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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #905 · 8.11

Прегледай публикациятаВиж оригинала

На выходных попробовали настольного Ведьмака, и у меня скорее положительные впечатления. Самое худшее точно не случилось: это не просто коробка с миниатюрками, а вполне работоспособная и интересная настолка. Ядро игры — сражения на цепочках карточек, и вот эта часть порадовала больше всего. Битвы с монстрами интересные, в меру разнообразные, не слишком простые, сильно зависят от подготовки. В каком-то смысле из-за этого вся остальная игра в виде приключений на карте и прокачки навыков кажется неизбежной рутиной между боями, но с точки зрения эмоциональных качелей — самое то. Из недостатков большинство обзорщиков отмечают даунтайм — то есть длительное ожидание хода других игроков. Могу сказать, что даже при игре на пятерых это не супер критично. У нас самые нетерпеливые игроки начали скучать только на последнем ходу, когда исход партии был решён. Пожалуй, к серьёзным проблемам я бы отнёс отсутствие разных стратегий победы. По сути, способа выиграть два: получать очки за прокачку навыков и получать очки за сражения с монстрами. Причём, в нашем случае выиграл игрок с помощью первого варианта, ни разу за всю игру не подравшись с монстром, что вызывает вопросы к балансу. Хотя, как мы впоследствии выяснили, выиграл он с нарушением правил, но общая тенденция напрягает. Отсутствие стратегий снижает реиграбельность, однако дополнительный контент повышает её, а его то как раз в коробке очень много. Мы едва ли пощупали четверть от всего. Так что с учётом кучи контента, шикарных миниатюрок и прекрасно работающего боевого ядра — очень рад иметь в коллекции эту игру, уверен, соберёмся ещё не раз. Наверное, опытный геймдизайнер мог бы взять и "обезводить" её, выпустив какую-нибудь карточную дуэльку, где были бы только механики цепочек из драк. Но у текущей версии значимый плюс это привлекательность для казуальной аудитории. #games

Hashtags

#games
Резултати

Намерени 20 подобни публикации

Търсене: #train

当前筛选 #train清除筛选
Voir de ses propres yeux

@voir_yeux · Post #12448 · 07.04.2026 г., 14:03

Намери подобниПрегледай

🇫🇷 La situation sur les lieux de la collision entre un train à grande vitesse (TGV) et un poids lourd transportant du matériel militaire dans la commune de Nœux-les-Mines (Pas‑de‑Calais), dans le nord de la France. #france#train#collision

Hashtags

#france#train#collision
Machinelearning

@ai_machinelearning_big_data · Post #9694 · 19.03.2026 г., 09:05

Намери подобниПрегледай

🌟Unsloth Studio: опенсорный no-code веб-интерфейс для LLM. Unsloth Studio - это локальный комбайн, который объединяет подготовку данных, обучение, инференс и экспорт модели в одном месте. Под капотом кастомные Triton-ядра с собственным backprop. По сравнению со стандартными CUDA-реализациями это дает 2х прирост скорости обучения и снижение потребления по VRAM на 70%. Поддерживаются полный файн-тюнинг, претрейн, LoRA, QLoRA, 4-bit, 16-bit и FP8. Всего совместимо более 500 моделей, включая Llama 4, Qwen 3.5 и Gemma 3. Для работы с данными есть визуальный нодовый редактор Data Recipes. Studio принимает PDF, DOCX, CSV и JSONL, генерирует синтетические датасеты и автоматически конвертирует данные в форматы ChatML или Alpaca. Помимо стандартного SFT, Studio умеет в GRPO, которая не требует отдельной critic-модели и потребляет на 80% меньше VRAM, что делает обучение ризонинг-моделей реалистичным на локальном железе. Модели на 8B и 70B параметров (например, Llama 3.1, Llama 3.3, DeepSeek-R1) можно файн-тюнить на одной RTX 4090 или 5090, а не на кластере, но есть и поддержка multi-GPU. В режиме инференса Studio умеет: tool calling, выполнение кода прямо в чате, работу с изображениями, аудио, PDF и DOCX. Из коробки - веб-поиск и автонастройка параметров инференса. Экспорт результатов - одной кнопкой в GGUF, vLLM или Ollama. Studio сама мерджит LoRA-адаптеры с базовой моделью. Работает на Windows, Linux и macOS (на Mac пока только инференс, поддержка MLX-обучения анонсирована), есть Docker. AMD-пользователи могут обучать через Unsloth Core, поддержка в Studio обещана позже. 📌Лицензирование: AGPL-3.0. 🟡Документация 🖥Github @ai_machinelearning_big_data #AI#ML#LLM#Framework#Train#UnslothStudio

Hashtags

#ai#ml#llm#framework#train#unslothstudio
12
← ПредишнаСтр. 1 от 2Следваща →