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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #81 · 6.10

Делали в кладовой ремонт, из-за этого немного поменялось местоположение базы робота-пылесоса. Обычной функции "задать точку новой базы на карте" в приложении нет. Робот после включения отображал сам себя в старой точке. Я в режиме ручного управления привёл его в нужную комнату (так и знал, что годы обучения поездкам на радиоуправляемой машинке не зря!). Так вот он мне, пока ехал, стал лидаром рисовать новую квартиру поверх старой со смещением. Тогда я нагуглил алгоритм обновления базы, он довольно забавный: 1. Привести робота в комнату, которую он знает, и дать ему убрать. Тогда он себя верно определит в этой комнате (кстати круто работает, неужели по форме стен и стоящих у стен предметов?) 2. Привести его в точку новой базы вручную или с помощью команды "ехать в заданную точку на карте". Он не знает пока ещё, что там база, но положение своё уже понимает. 3. Отправить его на базу. Он поедет в точку старой базы, где она когда-то была. И начнёт её искать, очень мило выглядит :) 4. Не найдя базу, станет спрашивать по своим датчикам, а где же всё-таки база, и, наконец, увидит новую и поедет к ней. Профит. Малютка-робот нашёл свой дом. #gadgets

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #fp8

当前筛选 #fp8清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8721 · 08.10.2025 г., 18:50

✔️Ling-1T - новая модель от inclusionAI с 1 триллионом параметров Модель на 1 трлн, из них ≈ 50 млрд активны на токен (MoE-архитектура). Она обучена на 20 трлн+ токенов, специально отобранных для задач логического мышления и рассуждений. Контекст: 128 000 токенов. Построена на базе Evo-CoT (Evolutionary Chain of Thought) и Linguistics-Unit RL - нового метода обучения для масштабируемых рассуждений. При помощи Evo-CoT модель постепенно улучшает баланс между точностью рассуждений и вычислительной эффективностью. То есть с каждым шагом она пытается делать рассуждения «глубже», но не слишком дорого по ресурсам. Моделька демонстрирует сильные результаты в задачах кода, математики, логики и фронтенд-генерации. В архитектуре задействованы Mixture-of-Experts (1/32 активация), MTP слои и маршрутизация экспертов. Ling-1T показывает, что огромные модели можно сделать не только мощными, но и экономичными. https://huggingface.co/inclusionAI/Ling-1T @ai_machinelearning_big_data #Ling1T#AI#ML#OpenSource#Reasoning#TrillionScale#FP8