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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #846 · 22.07

Несколько лет назад по сети разошёлся один видеоролик с демонстрацией концепции игры. Оказывается, автор не бросил затею, и всё это время собирал команду и делал релизную версию. И вот игра вышла несколько дней назад под названием Viewfinder, я сразу купил и прошёл. Чтобы понять, в чём прикол, посмотрите кусочек моего геймплея ниже. Viewfinder это в чистом виде паззл. Хоть и есть некая претензия на сюжет, игровой процесс всё равно состоит из того, что вы последовательно решаете задачки, используя показанный принцип. Сами задачки интереснее и сложнее, чем, например, в The Entropy Centre. Но всё равно я мало где надолго задумался, кроме задачи с арбузом (кто проходил — напишите, быстро ли смогли догадаться). Однако, вот этот вот переход при размещении фотографии каждый раз ощущается очень кайфово. Ты прям ждёшь очередного места в игре, где нужно будет это сделать. Создаётся даже ощущение, что игра эксплуатирует свою основную механику недостаточно интенсивно (хотя на ней буквально построено абсолютно всё). В какой-то момент авторы частично лишают нас этих возможностей, и все такие уровни я прошёл без удовольствия. Ну и фишку с таймером запускают слишком поздно, уже в самом конце. Короче, классный пример инди с крутой идеей и качественной реализацией. Если вы по моему совету поиграли когда-то в Superliminal, и вам понравилось, то эта тоже зайдёт. #games

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #smallmodel

当前筛选 #smallmodel清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8975 · 12.11.2025 г., 13:03

⭐VibeThinker-1.5B - миниатюрная модель, которая показывает SOTA-результаты в задачах рассуждения. 🚀Производительность: одна из лучших на AIME24/25 и HMMT25 - превосходит DeepSeek R1-0120 по математическим задачам и опережает модели такого же размера в соревновательном программировании. ⚡Эффективность: всего 1.5B параметров. то есть в 100–600 раз меньше, чем гиганты вроде Kimi K2 и DeepSeek R1. 💰Стоимость: полный пост-тренинг обошёлся всего в $7.8K, примерно в 30–60 раз дешевле, чем у DeepSeek R1 или MiniMax-M1. Модель основана на Spectrum-to-Signal Principle (SSP) и MGPO-фреймворке, оптимизирующих процесс рассуждения. 📦Model:https://huggingface.co/WeiboAI/VibeThinker-1.5B 💻GitHub:https://github.com/WeiboAI/VibeThinker 📄Arxiv:https://arxiv.org/abs/2511.06221 @ai_machinelearning_big_data #AI#LLM#Reasoning#OpenSource#SmallModel