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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #844 · 17.07

Закончил трилогию Денниса Тейлора "Мы — Легион. Мы — Боб" (плюс две другие книги серии). Автор программист, нерд, гик и любитель фантастики, в 57 лет на спор решил написать книгу. Как это часто бывает, несколько издательств послали его с порога. Но потом он заключил контракт с крупным сайтом аудиокниг, и книга сразу вошла во все топы, принеся кучу денег. По сюжету главный герой по имени Боб — нерд, гик, программист и любитель фантастики, подписывается на криоконсервацию, но в будущем ему дают не новое тело, а перекачивают сознание в компьютер, установленный на небольшом космическом корабле. У этого корабля есть околосветовой (но не сверхсветовой!) двигатель, а также 3D-принтер, позволяющий печатать что угодно, если найти сырьё. Изначальный план людей был в том, чтобы зонд отправился в соседнюю звёздную систему и построил там космическую станцию, но, волей случая, Боб оказывается сам по себе. Другая важнейшая часть сюжета — способность героя полностью копировать себя. То есть построить второй такой корабль и сделать копию сознания, чем он и занялся в первую очередь. Копии начинают немного отличаться друг от друга. Из-за квантовых флуктуаций в характерах разных Бобов превалируют разные его черты: кто-то больше любит исследования и науку, кто-то занимается организацией, кто-то инженерией. Бобы создают сверхсветовую связь и "расселяются" по галактике сотнями копий, при этом сохраняя что-то вроде внутреннего общества и продолжая коммуникации с человечеством. Тейлор, судя по всему, не стремился написать роман, который станет модным и будет обсуждаться, а просто кайфовал и сочинял фантазию для себя самого. Главный герой очевидно списан с автора практически полностью, и можно сказать, таким образом писатель устроил себе мини-приключение в космос. Из-за этого текст, хоть и простой с виду, вышел очень стройным, эмоционально насыщенным, я бы даже сказал душевным. Миллион отсылок к фантастической поп-культуре, забавные шутки в диалогах, даже имена себе Бобы выбирают по персонажам космоопер. Поскольку Бобов много, автор переключается между ними и между хронологическими ветками, что позволяет ему параллельно рассказывать несколько историй: о войне, о дружбе, о потери, об исследовании, об одиночестве, о политике, о семейных конфликтах... Причем, рассказ всегда идёт от первого лица: в одном месте книги "я" это один Боб, в другом месте книги уже другой — немного с другим характером, находящийся в другой части галактики и переживающий совсем другие события. В статьях говорят, что Тейлор, как истинный программист и нерд, даже написал себе софтину для отслеживания сюжетных цепочек. В общем, гик написал приключение для себя, но оно оказалось интересным и близким для огромного количества других гиков. В книгах не слишком много философии или уникальных фантастических идей, но под конец ты почти плачешь из-за необходимости расставаться с героями. В конце-концов, они бессмертны, а ты — всего лишь эфемер. На русском языке я настоятельно рекомендую аудиокниги в исполнении Кирилла Радцига: во-первых, у чтеца ровно такой голос, какой мы представляем себе для человека по имени Боб, а, во-вторых, это один из лучших русских чтецов в современном аудиокнижном пространстве. #fiction

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #llmarena

当前筛选 #llmarena清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8560 · 16.09.2025 г., 16:22

🔥 Как реально выбирают LLM в 2025 — исследование LLM Arena Интересный опрос практиков (инженеров, ML-учёных, AI-продуктов) - как сегодня на самом деле выбирают языковые модели (LLM), что важнее: бенчмарки или собственные тесты, цена/скорость/качество, и чего не хватает в информации по моделям. 📊Ключевые выводы - 82,2% респондентов проводят собственные тесты; бенчмарки — лишь ориентир, не решение. - 26,7% вообще не пользуются бенчмарками. - В центре внимания: баланс качество / цена / скорость, устойчивость (без галлюцинаций), соответствие инфраструктуре. 👥 Участники опроса - 45 практиков с опытом работы с LLM-продуктами; все участники — профессионалы. - ML/AI Инженеры, Data Scientists, AI-строители, и менеджмент. 🔑 Что ищут и какие сигналы важны: - Часто оценивают обсуждаемость модели в статьях/сообществе; практическое применение в похожих продуктах. - Обращают внимание на число скачиваний и звёзд на Hugging Face / GitHub. - Хотят больше данных о требованиях к железу, лицензиях, локальной работе, графиках “цена vs качество”, “скорость vs качество”. ⚠️Проблемы & доверие - Многие не доверяют существующим бенчмаркам из-за методологических проблем (train/test leakage, нерелевантность задач). - Лабораторные условия часто сильно отличаются от продакшн. - Нехватка отзывов по реальным сценариям и использованиям. При выборе LLM важнее собственные тесты и контекст задач, чем рейтинги. Специалисты хотят поточечных данных: про лицензии, требования к железу, latency, стоимость. Инициатор исследования Роман Куцев - фаундер и CEO LLM Arena, публикуют много интересного у себя в блоге. Для тех, кто строит LLM-продукты, полезно: - Не ориентироваться только на чужие бенчмарки. - Собирать метрики в собственных условиях — на реальных данных. - Открыто показывать, что работает, а что — нет, в документации и обсуждениях. 🟢 Полное исследование: https://research.llmarena.ru/ #LLM#AI#ИИ#LLMArena#исследование#нейросети#benchmarks