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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #654 · 16.11

Пытаюсь решить организационно-логистическую задачу в #Satisfactory. Может быть, умные люди (вы) мне дадите интересные советы. Я уже открыл практически все типы деталей, они довольно сложные, и для производства многих из них нужны целые цепочки: добыть ресурс А в одном месте и ресурс B в другом, потом сделать из них детали C и D, из этой пары получить деталь E, добыть ещё ресурс F, соединить, смешать с водой... В каком-то месте эти цепочки удобно разрывать (то есть не строить всё на одной фабрике, а растаскивать фабрики по карте). Потому что, во-первых, с гигантской базой, производящей все типы всех деталей, банально неудобно работать. Во-вторых, её тяжело масштабировать. Хотя у этого решения есть плюсы, и некоторые так делают, лично я идти по такому пути не хочу. Но в каком месте рвать цепочки? Глобально есть две крайности: 1. Можно делать по фабрике на каждое звено производства. Например, фабрика, которая делает деталь E, должна принимать на вход детали C и D, и всё. Такая схема очень легко масштабируется: небольшую фабрику очень просто расширять. А детали возить между фабриками поездами. Но тогда потребуется типа 100 разных фабрик и очень сложная железнодорожная сеть. 2. Можно в каждую фабрику привозить сырьё. Только то, что невозможно произвести, а можно только добыть. Фабрика делает с нуля из сырья все детали, в том числе для промежуточных звеньев. Такую схему очень легко балансировать: один раз посчитал, сколько нужно сырья, и всё. Но фабрики для сложных деталей будут громоздкие. А ещё если деталь C нужна в десяти местах то придётся десять раз повторить всю цепочку производства детали C, а можно было бы в одном месте делать очень много деталей C и возить. Мне не нравятся оба варианта, значит, рвать цепочку нужно где-то посередине. Но где? #games

Резултати

Намерени 2 подобни публикации

Търсене: #phi

当前筛选 #phi清除筛选
科技&趣闻&杂记

@kejiqu · Post #3318 · 01.05.2025 г., 08:14

微软发布 Phi-4 系列小语言 AI 推理模型,AIME 2025 跑分超满血版 Deepseek R1 微软发布了Phi-4-reasoning系列推理模型,该系列包括Phi-4-reasoning、Phi-4-reasoning-plus和Phi-4-mini-reasoning三款模型。Phi-4-reasoning模型拥有140亿参数,通过监督微调Phi-4并结合OpenAI o3-mini的高质量推理演示数据训练而成,专为复杂推理任务设计。Phi-4-reasoning-plus版本通过强化学习提升性能。Phi-4-mini-reasoning是一款基于Transformer的紧凑型语言模型,专为计算资源有限的环境设计。该系列模型在数学推理和代理型应用中表现出色,在多项数学基准测试中,性能超越OpenThinker-7B等模型,部分测试接近OpenAI o1-mini水平。IT之家 | Microsoft 🏷#Phi#reasoning#模型#推理 📢频道👥群组📝投稿

耕读频道

@iGengdu · Post #440 · 03.08.2024 г., 12:17

#AI#Github Models #微软#免费体验#Llama 3.1 #Mistral Large 2 #Phi-3 #GPT-4o #GPT-4o mini 分享我的一篇博文:微软Github发布Github Models,为用户免费提供AI大模型体验场所 更多AI资源,请访问智汇AI网(SumeAI):https://www.sumeai.com 📢频道✈️ 群聊 (耕读) 📬投稿