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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #657 · 19.11

Лет десять назад мне очень нравилось всё, что делает и пишет Тёма Лебедев. Я с удовольствием читал "Ководство" и "Бизнес-линч". Мне импонировали его подходы к дизайну и к организации работы своей студии. Ещё я считал его человеком очень прямолинейным, который называет вещи своими именами и не боится высказываться не по шаблону. Когда я первый раз зашёл на сайт Студии Лебедева, увидел там слоган "Долго. Дорого. Ох**нно.", подумал ещё: "Ого, чувак прямо на своём официальном бизнес-сайте пишет не приторным рекламным языком, а что-то такое дерзкое." Потом на время перестал за ним следить, переключившись на другие источники. И вот в этих новых источниках в какой-то момент появился дискурс "Тёма Лебедев сошёл с ума и несёт какую-то ересь". Источники были в основном либерально-прозападные, я очень сильно им доверял и всецело без каких-либо сомнений принимал ту картину мира, которую они преподносят. Поэтому, не став вообще ничего смотреть и читать, что говорит Лебедев, я тоже совершенно чётко и однозначно принял для себя тезис "Лебедев сошёл с ума и несёт чушь". Если бы вы меня год назад спросили про Лебедева, я бы вам сказал: "Но ведь совершенно очевидно же, что Лебедев свихнулся и несёт херню". Это было частью объективной реальности вокруг меня, наряду с утверждениями "вода мокрая" и "солнце жёлтое". Как это совмещалось с тем, что прежде мне нравилось то, что делает и говорит Тёма? Никак. Кац, которого я активно смотрел, даже в одном из своих видео подробно пытался ответить на вопрос "Почему в целом неглупый Лебедев несёт чушь и высказывает какие-то нелиберальные и незападные идеи?". И ответом Каца было что-то в духе: "Это необъяснимо, скорее всего он один раз пошутил и сказал что-то пророссийское, шутка затянулась, теперь уже продолжает так говорить, чтобы сохранить лицо". Так себе объяснение, но я и его принял. За этот год на фоне известных событий мои взгляды претерпели много изменений. Я рефлексировал в себе этот вопрос, и когда-нибудь может напишу вам более подробно. Но Каца смотреть перестал почти сразу где-то в марте. Как минимум, либеральная идеология оказалась для меня несовместима с решением остаться в России, а я уезжать совсем не хочу. Тогда я для интереса посмотрел несколько роликов Лебедева и с удивлением обнаружил, что, во-первых, я согласен с 90% того, что он говорит. Ну вот прям дословно по некоторым пунктам (типа взгляды на взаимоотношения Европы с мигрантами или взгляды на ЛГБТ). И вообще у него удивительно близкая к моей система ценностей и представление о том, как люди должны себя вести. Во-вторых, он всё так же выглядит для меня просто чуваком, который прямым текстом называет вещи своими именами и открыто высказывает своё мнение по тем или иным вопросам, независимо от того, попадает ли это мнение в какую-либо идеологию или нет. Ну то есть я лет пять на полном серьёзе считал чела городским юродивым и был абсолютно уверен, что он задвигает безумную хрень, а чел всё это время говорил нормальные и правильные вещи (с моей точки зрения). Вместо того, чтобы самому сходить посмотреть на канал Тёмы, я посмотрел реакцию Каца на канал Тёмы и удовлетворился этим. Не будьте мной в этом вопросе. Независимо от вашей позиции на идеологическом компасе и от вашего отношения к упомянутым персонажам: формируйте своё мнение самостоятельно. P.S. Политические споры под этой записью запрещены, сразу бан. #life

Hashtags

Резултати

Намерени 3 подобни публикации

Търсене: #longcontext

当前筛选 #longcontext清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8519 · 11.09.2025 г., 18:21

