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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #982 · 7.05

Некоторые люди захейтили тему со сворачиванием пакетов, а Сергей даже написал большой антипост. Поэтому я решил порассуждать о бытовой оптимизации. На нашу организацию быта влияют три вещи: удобство, цена (в широком смысле, включая затраты времени) и приемлемость для общества. Например, выкидывать мусор в окно это удобно, быстро и бесплатно, но неприемлемо, поэтому, даже если кто-то так делает, его наказывают. Выкидывать мусор посреди собственной комнаты это быстро, приемлемо, но неудобно, поэтому тут уже люди сами себя ограничивают. Беда в том, что все три показателя в некоторой степени субъективны, даже последний. Парковаться двумя колёсами на тротуаре это приемлемо или нет? Для меня нет, и вроде даже какие-то законы против этого существуют, но де-факто в жилых дворах куча народу так делает, и никто им шины не протыкает и стёкла не бьёт. Потому что есть негласный общественный договор, что приоритет места для автомобилей во дворе выше, чем приоритет места для прогулок с колясками. Конкретно я для себя выработал в этом отношении такое правило: я не делаю то, за что критикую других. Если меня в принципе волнует проблема запаркованности дворов, то сам я во дворе не паркуюсь, и это даёт мне в моих глазах право эту проблему вообще обсуждать. И это право мне важнее, чем машина под окнами. А дальше уже идёт очень классическое "Как сделать так, чтобы волнующую тебя проблему заметило больше людей". Хорошего решения никто до сих пор не придумал, но всё, что есть, сводится более менее к расширению своего влияния. Можно попытаться стать политиком и повлиять на законы, можно попытаться стать богатым и переехать в собственный дом, можно попытаться стать лидером мнений и поднимать общественные движения. С удобством и ценой то же самое: у каждого человека есть личные взгляды на то, что нужно делать в быту, и какие затраты для этого оправданы. Кто-то делает уборку в квартире каждый день, кто-то раз в месяц, а кто-то — никогда. Здесь уже оценку можно провести разве что по впечатлению от некоторого усреднённого поведения людей в твоём обществе. В основном люди не кладут мусор посреди своей гостиной. В основном люди не моют окна каждый день. Субъективно я давно заметил, что моя страсть к порядку выше, чем в среднем по больнице. Когда я прихожу к кому-то в гости, я чаще вижу там то, что с моей точки зрения является отсутствием организации вещей. Иногда меня от этого коробит, и я где-то внутри кричу "Боже, как вы можете так жить?". Но глобально я смирился и подстроился. Моя жена склонна к порядку в той же степени, что и я, и тоже любит раскладывать всё по местам и поддерживать чистоту. А вместе с друзьями я не живу. Так что организация хранения пакетов в моём случае служит сразу двум вещам. Во-первых, мне приятно, что они организованы, и 30 секунд на сворачивание не являются для меня какой-то значимой ценой. Во-вторых, из всех нашумевших экологических проблем некоторые я считаю действительно серьёзными, и объём неразлагающегося мусора — одна из них. Если я хотя бы чуть-чуть могу уменьшить количество пакетов, которые будут выбрасываться (мной или людьми, которым понравилось решение по хранению пакетов и превращению их в мусорные) — я буду это делать. #life

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #thinkingwithvisualprimitives

