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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #974 · 22.04

С большим трудом дослушал "Град Обречённый" Стругацких. Это, пожалуй, книга, которая доставила мне наименьшее удовольствие за посление 10 лет. Хотя завязка очень интересная: людей случайно выдёргивают из своего времени где-то в середине 20-го века и помещают в искусственно построенный город, ограниченный стеной бесконечной высоты с одной стороны и пропастью бесконечной глубины с другой, чтобы они участвовали в Эксперименте, суть которого так и не раскрывается. Важно, что участие добровольное, но зачастую людей выдёргивают из каких-то безвыходных ситуаций: из плена, перед казнью итд. Люди в Городе в целом предоставлены сами себе, но обязаны менять профессию раз в 3 месяца. Новую профессию каждому определяет некая машина неизвестным образом. Еще периодически на город сваливаются странные бедствия: например, нашествие обезьян. Так вот, лично я ожидал от этого произведения какой-то полудетективной социальной фантастики с закрученным сюжетом и неожиданной развязкой, а получил... плохо скрываемые жалобы авторов на устройство советского общества и вообще мира вокруг. Практически все персонажи в книге тем или иным образом отвратительны, порочны и лишены причин для сопереживания им. А описываемые события быстро скатываются в непробиваемый мрачняк без выводов. Причем, это всё еще и крайне уныло читать (или слушать). Во-первых, многие вещи близки только человеку определённой эпохи, пережившему определённые события. Во-вторых, авторы очень сильно затягивают некоторые сцены (например, застолья), по-видимому, чтобы увеличить отвращение читателя к персонажам и к человечеству в целом. В-третьих, что я просто ненавижу в литературе: авторы без плавного перехода меняют реалистичные сцены на сюрреалистичные. Мне тупо пришлось гуглить краткие описания некоторых отрывков, чтобы вообще понять, о чем была речь. Представьте, если бы какой-нибудь Раскольников вышел на улицу и увидел бы там вместо людей говорящие бананы, но при этом повествование продолжилось бы так, будто всё в порядке. И тебе, как читателю, приходится ломать голову над тем, что это за бананы: это героя глючит? Или слишком заковыристая метафора? А может я случайно пропустил пару страниц с объяснением? В общем, я догадываюсь, что советское общество не оправдало некоторые надежды в глазах Аркадия и Бориса, чем, видимо, глубоко их травмировало. В поздних интервью Борис Натанович вообще топил за капитализм по европейскому образцу, при этом в соседнем ответе непоследовательно ругая общество потребления. Но, пожалуй, хочу оставить в своей памяти тех Стругацких, которые написали Полдень. #fiction

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #efficientmodels

当前筛选 #efficientmodels清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8519 · 11.09.2025 г., 18:21

🚀 Релиз:Qwen3-Next-80B-A3B - эффективная модель заточенная на работа работу с очень длинным контекстом! 🔹80B параметров, но активируется только 3B на токен → тренировка и инференс 10x дешевле и быстрее, чем у Qwen3-32B (особенно при 32K+ контексте). 🔹Гибридная архитектура: Gated DeltaNet + Gated Attention → сочетает скорость и точность. 🔹Ultra-sparse MoE: 512 экспертов, маршрутизируется 10 + 1 общий. 🔹Multi-Token Prediction → ускоренное speculative decoding. 🔹 По производительности обходит Qwen3-32B и приближается к Qwen3-235B в рассуждениях и long-context задачах. 🟢Qwen3-Next-80B-A3B-Instruct показатели почти на уровне 235B flagship. 🟢Qwen3-Next-80B-A3B-Thinking превосходит Gemini-2.5-Flash-Thinking. ▪Попробовать: https://chat.qwen.ai ▪Анонс: https://qwen.ai/blog?id=4074cca80393150c248e508aa62983f9cb7d27cd&from=research.latest-advancements-list ▪ HuggingFace: https://huggingface.co/collections/Qwen/qwen3-next-68c25fd6838e585db8eeea9d ▪ ModelScope: https://modelscope.cn/collections/Qwen3-Next-c314f23bd0264a ▪Kaggle: https://kaggle.com/models/qwen-lm/qwen3-next-80b ▪ Alibaba Cloud API: https://alibabacloud.com/help/en/model-studio/models#c5414da58bjgj @ai_machinelearning_big_data #AI#LLM#Qwen#DeepLearning#MoE#EfficientModels#LongContext#Reasonin