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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #927 · 21.12

Прегледай публикациятаВиж оригинала

Посмотрел по совету Андрея @technomage первый сезон Scavengers Reign ("Царство падальщиков"). Научно-фантастический мульт про людей, потерпевших крушение на чужой планете и пытающихся выжить. Планета изобилует агрессивной флорой и фауной, которая невероятно изощрёнными способами ловит себе добычу для питания или размножения. Собственно, значительная часть удовольствия от просмотра возникает при наблюдении за фантазией авторов. Следует отдать должное тому, как они смогли придумать столько ужасающе удивительных, но при этом вполне логичных концепций, связанных с охотой животных, распространением растений, борьбой среды с внешними условиями и так далее. Да, сериал жестокий, но по-хорошеиу выносит мозг. Однако, я втянулся только со второго захода. Пришлось настроить свою "приостановку неверия", потому что не мог отделаться от мысли, что в реальном мире столь агрессивная экосистема нежизнеспособна. Да, у нас тоже есть ядовитые растения и заражающие смертельными болезнями насекомые, но в основном это либо побочный эффект, либо способ защиты. Для размножения растению выгоднее выращивать съедобные и питательные плоды, чем, например, плоды, прорастающие сквозь животное и убивающие его. Во-первых, потому что растениям в целом нужно, чтобы животные жили. Во-вторых, потому что с поколениями животные очень быстро "учатся" не есть всякое ядовитое, избегать опасностей и так далее. Взаимоэволюция флоры и фауны на Земле во многом симбиотическая: животные и насекомые помогают размножиться растениям, растения помогают животным и насекомым выживать и питаться. Думаю, система, построенная на вражде этих доменов, очень быстро уничтожила бы сама себя. Плюс, в мультфильме способности некоторых существ (особенно, если можно так выразиться, главного антагониста) выглядят чрезмерно замороченными, требующими весьма сложного строения и большого количества энергии, тогда как те цели, для которых они ему нужны, достижимы сильно проще. Возможно, это результат устойчивой мутации, но всё равно лично мне постоянно приходилось в уме делать какие-то поправки на вымысел. Но всё равно топчик, досмотрел с удовольствием и жду второй сезон. #fiction

Hashtags

#fiction
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 →