ВК проводит опросы в ленте. До этого был "Много ли рекламы?", я покрутил, и ответил, что не слишком много. Хотя на самом деле нужно спрашивать не о количестве, а о релевантности: ВК ругают за постоянные наплывы инфоцыган, и одна реклама инфоцыганина хуже, чем пять реклам IT-конференций.
А тут вот про публикации. Сначала поставил единицу по старой памяти, но, опять же, покрутил ленту, и понял, что мусора из пабликов мало. Возможно, я сам молодец, и просто так хорошо всё настроил. Что до записей друзей, то в объёме всей ленты их нормальное количество, но в абсолютных величинах мало — из 700+ людей что-то пишут человек пять, и то, раз в неделю.
Хотя вот тот же Лебедев в последнем видео рассказал, что стал активно вести ВК. Не знаю, будет ли возрождение ВК и/или текстового интернета. Кажется, поезд всё равно уже ушёл, и для того, и для другого.
#web
#DL
📱
Zeus New Pytorch Ecosystem Tool
Zeus is an open source toolkit for measuring and optimizing power consumption of deep learning workloads.
🖥Github
-----
Main channel: @repo_science
Coupons: @freecoupons_reposcience
-----
#dl
Park, Chanwook, Sourav Saha, Jiachen Guo, Hantao Zhang, Xiaoyu Xie, Miguel A. Bessa, Dong Qian, et al. 2025. “Unifying Machine Learning and Interpolation Theory via Interpolating Neural Networks.” Nature Communications 16 (1): 1–12.
https://www.nature.com/articles/s41467-025-63790-8
#dl
A few cool ideas in this model.
Introducing Gemma 3n: The developer guide - Google Developers Blog
https://developers.googleblog.com/en/introducing-gemma-3n-developer-guide/
#dl
There is this new lib called scale. One could compile CUDA code to use it on AMD GPU.
https://docs.scale-lang.com/manual/how-to-use/
I don't know who is more pissed off, NVidia or AMD.
#dl
This repo is really nice.
yuanchenyang/smalldiffusion: Simple and readable code for training and sampling from diffusion models
https://github.com/yuanchenyang/smalldiffusion
#dl
Google & USC benchmarked a prompt based forecasting method, and the results are amazing.
Cao D, Jia F, Arik SO, Pfister T, Zheng Y, Ye W, et al. TEMPO: Prompt-based Generative Pre-trained Transformer for time series forecasting. arXiv [cs.LG]. 2023. Available: http://arxiv.org/abs/2310.04948