TGTGInsightаналитика telegramLIVE / telegram public index
← [404] — программирование

TGINSIGHT SIMILAR POSTS

Найти похожее

Источник @procode404 · Post #3246 · 24 сент.

​🧑‍🏫Изучаем популярный на собеседованиях алгоритм — [31:22] Ни для кого не секрет, что знание алгоритмов — очень важная вещь для успешного прохождения технического собеседование в большую часть IT-компаний (особенно таких, как Яндекс или Google). При этом нередко на собеседованиях бывают задачи, где поступают некоторые запросы на отрезке. Например, запросы на сумму. С одной стороны, любому новичку в программировании будет очевидно, как с этим справиться: просто пройтись по отрезку и посчитать сумму элементов на нём. Но зачастую — это не то, чего ждут от собеседуемого. Чаще ожидают решение, которое может отвечать на каждый вопрос "моментально" (для тех, кто знаком с обозначениями, за O(1) времени). В этом небольшом видео автор понятным языком расскажет, как просто и эффективно можно обрабатывать такие запросы. #алгоритмы#собеседование

Результаты

Найдено 1 похожих постов

Поиск: #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