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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #845 · 21.07

Итак, сторисы в Телеграме. Вы меня знаете, как убеждённого хейтера всех новых форматов: начиная от сторис, заканчивая короткими вертикальными видео. Я могу часами рассуждать о том, как "общество деградирует". Но популярность этой наркоты так непредставимо огромна, что даже псевдо-идеалист Дуров не сдержался, и: — Своровал напрямую фичу из другого сервиса, хотя не любит так делать, — Вставил в продуманный мессенджер для интеллектуалов ширпотребный продукт. Фундаментальная проблема Телеграм-сторис в том, что люди, которые у меня в контактах в мессенджере, и люди, от которых интересно смотреть регулярный медиа-контент — это два очень слабо пересекающихся множества. Я утром обнаружил в списке сторис кучу непонятных ноунеймов, и почти всегда оказывалось, что это какой-нибудь менеджер какого-нибудь заказчика, с которым мы обменивались рабочей документацией три года назад. Это не мой друг, не блогер, не член семьи, так что смотреть сторисы от него/неё для меня не имеет никакого смысла. Пожалуй, сторисы нужны были бы только в каналах, но... их там не сделали вообще. Иногда мышление команды Телеграма выходит за пределы моего понимания. Вместе с тем, совершенно никак не исправлены привычные болячки и косяки этого формата, хотя Дуров вроде как в превью обещал, что Телеграм-сторисы будут какими-то особенными, и реализованы не так, как у всех. Но что мы видим? Те же самые неизбежно вертикальные фото/видео. Нет инструментов, чтобы запостить горизонтальный контент, которого до сих пор в сети очень много (например, кадр из фильма, кусочек стрима видеоигры итд). Та же проблема с текстами: чтобы читать сторисы, нужно держать палец на экране. В общем, совершенно те же говносторисы, что и везде. В целом, плюс у этого только один: надеюсь, данная функция добьёт в России инсту. #web

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #optimizatio

当前筛选 #optimizatio清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8587 · 19.09.2025 г., 09:09

🚀 SakanaAI представил Robust Agentic CUDA Kernel Optimization Это новый подход, где LLM помогает оптимизировать CUDA-ядра для PyTorch. • Слияние операций ускоряет forward/backward-проходы, результаты выше стандартных Torch-базлайнов • Полный пайплайн: PyTorch → генерация CUDA-кода → эволюционная оптимизация во время работы • Проверка через LLM: модели автоматически отмечают неправильные ядра (дает +30% к производительности) • robust-kbench — собственный бенчмарк, где измеряют не только скорость, но и корректность работы LLM Авторы пишут о 2.5x ускорении над PyTorch eager и даже 6x в линейных операциях❗️ Но большинство примеров — это тесты на слияние операций с неотюненной базой, так что цифры спорные. К тому же PyTorch 2.5 уже внедряет похожие оптимизации ), поэтому такие рекорды могут быстро обесцениться. Это интересный подход к самообучающимся AI-компиляторам, но заявленные ускорения стоит проверять на праактике. 🟢Github: https://github.com/SakanaAI/robust-kbench 🟢Статья: https://arxiv.org/abs/2509.14279 @ai_machinelearning_big_data #AI#CUDA#PyTorch#SakanaAI#LLM#Optimizatio