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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #724 · 29.12

Уже давно преимущественно пользуюсь такси Комфорт, а тут вот несколько раз съездил Экономом (в предновогодней суете цены на такси взлетели кратно). И, как ни крути, разница заметна. Но проявляется она не столько в моделях автомобилей и, тем более, не в мастерстве водителя. Разница в том, что в Комфорте тебе буквально комфортнее: машина помытая снаружи и чистая внутри, в ней приятный запах, водитель ведет себя вежливо и соблюдает некоторый этикет. В Экономе же довезут тебя с тем же качеством перемещения, но в салоне может висеть ядрёный ароматизатор, снаружи машина любого цвета будет серой, а водитель противно чавкает, шмыгает носом или мерзко и громко хрустит костяшками. Как вообще водители переходят из одного класса в другой? Вряд ли там есть пункт "Чтобы перейти в Комфорт чаще мойте машину". И не по оценкам тоже, в обоих категориях бывают как оценки, близкие к 5, так и ниже. И уж тем более не будет пункта "Не нужно периодически громко причмокивать". Сдаётся мне, какие-то критерии есть, касаются они общей аккуратности и внимательности человека, и так уж совпало, что люди, попадающие под них, ещё и сами по себе ведут себя приятнее. Уверен, есть водители, которых от более высокой оплаты в Комфорте отделяет не невозможность купить машину дороже, а тупо нежелание за ней как следует ухаживать. И за собой. Всё взаимосвязано, а разруха таки в головах, не перестаю из года в год в этом убеждаться. #life

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