TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #425 · 20 апр.

Недавно делал быстрый прототип асинхронного приложения в котором требовалось вызывать много синхронного кода. Да, я знаю, что это не лучший дизайн, но нужно было быстрое решение на один процесс и без очередей. Поэтому я выполнял код в потоках. Выглядело это примерно так: from fastapi.concurrency import run_in_threadpool async def execute(data: DataRequest) -> DataResponse: try: result = await run_in_threadpool(sync_function, data) return DataResponse(data=result) except Exception as e: return DataResponse( error=str(e), success=False, ) В общем работает нормально. Для всех вызовов под капотом используется общий тредпул, всё работает предсказуемо. Но потребовалось изменить количество запускаемых в пуле потоков (по умолчанию создается 40 воркеров). Так как дело происходит с FastAPI, делается это через lifespan используя настройки anyio: import anyio @asynccontextmanager async def lifespan(app: FastAPI): limiter = anyio.to_thread.current_default_thread_limiter() limiter.total_tokens = 100 yield # если вдруг нужно вернуть обратно limiter.total_tokens = 40 Зачем менять количество воркеров? - уменьшить, если оперативки мало (один тред занимает ~8мб) - увеличить чтобы выдержать нагрузку Если есть предложения получше при тех же вводных - предлагайте😉 #async

Hashtags

Резултати

Пронајдени 1 слични објави

Пребарај: #manuscriptquality

当前筛选 #manuscriptquality清除筛选
Crypto M - Crypto News

@CryptoM · Post #64744 · 09.04.2026 г., 17:34

🚀 AI TRENDS | Google Cloud AI's PaperOrchestra Enhances Manuscript Quality Google Cloud AI researchers have introduced PaperOrchestra, a system designed to improve the quality of literature reviews and manuscript formatting. According to NS3.AI, human evaluations revealed that PaperOrchestra achieved a 50%-68% win-rate margin in literature review quality compared to autonomous baselines. The system employs five specialized agents to manage tasks such as organizing raw materials, generating figures, reviewing literature, and formatting manuscripts. To evaluate the effectiveness of PaperOrchestra, researchers developed PaperWritingBench, a framework built from 200 top-tier AI conference papers. This framework demonstrated a 14%-38% improvement in overall manuscript quality, showcasing the potential of PaperOrchestra in enhancing academic writing processes. #AI#GoogleCloudAI#PaperOrchestra#ManuscriptQuality#LiteratureReview#AcademicWriting#AIAgents#ResearchTools#PaperWritingBench