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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #938 · 6.01

Прегледай публикациятаВиж оригинала

Поиграли, наконец, в Гегемонию — это такая асимметричная настольная политико-экономическая стратегия. Асимметрия проявляется в том, что разные игроки играют за разные фракции: рабочий класс, средний класс, капиталисты, государство. При этом возможные действия у всех разные: например, рабочий класс может наниматься на работу к капиталистам, а может, скажем, устраивать забастовки и блокировать производство. Капиталисты при этом могут строить предприятия, лоббировать разные политические курсы и так далее. Кстати, политика и система голосования в игре мне очень понравилась: от неё много зависит, и на неё можно и нужно влиять. Условия победы тоже разные: одним важно преумножить капитал, другим иметь блага вроде медицины и образования, для государства целью является легитимность и так далее. Пока что по первым впечатлениям кажется, что мы только сверху поскребли присутствующую в настолке глубину. По крайней мере, зависимость между действиями разных игроков довольно высока — сильно выше, чем обычно в стратегических играх. И ещё меня порадовало, как работает симуляция: капиталисты хотят платить мало налогов, рабочие хотят высокие зарплаты, в итоге государство оказывается банкротом, и может рухнуть вообще вся экономика. В этой игре твои интересы с одной стороны противоречат интересам остальных, а с другой стороны вы все друг другу помогаете и вообще существуете в рамках одной системы. Но и недостатки тоже есть: во-первых, правила очень сложны и тяжеловесны. Я читал их два дня, и всё равно мы постоянно в них смотрели. Во-вторых, средний класс это просто смешение рабочего класса и капиталистов, почти никаких уникальных механик у него нет. В-третьих, кажется, что эффективная стратегия за каждый класс единственная, но это не точно, нужно больше партий. Надеюсь, удастся ещё в этом году собрать людей на такую масштабную настолку. #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 →