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: #vrag

当前筛选 #vrag清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #9841 · 09.04.2026 г., 13:20

🌟 VimRAG: мультимодальный RAG-агент, который держит контекст в виде графа памяти. Tongyi Lab (Alibaba Group) опубликовала VimRAG - фреймворк агентного RAG для работы с текстом, изображениями и видео. Проект развивает прошлогодний VRAG-RL и решает проблему мультимодального RAG: визуальные данные тяжелые по токенам, но семантически разрежены, а классическая ReAct-история забивает контекст шумом и провоцирует повторные бесполезные запросы к поиску. Вместо журнала наблюдений VimRAG моделирует рассуждение как динамический направленный ацикличный граф. Каждая вершина хранит подзапрос, действие агента, текстовое саммари и банк визуальных токенов. Ребра фиксируют логические зависимости между шагами. Такой граф позволяет агенту отличать тупиковую ветку от новой гипотезы и не уходить в циклы повторных поисков. 🟡Поверх графа работает Graph-Modulated Visual Memory Encoding. Бюджет визуальных токенов распределяется с учетом исходящей степени в графе, экспоненциального временного затухания (имитация забывания) и рекурсивной обратной связи от потомков. Ключевым фрагментам достается высокое разрешение, а второстепенные кадры сжимаются или отбрасываются. Для видео задействована способность VLM привязывать содержимое к временной шкале (извлечение ключевых кадров по таймкодам). 🟡Третий компонент - Graph-GPO. GGPO строит критический путь от корня к ответу и накладывает градиентную маску, исключая тупиковые узлы из положительных примеров, а ценные ретривы - из отрицательных. По графикам обучения это дает более быструю сходимость, чем базовый GSPO без прунинга. 🟡Тесты 🟢VimRAG обходит Vanilla RAG, ReAct, VideoRAG, UniversalRAG, MemAgent и Mem1 на 9 бенчмарках (HotpotQA и SQuAD до SlideVQA, MMLongBench, LVBench и XVBench). 🟢На Qwen3-VL-8B-Instruct средний скор поднимается с 43,6 до 50,1, на 4B-версии - с 40,6 до 45,2. При этом средняя длина траектории ниже, чем у ReAct и Mem1: структурированная память съедает меньше действий на ответ. В репозитории доступны: 🟠тренировочный фреймворк VRAG-RL, демо VRAG на тестовой Qwen2.5-VL-7B-VRAG через vLLM (нужна A100 80GB); 🟠демо на API Qwen3.5-Plus через DashScope (с визуализацией DAG рассуждения и расширенным ризонингом). Поисковый движок построен на FAISS и поддерживает эмбеддинги GVE-3B/7B и Qwen3-VL-Embedding-2B/8B. Индексировать можно изображения, PDF (через конвертацию) и нарезанное на чанки видео. Код трейна самого VimRAG обещают выложить после внутреннего ревью Alibaba. 🟡Arxiv 🟡Модель 🖥GitHub @ai_machinelearning_big_data #AI#ML#RAG#VRAG#TongyiLab