London Underground Dot Matrix Typeface este un set de fonturi care reproduce caracterele utilizate pe panourile de sosire și pe panourile de anunțuri ale sistemului de transport subteran din Londra.
Fontul include greutăți diferite și reprezintă fonturile utilizate în diferite perioade de timp în rețeaua de metrou.
Caracterele sunt create cu ajutorul unor materiale de referință, cum ar fi fotografii și videoclipuri, iar oamenii au posibilitatea de a contribui prin adăugarea de noi caractere la caracterele existente.
Caracterul tipografic Dot Matrix al metroului londonez a fost recreat de un designer și pus la dispoziție pe GitHub.
Fontul este distinctiv și recognoscibil, cu literele majuscule care se extind sub linia de bază.
Fontul a fost probabil unic pentru metroul londonez, dar este posibil să existe similitudini cu fonturile utilizate în alte sisteme de transport în comun.
Articolul discută despre căutarea semnificației și originii unui simbol misterios numit U+237C ⍼ &Angzarr;
Autorul a făcut o cerere la Biblioteca Cambridge pentru scanarea documentelor legate de acest simbol, dar i s-a spus că depășește legea drepturilor de autor și limitele de scanare.
Cititorii sunt interesați să ajute la finanțarea cererii digitale și să găsească o modalitate de a continua cercetarea.
Bullshit jobs sunt poziții inutile și nefolositoare care există atât în sectorul public, cât și în cel privat, provocând frustrare în rândul angajaților și subminând adevăratul scop al organizațiilor.
Mulți lucrători se simt prinși în capcana locurilor de muncă lipsite de sens și se străduiesc să găsească un echilibru între nevoia unei munci semnificative și cerințele joburilor BS, ceea ce duce la efecte negative asupra sănătății lor mentale și a stimei de sine.
Conceptul de venit universal de bază (Universal Basic Income - UBI) este văzut ca o soluție potențială pentru a aborda problema locurilor de muncă de rahat și a inegalității veniturilor, dându-le indivizilor posibilitatea de a alege cum să își petreacă timpul și să contribuie la societate.
Cartea "Bullshit Jobs" (Locuri de muncă de rahat) de David Graeber explorează conceptul de locuri de muncă care sunt percepute ca fiind inutile sau de prisos de către angajații înșiși.
Cartea ridică întrebări cu privire la natura muncii, la impactul birocrației asupra organizațiilor, precum și la sensul și valoarea pe care oamenii le obțin de la locurile lor de muncă.
Conceptul de joburi de rahat a stârnit discuții despre viitorul muncii și despre nevoia de locuri de muncă semnificative.
GB Studio este un creator de jocuri ușor de utilizat, de tip drag and drop, care vă permite să creați jocuri retro pentru sistemul portabil de jocuri video GameBoy.
Este disponibil pentru Windows, Mac și Linux și îl puteți descărca de pe Itch.io.
Software-ul nu necesită cunoștințe de programare și suportă mai multe genuri de jocuri. De asemenea, include un editor de muzică încorporat și vă permite să creați fișiere ROM reale care pot fi redate pe orice emulator GameBoy.
Autorul își exprimă frustrarea față de apariția unor noi limbaje de interogare în industrie și susține că utilizarea SQL ca limbaj comun pentru baze de date de uz general este mai practică și mai eficientă.
Autorul compară un nou limbaj de interogare numit FancyQL cu SQL, subliniind faptul că SQL nu este atât de complex precum este adesea prezentat și că poate gestiona eficient sarcinile legate de date.
Autorul subliniază avantajele SQL, cum ar fi utilizarea sa pe scară largă, sprijinul din partea motoarelor de baze de date importante și îmbunătățirea continuă prin intermediul unui comitet de standardizare. Ei afirmă că nu este nevoie de un limbaj de interogare sofisticat atunci când SQL este deja capabil.
Interogările SQL pot avea dezavantaje atunci când vine vorba de interogarea bazelor de date cu diferite tipuri și multiplicitate, ceea ce duce la rezultate redundante și la lipsa de gestionare a erorilor.
