Het London Underground Dot Matrix Typeface is een set lettertypes die de lettertypes nabootsen die worden gebruikt op de aankomst- en aankondigingsborden van het Londense metrovervoerssysteem.
Het lettertype bevat verschillende gewichten en vertegenwoordigt de lettertypes die in verschillende tijdsperioden op het ondergrondse netwerk werden gebruikt.
Het lettertype is gemaakt met behulp van referentiemateriaal zoals foto's en video's, en er is een mogelijkheid voor mensen om bij te dragen door nieuwe tekens toe te voegen aan de bestaande lettertypes.
Het Dot Matrix lettertype van de London Underground is nagemaakt door een ontwerper en beschikbaar gemaakt op GitHub.
Het lettertype is kenmerkend en herkenbaar, met de hoofdletters die onder de basislijn uitsteken.
Het lettertype was waarschijnlijk uniek voor de Londense metro, maar er kunnen overeenkomsten zijn met lettertypes die in andere vervoerssystemen worden gebruikt.
Het artikel gaat over de zoektocht naar de betekenis en oorsprong van een mysterieus symbool met de naam U+237C ⍼ &Angzarr;
De auteur diende een verzoek in bij de Cambridge Library voor scans van documenten die gerelateerd zijn aan het symbool, maar kreeg te horen dat dit de copyrightwetgeving en scanlimieten overschrijdt.
Lezers zijn geïnteresseerd in het helpen financieren van de digitale aanvraag en het vinden van een manier om het onderzoek voort te zetten.
Bullshitjobs zijn zinloze en onnodige functies die zowel in de publieke als in de private sector bestaan, frustratie veroorzaken bij werknemers en het ware doel van organisaties ondermijnen.
Veel werknemers voelen zich gevangen in hun zinloze banen en worstelen om een balans te vinden tussen de behoefte aan zinvol werk en de eisen van hun BS-banen, wat leidt tot negatieve effecten op hun geestelijke gezondheid en gevoel van eigenwaarde.
Het concept van een Universeel Basisinkomen (OBI) wordt gezien als een potentiële oplossing om het probleem van de bullshit jobs en inkomensongelijkheid aan te pakken, door individuen te laten kiezen hoe ze hun tijd besteden en bijdragen aan de maatschappij.
GB Studio is een gebruiksvriendelijke spelcreator met slepen en neerzetten waarmee je retrospellen kunt maken voor het draagbare GameBoy-videospelsysteem.
Het is beschikbaar voor Windows, Mac en Linux en je kunt het downloaden van Itch.io.
De software vereist geen programmeerkennis en ondersteunt meerdere spelgenres. Het bevat ook een ingebouwde muziekeditor en stelt je in staat om echte ROM-bestanden te maken die op elke GameBoy-emulator kunnen worden afgespeeld.
GB Studio is een retro game creator voor de GameBoy waarmee gebruikers spellen kunnen maken door ze te slepen en neer te zetten.
Voor de GameBoy was historisch gezien assemblage-programmering vereist, maar GB Studio biedt een WYSIWYG-game-engine voor eenvoudigere gameontwikkeling.
GB Studio exporteert ROM-bestanden die kunnen worden uitgevoerd op emulators, webpagina's of echte GameBoy-hardware.
De auteur uit zijn frustratie over de opkomst van nieuwe querytalen in de industrie en stelt dat het gebruik van SQL als gemeenschappelijke basistaal voor databases voor algemeen gebruik praktischer en efficiënter is.
De auteur vergelijkt een nieuwe querytaal genaamd FancyQL met SQL en benadrukt dat SQL niet zo complex is als vaak wordt voorgesteld en effectief gegevensgerelateerde taken kan uitvoeren.
De auteur benadrukt de voordelen van SQL, zoals het wijdverspreide gebruik, de ondersteuning van grote database-engines en de voortdurende verbetering door een standaardcommissie. Ze beweren dat er geen behoefte is aan een mooie querytaal als SQL al geschikt is.
SQL-query's kunnen nadelen hebben als het gaat om query's in databases met verschillende typen en veelvoud, wat leidt tot overbodige uitvoer en een gebrek aan foutafhandeling.
