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: #sft

当前筛选 #sft清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8851 · 24.10.2025 г., 22:00

🧠 Карпаты показал, как добавить новую функцию в мини-LLM nanochat d32, сравнив её «мозг» с мозгом пчелы. Он обучил модель считать, сколько раз буква r встречается в слове strawberry, и использовал этот пример, чтобы показать, как можно наделять маленькие языковые модели новыми навыками через синтетические задачи. Сначала генерируются диалоги: «Сколько букв r в слове strawberry?» и правильные ответы. После этого модель проходит дообучение (SFT) или обучение с подкреплением (RL), чтобы закрепить навык. Карпаты объясняет, что для маленьких моделей важно продумывать всё до мелочей, как разнообразить запросы, как устроена токенизация и даже где ставить пробелы. Он показывает, что рассуждения лучше разбивать на несколько шагов, тогда модель легче понимает задачу. Nanochat решает задачу двумя способами: — логически, рассуждая пошагово; — через встроенный Python-интерпретатор, выполняя вычисления прямо внутри чата. Идея в том, что даже крошечные LLM можно «научить думать», если правильно подготовить примеры и синтетические данные. 📘 Разбор: github.com/karpathy/nanochat/discussions/164 @ai_machinelearning_big_data #AI#Karpathy#Nanochat#LLM#SFT#RL#MachineLearning#OpenSource