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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #650 · 12.11

"Моя Волна" в Яндекс Музыке поставила мне песню группы Breaking Benjamin. Это такой альтернативный рок, похожий отдалённо на Linkin Park, но более мелодичный и без речитатива. Я действительно когда-то подростком много их слушал (и как Яндекс Музыка об этом узнала?). А о самой группе узнал лет 15 назад, когда увидел машиниму с их песней по моей любимой игре Half-Life 2. Машинима (machine + cinema) — ныне почти забытый термин, не встречал его много лет — это ролик, который делается с использованием трёхмерного движка видеоигры. Хотя сами машинимы и в наше время не редкость, но вот что-то именно слово вышло из употребления, по крайней мере, в рунете. При этом, скажем, запись геймплея обычно машинимой не является, а вот трейлер игры вполне подходит под определение. В современные игры даже иногда стали добавлять специальный видеоредактор, чтобы фанаты делали ролики, способствуя, тем самым, дополнительной рекламе игры. Конкретно машинима на песню So Cold, о которой я говорю, была настолько популярна, что оказала значимый эффект на известность самой группы Breaking Benjamin, о чём даже указано в Википедии в статье про группу (но я читал об этом ранее где-то в другом источнике). И, согласно заявлению автора, его ролик попал на MTV (в США). И правда, очень атмосферно было под строки "Show me how defenseless you really are..." смотреть на динамично склеенные панорамы разрушенного City17. И вообще текст неплохо подходит под сюжет игры, хотя во многом это достигается его нечёткостью и многозначностью, как любят вообще делать альтернативные рок-музыканты. Автор клипа, кстати, смог сделать G-man'а поющим с помощью встроенного в движок игры lipsync-редактора, который сама игра тоже использует, чтобы реалистично двигать губами персонажей на основе анализа звуковых файлов с озвученными актёрами репликами. Для 2004 года это вообще был если не прорыв, то беспрецедентное внимание к деталям и качеству реализации. Тот же Ведьмак 3, вышедший на 11 лет позже, имеет серьёзные проблемы с синхронизацией между звуком и анимациями во время разговора. Хотя диалоги в нём составляют в десятки раз более значимую часть иммерсивности, чем в Half-Life. #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