JSON-ondersteuning in databases maakt het mogelijk om subselectieresultaten te aggregeren tot een enkele kolom, wat meer flexibiliteit biedt bij het queryen.
Alternatieve querytalen zoals EdgeQL en PRQL proberen de beperkingen van SQL te verbeteren, maar SQL blijft een waardevol en veelgebruikt hulpmiddel in de industrie.
Deze post bespreekt technieken om training en inferentie van grote taalmodellen (LLM's) te versnellen om een contextvenster van maximaal 100K invoertekens te gebruiken, wat aanzienlijk groter is dan eerdere modellen.
De beperkingen van de originele Transformer-architectuur bij het werken met grote contextlengtes worden uitgelegd, waaronder de kwadratische tijd- en ruimtecomplexiteit van de aandachtslaagberekeningen.
Verschillende optimalisatietechnieken worden gepresenteerd, waaronder ALiBi positionele inbedding, Sparse Attention, FlashAttention, Multi-Query attention, Conditional computation en het gebruik van 80GB A100 GPU's, die helpen de contextlengte te vergroten en de efficiëntie van LLM's te verbeteren.
Het 100k-model van Anthropics maakt gebruik van slimme technieken om het contextvenster te vergroten, maar het heeft enkele onvolkomenheden.
Het plaatsen van instructies na de referentietekst in de invoer kan het model helpen om er meer aandacht aan te besteden.
Het onvermogen om transformatoren te cachen maakt grote contextvensters kostbaar, maar het RWKV-LM project op GitHub biedt een potentiële oplossing.
Anthropics' Claude presteert in sommige gevallen beter dan GPT4 en staat tussen GPT4 en Bard in.
De positie van de prompt in de invoer kan de "aandacht" en recency bias van het model beïnvloeden.
Transformers zijn ontworpen om problemen met de positie te vermijden, maar sommige gevallen laten zien dat de vooringenomenheid door frequentie nog steeds aanwezig kan zijn.
LLM's kunnen moeite hebben om hetzelfde aandachtsniveau toe te wijzen aan alle delen van de invoer over het hele contextvenster.
De Claude van Anthropics wordt als ondergewaardeerd beschouwd, maar toegang ertoe is momenteel moeilijk.
De computationele vereisten voor grote contextvensters kunnen aanzienlijk zijn, maar kunnen de moeite waard zijn voor specifieke toepassingen zoals programmeren.
Het trainen van LLM's met grote contextvensters kost veel middelen, maar het comprimeren en optimaliseren van de modellen kan de efficiëntie verbeteren.
Grote contextgroottes zijn nodig voor taken als het oproepen van feiten en het begrijpen van lange verhalen.
Er is behoefte aan benchmarks die zich richten op taken die grote contextgroottes vereisen.
Lossy compressie kan resulteren in een betere kwaliteit in vergelijking met lossless compressie als het gaat om LLM's.
Positionele coderingsmethoden zoals sinusoïdale embeddings zijn mogelijk niet geschikt voor grote contextgroottes.
Kennis van AI in het algemeen is essentieel, maar het zelfstandig reproduceren of aanpassen van LLM's vereist aanzienlijke middelen.
Er wordt voortdurend onderzoek gedaan om de schaalbaarheid van LLM's op het gebied van reken- en geheugenvereisten te verbeteren.
Het gebruik van aangeleerde positionele coderingen maakt fijnafstemming op grotere contextgroottes mogelijk.
Het artikel mist gedetailleerde uitleg en doet vage uitspraken over het schalen van context in LLMs.
Er is interesse in het verkennen van verschillende paradigma's en technieken om de computationele complexiteit van grote contextgroottes aan te pakken.
De blog GoPenAI, waar het artikel wordt gehost, is niet gelieerd aan OpenAI, ondanks de gelijkenis in de domeinnaam.
Onderzoek toont aan dat onschuldige mensen door de juiste ondervragingstechnieken ervan overtuigd kunnen worden dat ze een misdaad hebben gepleegd die in werkelijkheid nooit heeft plaatsgevonden.