🚀 Релиз:Qwen3-Next-80B-A3B - эффективная модель заточенная на работа работу с очень длинным контекстом! 🔹80B параметров, но активируется только 3B на токен → тренировка и инференс 10x дешевле и быстрее, чем у Qwen3-32B (особенно при 32K+ контексте). 🔹Гибридная архитектура: Gated DeltaNet + Gated Attention → сочетает скорость и точность. 🔹Ultra-sparse MoE: 512 экспертов, маршрутизируется 10 + 1 общий. 🔹Multi-Token Prediction → ускоренное speculative decoding. 🔹 По производительности обходит Qwen3-32B и приближается к Qwen3-235B в рассуждениях и long-context задачах. 🟢Qwen3-Next-80B-A3B-Instruct показатели почти на уровне 235B flagship. 🟢Qwen3-Next-80B-A3B-Thinking превосходит Gemini-2.5-Flash-Thinking. ▪Попробовать: https://chat.qwen.ai ▪Анонс: https://qwen.ai/blog?id=4074cca80393150c248e508aa62983f9cb7d27cd&from=research.latest-advancements-list ▪ HuggingFace: https://huggingface.co/collections/Qwen/qwen3-next-68c25fd6838e585db8eeea9d ▪ ModelScope: https://modelscope.cn/collections/Qwen3-Next-c314f23bd0264a ▪Kaggle: https://kaggle.com/models/qwen-lm/qwen3-next-80b ▪ Alibaba Cloud API: https://alibabacloud.com/help/en/model-studio/models#c5414da58bjgj @ai_machinelearning_big_data #AI#LLM#Qwen#DeepLearning#MoE#EfficientModels#LongContext#Reasonin

Machinelearning

@ai_machinelearning_big_data · Post #9395 · 19.01.2026 г., 07:10

✔️ Sakana AI придумали, как LLM самим сортировать контекст по важности Обычные языковые модели читают текст как одну длинную ленту. Что ближе к началу внимания - то “важнее”. Что дальше - то модель видит хуже. И тут появляется проблема: если важный факт спрятан где-то далеко среди шума, модель может его просто не использовать. Она тратит внимание на всё подряд, вместо того чтобы сосредоточиться на главном. Sakana AI предложили решение - RePo (Context Re-Positioning). Идея очень понятная: модель получает модуль, который позволяет динамически “перепозиционировать” контекст. Примерно как человек: ты читаешь длинный документ, понимаешь, что важная часть была 20 страниц назад - и мысленно перечитываешь её, а лишнее игнорируешь. Что делает RePo - подтягивает важные куски информации ближе - отодвигает шум и лишний текст - помогает вниманию модели фокусироваться на нужном В модели есть обучаемый модуль, который **переназначает позиции токенов по смыслу**, а не по порядку ✅ важно = то, что помогает уменьшать ошибку модели и правильно решать задачу ❌ второстепенно = то, что не помогает (шум), поэтому “отодвигается” по позициям В результате модель с такой памятью начинает лучше работать там, где LLM обычно страдают: - когда контекст длинный - когда много шума - когда важные детали раскиданы далеко друг от друга - когда данные структурированные (таблички, списки, правила) Авторы показывают, что RePo даёт заметный прирост устойчивости, при этом не ухудшая общее качество. ▶️ Устойчивость к шуму (Noisy Context) Средний результат по 8 noisy-бенчмаркам: - Обычный RoPE: 21.07 - RePo: 28.31 🟡 Прирост: +7.24 пункта (сильно) Авторы отдельно фиксируют ключевую цифру: на noisy-eval (4K контекст) RePo лучше RoPE на +11.04 пункта. 🔥 Примеры прироста на конкретных задачах (везде RePo > RoPE) - TriviaQA: 61.47 → 73.02 (+11.55) - GovReport: 6.23 → 16.80 (+10.57) - 2WikiMultihopQA: 23.32 → 30.86 (+7.54) - MuSiQue: 7.24 → 13.45 (+6.21) Это шаг к моделям, которые не просто “читают что дали”, а умеют сами организовать свою рабочую память. 🟡Подробности: pub.sakana.ai/repo/ 🟡Статья: arxiv.org/abs/2512.14391 @ai_machinelearning_big_data #RePo#SakanaAI#LLM#AI#AIAgents#Context#LongContext#Attention

Neuron | OnlyFAST

@neuron_skills · Post #1643 · 11.07.2025 г., 14:48

📊 AI-автоматизация на страже новостей! За период 07.07.2025 – 10.07.2025 наша система автоматически проанализировала для вас: 191 топовый сабреддит 449 Twitter-аккаунтов 29 Discord-серверов (226 каналов, 12 761 сообщений) ⏳ Экономия вашего времени: Если бы вы читали это вручную со скоростью 200 слов в минуту, ушло бы целых 806 минут — а так, всё самое важное уже собрано в одном месте! tags: companies #xai#perplexityai#langchain#cursor#cline models #grok4#grok4heavy#claude4opus topics #modelreleases#benchmarking#longcontext#modelpricing#modelintegration#voice#performance#scaling#gpuoptimization people’s #elonmusk#aravsrinivas#igorbabuschkin#yuchenj_uw