Технозаметки Малышева

Технозаметки Малышева

Новости инноваций из мира Искусственного Интеллекта. 🤖 [РКН: 7021469833 ] Всё об ИИ, ИТ трендах и Технологической Сингулярности. 🤖: @ai_gptfreebot [бесплатный бот] ✍️: @tsingular_bot [каталог ботов и курсов] 💸: https://pay.cloudtips.ru/p/c8960bbb

Юзернейм
@tsingular
Категория
Технологии
Страна
РоссияРоссия
Создан
, 3 года
Подписчики13 267+14 за 4 дня
Просмотров на пост, 7 дн.1 933за 7 дней
ERR14,57 %за 7 дней

Подписчики, 30 дней

31 окт. – 4 нояб.+14 (+0,1%)

Показать таблицей
ДатаПодписчики
31 окт. 2026 г.13 253
1 нояб. 2026 г.13 257
2 нояб. 2026 г.13 257
3 нояб. 2026 г.13 266
4 нояб. 2026 г.13 267

Средние просмотры поста по дням

По дню публикации

Показать таблицей
ДатаПросмотров на пост
30 окт. 2026 г.2 339
31 окт. 2026 г.2 262
1 нояб. 2026 г.2 153
2 нояб. 2026 г.2 136
3 нояб. 2026 г.1 524
4 нояб. 2026 г.1 186

Самые просматриваемые за месяц

  1. 01
    Просмотры4,53 тыс.
    Пересылки28
    Реакции42
    Комментарии0
  2. 02

    Без текста

    Видеоальбом
    Просмотры2,95 тыс.
    Пересылки128
    Реакции—
    Комментарии—
  3. 03

    Без текста

    Видеоальбом
    Просмотры2,87 тыс.
    Пересылки128
    Реакции—
    Комментарии—
  4. 04

    Без текста

    Видеоальбом
    Просмотры2,84 тыс.
    Пересылки128
    Реакции—
    Комментарии—
  5. 05

    Без текста

    Видеоальбом
    Просмотры2,71 тыс.
    Пересылки129
    Реакции—
    Комментарии—

Новые посты

#9150Фотоизменён

Argon от Google переписал модель океана из 174 тысяч строк Fortran в Rust за 59 минут 🎯 Разработчики взяли FVCOM, модель прибрежного океана из 264 файлов и 174 774 строк, а Argon от Google переписал её на Rust за 59 минут. Скорость выросла в 1,88 раза. ⚙️ Задание было из четырёх условий: никаких блоков unsafe, без выделений памяти в горячих циклах, файл до 400 строк с тестами, а числа обязаны совпасть с оригиналом на ста прогонах. 🕐 Работа шла в три этапа: одиннадцать минут на сборку и эталоны, три минуты на план, сорок пять минут на перенос в 13 модулей Rust. 🐞 Перенос вскрыл ошибки, которые в Фортране не были видны годами: одна запись выходила за массив на 50 колонок, счёт из трёх номеров узлов переполнял 32 бита на большой сетке, а солёность могла уйти в минус и попасть под корень. Строку H1(0) = H1(1) Argon объяснил как обход деления на ноль. 🧪 Первый прогон дал 36 из 37. Один тест упал на бассейне, где вся вода лежит одним слоем: расчёт полез за нижний слой, которого нет. Argon прочитал трассировку, добавил проверку и получил 42 из 42 при покрытии 96,8%, а сто прогонов совпали до 12-го знака. 📈 Скорость росла так: 883, 682, 548 и 469 мс после LLVM-профиля. Памяти программа стала занимать вдвое меньше: 5,48 МБ вместо 11,84 МБ. 💡 Навык Google выложил навыком migrate-to-rust: одна команда запускает её на любом коде. 📎 https://antigravity.google/blog/modernizing-40-year-old-scientific-code-with-gemini-4-argon · https://github.com/google/skills/tree/main/skills/developers/migrate-to-rust #Gemini #Antigravity #Rust #Fortran ------ @tsingular

Открыть в Telegram
Просмотры327−83%к среднему
Пересылки10
Реакции7
Комментарии1
#9143Фотоальбомизменён

Не даёт мне покоя тема самоулучшения навыков. Актуальность её растет тем сильнее, чем больше агентов внедряются в компаниях. Каждый из них множит свои навыки и при этом не всегда оптимально и успешно. Вы в это тоже упрётесь, если ещё нет. Поэтому предлагаю вместе посмотреть, как в разных работах предлагают навыки оптимизировать. Разобрал шесть работ 2026 года, обзор 124 исследований и Harness² от Google. Основные выводы пока такие: Контроль пороговых значений и метрик даёт больше, чем количество попыток. Когда количество навыков разрастается до нескольких десятков, простой поиск по сходству перестаёт работать надёжно и находить нужный навык, нужны иерархия, связи, версии и временные метки. Все методы пока проверяют эффект работы навыка после его запуска. Следующий шаг, - модель, которая оценит эффект от изменения навыка ДО его запуска. Обсудим в эфире на канале ИИзбранное в воскресенье в 20:00 Презентация там же #навыки #агенты #презентации #руководства ——— @tsingular

Открыть в Telegram
Просмотры1 040−46%к среднему
Пересылки33
Реакции11
Комментарии0

Все посты

Связи

Похожие каналы

Кто упоминает

Кого упоминает

Все упоминания