TGTGInsightintelligence telegramLIVE / telegram public index
← Writing Way

TGINSIGHT SIMILAR POSTS

Trova contenuti simili

Canale sorgente @WritingWay · Post #1222 · 4 lug

COME SALVARSI DALLE RELATIVE ✍🏻 #scrittura#writingtips Le relative, già. Una trappola per chi scrive. Se ne usiamo troppe diamo prova di una scrittura ingenua e poco curata. "Arrivò quell'uomo che era già stato visto nel locale e che di certo cercava qualcuno". Ma come facciamo a evitarle, sembrano così necessarie? Ecco due suggerimenti. 1️⃣Costruirefrasi più brevi✍🏻 Scrivere frasi più brevi invece di evoluzioni sintattiche aggrovigliate su se stesse (Si poteva scrivere: che si aggrovigliano, ma come vedete ci sono altre soluzioni). 2️⃣Usare i due punti ✍🏻 Utilizzate i salvifici due punti, aiutano sempre a risolvere le situazioni in cui abbondano le relative. Ecco dunque che possiamo scrivere: "Arrivò quell'uomo: era già stato visto nel locale, di certo cercava qualcuno". ❇️ Rendi fluida la scrittura. @writingway 🙌Se ti è piaciuto questo post e pensi possa interessare ad altri, inoltralo cliccando sulla freccia a destra.

Risultati

1 post simile trovati

Cerca: #smallmodel

当前筛选 #smallmodel清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8975 · 12/11/2025, 13:03

⭐VibeThinker-1.5B - миниатюрная модель, которая показывает SOTA-результаты в задачах рассуждения. 🚀Производительность: одна из лучших на AIME24/25 и HMMT25 - превосходит DeepSeek R1-0120 по математическим задачам и опережает модели такого же размера в соревновательном программировании. ⚡Эффективность: всего 1.5B параметров. то есть в 100–600 раз меньше, чем гиганты вроде Kimi K2 и DeepSeek R1. 💰Стоимость: полный пост-тренинг обошёлся всего в $7.8K, примерно в 30–60 раз дешевле, чем у DeepSeek R1 или MiniMax-M1. Модель основана на Spectrum-to-Signal Principle (SSP) и MGPO-фреймворке, оптимизирующих процесс рассуждения. 📦Model:https://huggingface.co/WeiboAI/VibeThinker-1.5B 💻GitHub:https://github.com/WeiboAI/VibeThinker 📄Arxiv:https://arxiv.org/abs/2511.06221 @ai_machinelearning_big_data #AI#LLM#Reasoning#OpenSource#SmallModel