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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #987 · 31.05

Под влиянием поста Беспалова подумал о том, что для меня все виды деятельности располагаются в матрице "Интерес - Понимание". 1. Неинтересно и непонятно: артхаус-кино, современная молодёжная музыка, низкоуровневое программирование, тикток, животноводство, скульптура, эстонский язык и т.д. Все вещи, которые нельзя постичь беглым взглядом или просто в рамках обычной бытовой жизни, а погружаться сильнее мне не хочется, потому что они вызывают либо нейтральные эмоции, либо отрицательные. Если вкусы мои не изменятся, то вряд ли я когда-либо стану ими заниматься. Разве что за очень много денег или под давлением обстоятельств. 2. Неинтересно, но понятно: футбол, выращивание картошки на огороде, программирование на PHP, старые видеоигры, мытьё полов, инстаграм, плёночная фотография, городское фентези и т.д. Вещи, в которые я погружен хотя бы чуть-чуть в силу обстоятельств и окружающей среды, в процессе обычного быта, либо потому что они очень простые и примитивные. Но при этом никакого желания и интереса у меня нет. Иногда я чем-то таким занимаюсь из-за необходимости: ради друга можно сыграть в старую видеоигру, ради чистоты в квартире помыть пол, ради огромных денег написать что-то на PHP. Но в целом это рутина из-под палки. 3. Интересно, но непонятно: топология, кузнечное ремесло, рисование, столярное дело, большой теннис, плавание с аквалангом, теория струн, функциональное программирование и т.д. Всё, что вызывает интерес, но до чего я не добрался и, возможно, никогда в жизни не доберусь. Мир слишком многообразный, нельзя объять необъятное, нельзя заниматься абсолютно всем. Но в этом списке потенциальные претенденты на какое-нибудь будущее хобби. И ещё всегда может оказаться, что после погружения мне это дело не понравится, либо я обнаружу у себя отсутствие способностей к нему. 4. Интересно и понятно: работа (программирование на C#, управление командой, архитектура), текущие хобби (настолки, электроника, 3D-печать), замороженные хобби (мотоциклы, дроны, пет-проекты), совместный досуг с семьёй. Это то, чем я занимаюсь, если могу. Скажем, дроны заблокированы на неопределённый срок, мотоциклы на паузе, но при возникновении обстоятельств я к этим вещам буду возвращаться. А если условия есть, то, собственно, эти занятия и составляют основную часть моего времени жизни. #life

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #2bitq

当前筛选 #2bitq清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #9516 · 13.02.2026 г., 15:23

🌟Tencent сжали 1.8B модель в 2 бита: 600 МБ веса и Dual-CoT на борту. Tencent Hunyuan выкатили open-source решение для тех, кто хочет запускать LLM локально на кофеварке. HY-1.8B-2Bit - модель, которую утрамбовали так плотно, что она занимает меньше места, чем многие современные мобильные приложения. Модель пилили методом Quantization-Aware Training, который в отличие от PTQ, позволяет адаптироваться к низкой разрядности весов еще на этапе тренировки. За основу взяли backbone Hunyuan-1.8B-Instruct и жестко сжали веса до 2 бит. При этом эффективный размер в памяти получился эквивалентен модели на 300М параметров, а физический вес получился всего 600 МБ. Что самое ценное - сохранили фичу Dual-CoT: модель умеет переключаться между быстрым мышлением для простых тасков и глубоким long-CoT для сложных. 🟡Бенчмарки 🟢По сравнению с fp16-учителем (1.8B), деградация метрик всего ~4%. Это очень мало для 2-битного квантования. 🟢Разница в точности на сравнении с INT4 ничтожна - 0.13%, хотя весит модель в 2 раза меньше. 🟢Если взять плотную модель на 0.5B параметров, то HY-1.8B-2Bit обходит ее в среднем на 16-17%. На GSM8K разрыв вообще дикий: +22.29%. 🟢Prefill ускорился в 3-8 раз, генерация токенов - в 2-3 раза на поддерживаемом железе. 🟡Жирный нюанс Текущая реализация требует поддержки инструкций Arm SME2. Это значит, что вся эта красота заведется только на Apple M4 и MediaTek Dimensity 9500. Если у вас M1/M2 или Snapdragon прошлых поколений - пока мимо. Разработчики обещают подвезти Neon kernel позже. Кстати, GGUF тоже есть, так что если под рукой есть M4 - можно тестить. Остальным остается ждать оптимизации под старые инструкции. 🟡Модель 🟡GGUF 🟡Техотчет 🖥GitHub @ai_machinelearning_big_data #AI#ML#SLM#2bitQ#Tencent