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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #705 · 18.12

Марта Уэллс: "Отказ всех систем", "Искусственное состояние" и другие книги серии, я закончил на "Сетевой эффект" (больше на русском нет). Очень странные впечатления: серия получила кучу престижных наград, и о ней много положительных отзывов, но персонально про себя я бы сказал, что мне скорее не понравилось, и рекомендовать бы не стал. Хотя и бросить желания не было. Далёкое будущее, корпоративная антиутопия (мегакорпорации стали де-факто государствами), аугментация, человечество давно расселилось по другим мирам. Главный герой — искусственно созданный киборг, предоставляемый в аренду страховой компанией для защиты людей, например, в условиях работы на незаселённых планетах с потенциально враждебной фауной. Повествование ведётся от его лица. Изначально в этих киборгов встраивают специальный управляющий модуль, который причиняет боль органической части при неповиновении и других нарушениях (то есть фактически он раб). Но именно главный герой этот модуль взламывает, получает свободу воли, и не нападает на людей, как можно было бы подумать, а пытается интегрироваться в человеческое общество. Завязка довольно банальная. К тому же, каких-то уникальных идей или необычных поворотов в сюжете особо нет. Повествование строится вокруг эмоций, исследования взаимоотношений (как людей между собой, так и людей с машинами и машин между собой). Поскольку события передаются от первого лица, мы "слышим" мысли героя, и они, на мой субъективный взгляд, переполнены эмоциями, зачастую противоречащими последующим действиям и решениям. У меня даже есть полушутливая гипотеза, что автор-женщина просто перенесла на бумагу образ мышления женщин. По сюжету обычно происходит какая-то беда, из которой главный герой всех спасает, но попутно кто-то ещё и спасает его. Впрочем, не сказать, что это как-то скучно или избито — сами истории вполне захватывающие, следить за развитием интересно. И всё-таки, это какая-то нестандартная фантастика. Основные события как бы понижены в значимости: герой не сталкивается с по-настоящему серьёзными внешними трудностями, он легко взламывает абсолютно все внешние системы, выдерживает десятки попаданий из ракетницы, а между миссиями может полностью восстанавливаться в супер продвинутом роботизированном космическом корабле, с которым дружит. Автор явно хотела рассказать об эмоциональном становлении, поиске себя, доверии и контакте с другими, но почему-то выбрала для этого сеттинг войны киборгов в космосе. Имеет право, и, возможно, у неё даже получилось хорошо, просто эта книга совсем не для меня, и конкретно мои ожидания скорее не оправдались. #fiction

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #2bitq

当前筛选 #2bitq清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #9516 · 13.02.2026 г., 15:23

🌟Tencent сжали 1.8B модель в 2 бита: 600 МБ веса и Dual-CoT на борту. Tencent Hunyuan выкатили open-source решение для тех, кто хочет запускать LLM локально на кофеварке. HY-1.8B-2Bit - модель, которую утрамбовали так плотно, что она занимает меньше места, чем многие современные мобильные приложения. Модель пилили методом Quantization-Aware Training, который в отличие от PTQ, позволяет адаптироваться к низкой разрядности весов еще на этапе тренировки. За основу взяли backbone Hunyuan-1.8B-Instruct и жестко сжали веса до 2 бит. При этом эффективный размер в памяти получился эквивалентен модели на 300М параметров, а физический вес получился всего 600 МБ. Что самое ценное - сохранили фичу Dual-CoT: модель умеет переключаться между быстрым мышлением для простых тасков и глубоким long-CoT для сложных. 🟡Бенчмарки 🟢По сравнению с fp16-учителем (1.8B), деградация метрик всего ~4%. Это очень мало для 2-битного квантования. 🟢Разница в точности на сравнении с INT4 ничтожна - 0.13%, хотя весит модель в 2 раза меньше. 🟢Если взять плотную модель на 0.5B параметров, то HY-1.8B-2Bit обходит ее в среднем на 16-17%. На GSM8K разрыв вообще дикий: +22.29%. 🟢Prefill ускорился в 3-8 раз, генерация токенов - в 2-3 раза на поддерживаемом железе. 🟡Жирный нюанс Текущая реализация требует поддержки инструкций Arm SME2. Это значит, что вся эта красота заведется только на Apple M4 и MediaTek Dimensity 9500. Если у вас M1/M2 или Snapdragon прошлых поколений - пока мимо. Разработчики обещают подвезти Neon kernel позже. Кстати, GGUF тоже есть, так что если под рукой есть M4 - можно тестить. Остальным остается ждать оптимизации под старые инструкции. 🟡Модель 🟡GGUF 🟡Техотчет 🖥GitHub @ai_machinelearning_big_data #AI#ML#SLM#2bitQ#Tencent