当前筛选 #thinkingwithvisualprimitives清除筛选
AI一线|ShareCentre

@ShareCentre · Post #7252 · 30.04.2026 г., 13:58

DeepSeek 发布 Thinking with Visual Primitives:让多模态模型“边指边想” DeepSeek 多模态团队发布技术报告 Thinking with Visual Primitives,提出一种面向视觉推理的新范式:不再只让模型用语言写出思维链,而是在推理过程中同步使用点(points)和框(bounding boxes)作为“视觉认知锚点”,让模型像人类数数、找路、看图推理时用手指辅助一样,把抽象语言推理落到具体图像坐标上。 这项工作将问题定义为 Reference Gap:传统 Chain-of-Thought 主要停留在语言空间,面对密集空间布局时,很难精确指向“这个物体”“那条路径”或“下一步位置”,容易导致推理链中的指代混乱、逻辑坍塌和幻觉。 📌 核心思路:让模型“Point while it reasons” DeepSeek 的方法是把 points 和 bounding boxes 直接插入推理轨迹,作为视觉推理的最小单元。 - points:用于定位某个具体位置,例如数物体、标记路径节点、指向关键区域 - bounding boxes:用于框定视觉对象或空间范围,帮助模型维持稳定指代 - visual primitives:成为模型推理过程的一部分,而不只是最终输出的标注结果 换句话说,模型不是先“看图”,再用纯文本解释;而是在思考过程中不断把语言概念绑定到图像坐标上。 ⚙️ 解决什么问题? 报告重点面向三类任务: - Counting:顺序扫描与验证,减少漏数、重复数 - Spatial Reasoning:多跳空间逻辑推理,例如判断多个对象之间的位置关系 - Topological Reasoning:迷宫导航、路径追踪等结构化视觉推理任务 DeepSeek 表示,该方法尤其针对复杂结构推理中的 Reference Gap,而不是单纯追求“看得更清楚”。此前多模态模型常用高分辨率裁剪、图像重看等方式缓解 Perception Gap,但在需要精确指代和持续追踪的位置推理中,语言本身仍然不够精确。 📎 性能与模型基础 项目 README 显示,该方法构建在 DeepSeek-V4-Flash 架构基础上,并采用视觉 token 压缩:每 4 个 visual tokens 的 KV cache 压缩为 1 个 entry,以降低图像 token 消耗。 DeepSeek 称,在与研究重点相关的计数和空间推理基准上,该模型在更低图像 token 预算和较紧凑模型规模下,表现可对齐 GPT-5.4、Claude Sonnet 4.6、Gemini 3 Flash 等前沿模型。官方同时强调,这些成绩只覆盖论文相关评测维度,并不代表模型整体能力对比。 🔙 背景:DeepSeek 从长上下文走向视觉推理 这一发布紧接 DeepSeek-V4 预览版之后。此前 V4 系列强调 1M 上下文、DSA 稀疏注意力、Agentic Coding 与长上下文效率,V4-Flash 则定位更快、更便宜的轻量版本。 Thinking with Visual Primitives 可以看作 DeepSeek 在 V4 架构上的一次多模态扩展:从“长文本 / Agent 推理效率”进一步走向“视觉结构推理效率”。 ⚔️ 竞品对比 - OpenAI / Anthropic / Google:当前前沿多模态模型普遍具备图像理解、视觉问答和一定的视觉思维链能力,但多数仍以语言链条表达推理过程 - Qwen / MiMo / GLM:国产多模态模型近期密集更新,Qwen3.5-Omni、MiMo-V2.5、GLM-5V-Turbo 分别强调全模态、Agent 能力和视觉编程 - DeepSeek:此次切入点更偏“视觉推理机制”本身,用 points 和 boxes 作为可解释、可追踪的中间推理单元 这使 DeepSeek 的差异化不只是“多模态输入”,而是把视觉坐标变成推理语言的一部分。 🏢 DeepSeek 近况 DeepSeek 近期保持“技术报告 + 开源仓库 + 后续释放数据/权重”的节奏。官方表示,Thinking with Visual Primitives 的内部基准和部分 cold-start 数据将于未来公开,模型权重会集成进 foundation model 并在未来发布。 这延续了 DeepSeek 过去以技术路线和工程效率建立影响力的打法:先公开方法和报告,再逐步释放更完整的生态资源。 📎 资源链接 - 原推文:https://x.com/PKUCXK/status/2049798862504944117 - GitHub 仓库:https://github.com/deepseek-ai/Thinking-with-Visual-Primitives - 技术报告:https://github.com/deepseek-ai/Thinking-with-Visual-Primitives/blob/main/Thinking_with_Visual_Primitives.pdf - 相关背景:DeepSeek-V4 预览版发布并开源:https://t.me/ShareCentre/7236 #DeepSeek#多模态#视觉推理#VLM#AI大模型#ThinkingWithVisualPrimitives