Suportul JSON în bazele de date permite agregarea rezultatelor subsecvenței într-o singură coloană, oferind mai multă flexibilitate în interogare.
Limbajele de interogare alternative, precum EdgeQL și PRQL, au ca scop îmbunătățirea limitărilor SQL, dar SQL rămâne un instrument valoros și utilizat pe scară largă în industrie.
Postul discută tehnici de accelerare a instruirii și a inferenței modelelor de limbaj de mari dimensiuni (LLM) pentru a utiliza o fereastră de context de până la 100K simboluri de intrare, care este semnificativ mai mare decât modelele anterioare.
Sunt explicate limitările arhitecturii Transformer originale atunci când se lucrează cu lungimi mari de context, inclusiv complexitatea cvadratică în timp și spațiu a calculelor din stratul de atenție.
Sunt prezentate mai multe tehnici de optimizare, inclusiv încorporarea pozițională ALiBi, Sparse Attention, FlashAttention, atenție multiinterogatoriu, calcul condiționat și utilizarea GPU-urilor A100 de 80 GB, care ajută la creșterea lungimii contextului și la îmbunătățirea eficienței LLM-urilor.
Modelul 100k al Anthropics folosește tehnici inteligente pentru a extinde fereastra de context, dar are câteva imperfecțiuni.
Plasarea instrucțiunilor după textul de referință în intrare poate ajuta modelul să le acorde mai multă atenție.
Incapacitatea de a pune în cache transformatoarele face ca ferestrele de context mari să fie costisitoare, dar proiectul RWKV-LM de pe GitHub oferă o soluție potențială.
Claude de la Anthropics depășește GPT4 în unele cazuri și se situează între GPT4 și Bard în general.
Poziția prompterului în intrare poate afecta "atenția" modelului și tendința de recurență.
Transformatoarele au fost concepute pentru a evita problemele legate de poziție, dar unele cazuri arată că poate exista totuși o tendință de recurență.
LLM-urile pot avea dificultăți în alocarea aceluiași nivel de atenție pentru toate părțile de intrare pe întreaga fereastră de context.
Claude de la Anthropics este considerat subapreciat, dar accesul la el este dificil în prezent.
Cerințele de calcul pentru dimensiuni mari ale contextului pot fi semnificative, dar pot merita pentru aplicații specifice, cum ar fi programarea.
Antrenarea LLM-urilor cu ferestre de context mari necesită multe resurse, dar comprimarea și optimizarea modelelor poate îmbunătăți eficiența.
Dimensiunile mari ale contextului sunt necesare pentru sarcini precum reamintirea faptelor și înțelegerea poveștilor lungi.
Este nevoie de criterii de referință care să se concentreze asupra sarcinilor care necesită dimensiuni mari ale contextului.
Compresia cu pierderi poate duce la o calitate mai bună în comparație cu compresia fără pierderi atunci când vine vorba de LLM-uri.
Este posibil ca metodele de codificare pozițională, cum ar fi încorporările sinusoidale, să nu fie adecvate pentru dimensiuni mari ale contextului.
Cunoștințele de inteligență artificială în general sunt esențiale, dar reproducerea sau modificarea independentă a LLM-urilor necesită resurse semnificative.
Există cercetări în curs de desfășurare pentru a îmbunătăți scalabilitatea LLM-urilor în ceea ce privește cerințele de calcul și de memorie.
Utilizarea codificărilor poziționale învățate permite reglarea fină pe dimensiuni mai mari ale contextului.
Articolul nu oferă explicații detaliate și face afirmații vagi cu privire la scalarea contextului în LLM-uri.
Există un interes în explorarea diferitelor paradigme și tehnici pentru a aborda complexitatea computațională a dimensiunilor mari ale contextului.
Blogul GoPenAI, unde este găzduit articolul, nu este afiliat cu OpenAI, în ciuda similitudinii din numele de domeniu.
Cercetările arată că persoanele nevinovate pot fi convinse, prin tehnici de interogare adecvate, că au comis o infracțiune care nu s-a întâmplat niciodată.
