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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #740 · 25.01

Питер Уоттс, «Ложная слепота». Прочитал эту книгу по рекомендации, и оказалось в точку — очень самобытная наполненная интересными идеями твёрдая научная фантастика. Из тех, которые надолго запоминаешь, и идеи из которых хочется вспоминать и обсуждать в каких-нибудь разговорах потом. Будущее, человечество в состоянии технологической сингулярности. Уже есть репликаторы, создающие абсолютно любой предмет, уже есть бессмертие в виде загрузки сознания в сеть. Различные импланты и кибер-дополнения стали обыденностью. Семей давно не существует, а в отношения люди вступают, как правило, через виар (при этом лично тоже видятся, но в основном для совместной работы, если это необходимо). Некоторые люди сильно сплетены с искусственным интеллектом и решают различные глобальные проблемы, при этом общаться с ними остальные не могут — не понимают, слишком большой разрыв в мышлении. Для такого общения существуют «синтеты» — люди с наполовину кибернетическим мозгом, способные понимать людей-компьютеров и рассказывать простым «исходникам», как их называют, что имелось ввиду. Конкретно главный герой тоже синтет, он лишён эмпатии, а поведение, похожее на человеческое, в основном эмулирует. Ещё в этом мире есть вампиры, и это прикольный ход для твёрдой научной фантастики: по сюжету это мутация людей, параллельная ветка развития. Вампиры умнее, быстрее и сильнее человека. Но, вот незадача, в их зрительной коре есть дефект, вызывающий эпилептический припадок каждый раз, когда вампир видит большое количество прямых углов. В живой природе прямых углов нет, поэтому эволюция не помешала этому багу развиться. Можете догадаться, каким именно образом люди в итоге их победили в прошлом :) Вампиры вымерли, а потом были людьми воскрешены из раскопок и поставлены под контроль именно с помощью этого дефекта. В общем, в какой-то момент над землёй появляется куча инопланетных зондов, которые одновременно сгорают и отдают сигнал куда-то вовне. Туда снаряжают экспедицию, которая должна совершить первый контакт и разобраться, что происходит. А дальше крутая смесь детектива, ужасов и философского трактата. Отдельно порадовали моменты, в которых сначала происходит какая-то жуткая непонятная крипота, а потом у всего находится логичное и научное объяснение. Ещё много сильнейших высказываний о мышлении и природе сознания, заставляющих надолго задуматься. В каком-то смысле мне больше понравилась представленная здесь модель непознаваемого инопланетного разума, чем в «Солярисе». Следует отметить своеобразный язык: кажется что автор немного злоупотребляет научным стилем и терминами, в реальности люди (даже учёные) разговаривали бы проще, на мой взгляд, и автор в некотором смысле заигрывает с аудиторией, для которой важна эта внешняя стилистика. Тем не менее, каких-то известных мне научных противоречий я не нашёл. Всё по делу, и автор явно хорошо готовился. Если любите твёрдую НФ и, прочитав первые 20-30 страниц, привыкните к стилю, то очень рекомендую. #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