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: #optimizatio

当前筛选 #optimizatio清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8587 · 19.09.2025 г., 09:09

🚀 SakanaAI представил Robust Agentic CUDA Kernel Optimization Это новый подход, где LLM помогает оптимизировать CUDA-ядра для PyTorch. • Слияние операций ускоряет forward/backward-проходы, результаты выше стандартных Torch-базлайнов • Полный пайплайн: PyTorch → генерация CUDA-кода → эволюционная оптимизация во время работы • Проверка через LLM: модели автоматически отмечают неправильные ядра (дает +30% к производительности) • robust-kbench — собственный бенчмарк, где измеряют не только скорость, но и корректность работы LLM Авторы пишут о 2.5x ускорении над PyTorch eager и даже 6x в линейных операциях❗️ Но большинство примеров — это тесты на слияние операций с неотюненной базой, так что цифры спорные. К тому же PyTorch 2.5 уже внедряет похожие оптимизации ), поэтому такие рекорды могут быстро обесцениться. Это интересный подход к самообучающимся AI-компиляторам, но заявленные ускорения стоит проверять на праактике. 🟢Github: https://github.com/SakanaAI/robust-kbench 🟢Статья: https://arxiv.org/abs/2509.14279 @ai_machinelearning_big_data #AI#CUDA#PyTorch#SakanaAI#LLM#Optimizatio