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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #762 · 17.02

Я просто не могу понять, на мой взгляд ВК систематически продолжает принимать максимально плохие продуктовые решения. С моей точки зрения это выглядит, будто бы какая-то компания выпускает ложку с дырой посередине, и дыру всё увеличивают. В мою картину мира просто не укладывается: какая аудитория и при каких условиях может использовать ложку с дырой посередине. ВК выпустили обновление ленты рекомендаций "Для вас", и это и по интерфейсу и по контенту просто максимально плохо. Причем, если почитать комментарии под этой новостью вообще где угодно, то люди точно так же, как я, массово офигевают. Я знаю, что мои вкусы не универсальны, и что я не владею всей информацией. Меня бесит Инстаграм, но я понимаю причины его популярности. Меня бесит ТикТок, и вообще истерия современного интернета по поводу коротких вертикальных видео — их пихают абсолютно везде, даже там, где они не пришей кобыле хвост — но и такое явление не выходит совсем уж за пределы моего представления об устройстве мира. Даже люди, которые всерьёз используют Фейсбук, находятся где-то на границе понимания для меня. Но какой продуктовый менеджер и для какой именно аудитории может выкатить стену неструктурированного визуального мусора, нарушающую даже самые банальные UI/UX-принципы, и усиливающую недостатки и без того отвратительно работающей системы рекомендаций? Обрезанные мемы, фотографии случайных предметов без важного контекста, максимально тупые клипы для имбецилов (да, слева вверху мужик с женскими трусами на голове), ещё и с автовоспроизведением. И это всё двухмерной простынёй в интерфейсе, который во всех остальных местах используют для быстрого визуального поиска чего-то заранее известного, чтобы специально ни на чём не фокусировать взгляд и не задерживать внимание. Я не понимаю, как и зачем это делается. Почему никто из сотрудников ВК не рассказывает своим внутри о том, что этот экран вызывает только желание немедленно его закрыть и больше никогда не видеть? Почему никто из сотрудников ВК не читает комментарии людей под новостями о нововведениях? Я знаю, что хейтить ВК это уже пошлятина. Но найдите мне одного человека, которому правда нравится, и пусть он мне объяснит свой взгляд на вещи. Потому что я не могу отойти от шока: какая-то важная часть понимания мира ускользает от меня. #web

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