработанные детали, есть претензия на сюжет (хотя концовку я не понял), при этом эксплуатируется любопытная небанальная механика с глубоким потенциалом. Надеюсь, автор заработает кучу денег и выпустит вторую часть помощнее. #games

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #llmarena

当前筛选 #llmarena清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8560 · 16.09.2025 г., 16:22

🔥 Как реально выбирают LLM в 2025 — исследование LLM Arena Интересный опрос практиков (инженеров, ML-учёных, AI-продуктов) - как сегодня на самом деле выбирают языковые модели (LLM), что важнее: бенчмарки или собственные тесты, цена/скорость/качество, и чего не хватает в информации по моделям. 📊Ключевые выводы - 82,2% респондентов проводят собственные тесты; бенчмарки — лишь ориентир, не решение. - 26,7% вообще не пользуются бенчмарками. - В центре внимания: баланс качество / цена / скорость, устойчивость (без галлюцинаций), соответствие инфраструктуре. 👥 Участники опроса - 45 практиков с опытом работы с LLM-продуктами; все участники — профессионалы. - ML/AI Инженеры, Data Scientists, AI-строители, и менеджмент. 🔑 Что ищут и какие сигналы важны: - Часто оценивают обсуждаемость модели в статьях/сообществе; практическое применение в похожих продуктах. - Обращают внимание на число скачиваний и звёзд на Hugging Face / GitHub. - Хотят больше данных о требованиях к железу, лицензиях, локальной работе, графиках “цена vs качество”, “скорость vs качество”. ⚠️Проблемы & доверие - Многие не доверяют существующим бенчмаркам из-за методологических проблем (train/test leakage, нерелевантность задач). - Лабораторные условия часто сильно отличаются от продакшн. - Нехватка отзывов по реальным сценариям и использованиям. При выборе LLM важнее собственные тесты и контекст задач, чем рейтинги. Специалисты хотят поточечных данных: про лицензии, требования к железу, latency, стоимость. Инициатор исследования Роман Куцев - фаундер и CEO LLM Arena, публикуют много интересного у себя в блоге. Для тех, кто строит LLM-продукты, полезно: - Не ориентироваться только на чужие бенчмарки. - Собирать метрики в собственных условиях — на реальных данных. - Открыто показывать, что работает, а что — нет, в документации и обсуждениях. 🟢 Полное исследование: https://research.llmarena.ru/ #LLM#AI#ИИ#LLMArena#исследование#нейросети#benchmarks