Valse herinneringen aan het plegen van misdaden kunnen in slechts een paar uur tijd worden gegenereerd door middel van een vriendelijke interviewomgeving en de introductie van verkeerde details.
Het opnemen van echte details in verhalen over valse gebeurtenissen kan ze aannemelijker maken, waardoor mensen rijke en gedetailleerde beschrijvingen geven van gebeurtenissen die nooit hebben plaatsgevonden.
De Reid-techniek die gebruikt wordt door wetshandhavers kan leiden tot valse bekentenissen en onterechte veroordelingen.
Psychologisch onderzoek toont aan dat valse herinneringen geïmplanteerd kunnen worden, waardoor mensen ten onrechte geloven dat ze een misdaad hebben gepleegd.
Het onderzoek roept vragen op over de betrouwbaarheid van het menselijk geheugen en de implicaties voor het strafrechtsysteem.
Waarom weigert Apple window snapping aan macOS toe te voegen?- In dit artikel wordt besproken waarom Apple een functie genaamd "window snapping" niet heeft toegevoegd aan het besturingssysteem macOS.
Window snapping is een functie waarmee gebruikers eenvoudig geopende vensters op hun computerscherm kunnen rangschikken en de grootte ervan kunnen aanpassen.
In het artikel worden verschillende perspectieven onderzocht over waarom Apple ervoor heeft gekozen om deze functie niet in macOS op te nemen.
Gebruikers vragen zich af waarom Apple geen functie voor het vastklikken van vensters aan macOS heeft toegevoegd en uiten hun frustratie over het standaardgedrag van de groene knop op macOS-vensters.
De discussie benadrukt de interesse en vraag naar een functie voor het vastklikken van vensters in macOS, evenals de verschillende workarounds en aanpassingsopties die beschikbaar zijn voor gebruikers.
Veel gebruikers uiten hun frustratie over het feit dat ze apps van derden moeten gebruiken om vensters effectief te beheren en bevelen oplossingen aan zoals Magnet, Rectangle en Amethyst voor vensterbeheer.
De prestatiebeoordeling van de ARM64-servers van Hetzner laat zien dat ze zeer goed presteren, waarbij de CAX21-machine slechts 8% langzamer is dan de CPX21-machine in WebP-conversiesnelheid.
Hetzner biedt de laagste prijs voor ARM64-servers in vergelijking met andere populaire serviceproviders.
WebP Cloud Services heeft al zijn services gemigreerd naar de ARM64-servers van Hetzner vanwege hun indrukwekkende prestaties en kosteneffectiviteit.
De auteur van het artikel maakte een fout door de E3-1230 processor te beschrijven als een 8-core server, terwijl het eigenlijk een 4-core server is met 8 threads.
Sommige gebruikers hebben problemen ondervonden met het gebruik van ARM-images in Docker, omdat ze vaak onvolledig zijn of achterlopen op de x86-releasecyclus.
De ARM64-servers van Hetzner bieden een kosteneffectief alternatief voor x86-servers, met vergelijkbare prestaties en aanzienlijke kostenbesparingen.
Het bcachefs bestandssysteem, gericht op het leveren van hoge prestaties en betrouwbaarheid, komt dichter bij het samenvoegen in de mainline Linux kernel.
De maker van bcachefs, Kent Overstreet, besprak de status van het bestandssysteem, inclusief recente schaalbaarheidsverbeteringen en de implementatie van functies zoals snapshots en erasure coding.
Overstreet heeft voorlopige patches ter beoordeling gepost en werkt aan het proces om bcachefs samen te voegen, inclusief het aanpakken van zorgen over bugondersteuning en codeherziening.
Bcachefs, een nieuw bestandssysteem, wordt momenteel samengevoegd in de Linux kernel.
Er is bezorgdheid geuit over het aantal bestandssystemen in de kernel en de moeilijkheden om ze te verwijderen vanwege de nauwe koppeling tussen bestandssystemen en andere subsystemen.
Bcachefs is al meer dan 10 jaar in ontwikkeling en is veelbelovend, maar het kan nog wel even duren voordat het wordt aanbevolen voor wijdverspreid gebruik.