Amintirile false privind comiterea unor infracțiuni pot fi generate în doar câteva ore prin medii de interogare prietenoase și prin introducerea unor detalii greșite.
Încorporarea unor detalii adevărate în povestirile false despre evenimente poate face ca acestea să pară mai plauzibile, determinând indivizii să ofere descrieri bogate și detaliate ale unor evenimente care nu au avut loc niciodată.
Tehnica Reid utilizată de forțele de ordine poate duce la mărturisiri false și condamnări greșite.
Cercetările psihologice arată că pot fi implantate amintiri false, ceea ce îi determină pe oameni să creadă în mod fals că au comis o infracțiune.
Studiul ridică semne de întrebare cu privire la fiabilitatea memoriei umane și la implicațiile sale pentru sistemul de justiție penală.
De ce Apple refuză să adauge snapping-ul ferestrelor în macOS?- Postul discută motivul pentru care Apple nu a adăugat o funcție numită "window snapping" în sistemul său de operare macOS.
Window snapping este o funcție care permite utilizatorilor să aranjeze și să redimensioneze cu ușurință ferestrele deschise pe ecranul computerului.
Postarea explorează diferite perspective cu privire la motivul pentru care Apple ar fi putut alege să nu includă această funcție în macOS.
Utilizatorii se întreabă de ce Apple nu a adăugat o funcție de fixare a ferestrelor în macOS, exprimându-și frustrarea față de comportamentul implicit al butonului verde pe ferestrele macOS.
Discuția evidențiază interesul și cererea pentru o funcție de fixare a ferestrelor în macOS, precum și diferitele soluții de rezolvare și opțiuni de personalizare disponibile pentru utilizatori.
Mulți utilizatori își exprimă frustrarea de a fi nevoiți să utilizeze aplicații terțe pentru a gestiona eficient ferestrele și recomandă soluții precum Magnet, Rectangle și Amethyst pentru gestionarea ferestrelor.
Analiza performanțelor serverelor ARM64 de la Hetzner arată că acestea se comportă foarte bine, mașina CAX21 fiind cu numai 8% mai lentă decât mașina CPX21 în ceea ce privește viteza de conversie WebP.
Hetzner oferă cel mai mic preț pentru serverele ARM64 în comparație cu alți furnizori de servicii populare.
WebP Cloud Services și-a migrat toate serviciile pe serverele ARM64 de la Hetzner datorită performanțelor impresionante și a rentabilității acestora.
Autorul articolului a făcut o greșeală când a descris procesorul E3-1230 ca fiind un server cu 8 nuclee, când de fapt este un server cu 4 nuclee și 8 fire de execuție.
Unii utilizatori au întâmpinat dificultăți în utilizarea imaginilor ARM în Docker, deoarece acestea sunt adesea incomplete sau în urma ciclului de lansare a versiunilor x86.
Serverele ARM64 de la Hetzner oferă o alternativă rentabilă la serverele x86, cu performanțe comparabile și economii semnificative de costuri.
Sistemul de fișiere bcachefs, menit să ofere performanțe și fiabilitate ridicate, este tot mai aproape de a fi integrat în nucleul Linux principal.
Creatorul lui bcachefs, Kent Overstreet, a discutat despre starea sistemului de fișiere, inclusiv despre îmbunătățirile recente ale scalabilității și implementarea unor caracteristici precum instantanee și coduri de ștergere.
Overstreet a postat patch-uri preliminare pentru revizuire și lucrează la procesul de integrare a bcachefs, inclusiv la rezolvarea problemelor legate de suportul pentru erori și revizuirea codului.
Bcachefs, un nou sistem de fișiere, este în curs de a fi integrat în nucleul Linux.
Au fost exprimate îngrijorări cu privire la numărul de sisteme de fișiere din kernel și la dificultățile de eliminare a acestora din cauza cuplării strânse dintre sistemele de fișiere și alte subsisteme.
Bcachefs este în dezvoltare de peste 10 ani și se arată promițător, dar este posibil să mai dureze ceva timp până când va fi recomandat pentru o utilizare pe scară largă.