London Underground Dot Matrix Yazı Karakteri, Londra Metrosu ulaşım sisteminin varış panolarında ve duyuru panolarında kullanılan yazı karakterlerini kopyalayan bir yazı tipi setidir.
Yazı karakteri farklı ağırlıklar içerir ve Metro ağında farklı zaman dilimlerinde kullanılan yazı tiplerini temsil eder.
Yazı karakteri, fotoğraflar ve videolar gibi referans malzemeler kullanılarak oluşturulmuştur ve insanların mevcut yazı karakterlerine yeni karakterler ekleyerek katkıda bulunmaları için bir fırsat vardır.
Makale, U+237C ⍼ &Angzarr adlı gizemli bir sembolün anlamını ve kökenini araştırmayı tartışıyor;
Yazar, sembolle ilgili belgelerin taranması için Cambridge Kütüphanesi'ne talepte bulunmuş, ancak telif hakkı yasasını ve tarama sınırlarını aştığı söylenmiştir.
Okuyucular, dijital talebin finanse edilmesine yardımcı olmak ve araştırmaya devam etmenin bir yolunu bulmakla ilgileniyorlar.
Saçma işler, hem kamu hem de özel sektörde var olan, çalışanlar arasında hayal kırıklığına neden olan ve kuruluşların gerçek amacını baltalayan anlamsız ve gereksiz pozisyonlardır.
Birçok çalışan anlamsız işlerinde kapana kısılmış gibi hissetmekte ve anlamlı iş ihtiyacı ile BS işlerinin talepleri arasında bir denge bulmakta zorlanmakta, bu da ruh sağlıkları ve öz saygıları üzerinde olumsuz etkilere yol açmaktadır.
Evrensel Temel Gelir (UBI) kavramı, saçma işler ve gelir eşitsizliği sorununu ele almak için potansiyel bir çözüm olarak görülmekte ve bireyleri zamanlarını nasıl geçireceklerini ve topluma nasıl katkıda bulunacaklarını seçme konusunda güçlendirmektedir.
GB Studio, GameBoy el video oyun sistemi için retro oyunlar yapmanızı sağlayan kullanıcı dostu bir sürükle ve bırak oyun yaratıcısıdır.
Windows, Mac ve Linux için kullanılabilir ve Itch.io'dan indirebilirsiniz.
Yazılım herhangi bir programlama bilgisi gerektirmez ve birden fazla oyun türünü destekler. Ayrıca yerleşik bir müzik editörü içerir ve herhangi bir GameBoy emülatöründe oynatılabilen gerçek ROM dosyaları oluşturmanıza olanak tanır.
Yazar, sektörde yeni sorgu dillerinin ortaya çıkmasından duydukları hayal kırıklığını dile getirmekte ve genel amaçlı veritabanları için ortak bir zemin dili olarak SQL kullanmanın daha pratik ve verimli olduğunu savunmaktadır.
Yazar, FancyQL adlı yeni bir sorgu dilini SQL ile karşılaştırmakta ve SQL'in genellikle tasvir edildiği kadar karmaşık olmadığını ve veriyle ilgili görevleri etkili bir şekilde yerine getirebileceğini vurgulamaktadır.
Yazar, SQL'in yaygın kullanımı, büyük veritabanı motorlarının desteği ve bir standartlar komitesi aracılığıyla sürekli iyileştirme gibi avantajlarını vurgulamaktadır. SQL zaten yetenekliyken süslü bir sorgu diline gerek olmadığını ileri sürmektedirler.
SQL sorguları, farklı türlere ve çokluğa sahip veritabanlarını sorgulamak söz konusu olduğunda, gereksiz çıktılara ve hata işleme eksikliğine yol açan dezavantajlara sahip olabilir.
Veritabanlarındaki JSON desteği, alt seçim sonuçlarının tek bir sütunda toplanmasına olanak tanıyarak sorgulamada daha fazla esneklik sağlar.
EdgeQL ve PRQL gibi alternatif sorgu dilleri SQL'in sınırlamalarını iyileştirmeyi amaçlamaktadır, ancak SQL sektörde değerli ve yaygın olarak kullanılan bir araç olmaya devam etmektedir.
Bu yazıda, Büyük Dil Modellerinin (LLM'ler) eğitimini ve çıkarımını hızlandırmak için, önceki modellerden önemli ölçüde daha büyük olan 100K giriş jetonuna kadar bir bağlam penceresi kullanma teknikleri tartışılmaktadır.
Büyük bağlam uzunlukları ile çalışırken orijinal Transformer mimarisinin sınırlamaları, dikkat katmanı hesaplamalarının ikinci dereceden zaman ve uzay karmaşıklığı da dahil olmak üzere açıklanmaktadır.
ALiBi konumsal gömme, Sparse Attention, FlashAttention, Multi-Query attention, Conditional computation ve bağlam uzunluğunu artırmaya ve LLM'lerin verimliliğini artırmaya yardımcı olan 80GB A100 GPU'ların kullanımı dahil olmak üzere çeşitli optimizasyon teknikleri sunulmuştur.
Anthropics'in 100k modeli bağlam penceresini genişletmek için akıllı teknikler kullanmaktadır, ancak bazı kusurları vardır.
Talimatları girdideki referans metinden sonra yerleştirmek, modelin bunlara daha fazla dikkat etmesine yardımcı olabilir.
Dönüştürücülerin önbelleğe alınamaması büyük bağlam pencerelerini maliyetli hale getiriyor, ancak GitHub'daki RWKV-LM projesi potansiyel bir çözüm sunuyor.
Anthropics'in Claude'u bazı durumlarda GPT4'ten daha iyi performans gösteriyor ve genel olarak GPT4 ile Bard arasında yer alıyor.
İstemin girdideki konumu modelin "dikkatini" ve anlık önyargısını etkileyebilir.
Transformatörler konumsal sorunlardan kaçınmak için tasarlanmıştır, ancak bazı vakalar tekrarlama önyargısının hala mevcut olabileceğini göstermektedir.
LLM'ler, tüm bağlam penceresi boyunca girdinin tüm bölümlerine aynı dikkat seviyesini tahsis etmekte zorlanabilir.
Antropiklerin Claude'unun yeterince takdir edilmediği düşünülmektedir, ancak buna erişim şu anda zordur.
Büyük bağlam boyutları için hesaplama gereksinimleri önemli olabilir, ancak programlama gibi belirli uygulamalar için buna değebilir.
LLM'leri büyük bağlam pencereleriyle eğitmek yoğun kaynak gerektirir, ancak modelleri sıkıştırmak ve optimize etmek verimliliği artırabilir.
Büyük bağlam boyutları, gerçekleri hatırlama ve uzun hikayeleri anlama gibi görevler için gereklidir.
Büyük bağlam boyutları gerektiren görevlere odaklanan kıyaslama ölçütlerine ihtiyaç vardır.
LLM'ler söz konusu olduğunda kayıplı sıkıştırma, kayıpsız sıkıştırmaya kıyasla daha iyi kaliteyle sonuçlanabilir.
Sinüzoidal gömme gibi konumsal kodlama yöntemleri büyük bağlam boyutları için uygun olmayabilir.
Genel olarak YZ bilgisi gereklidir, ancak LLM'leri bağımsız olarak yeniden üretmek veya değiştirmek önemli kaynaklar gerektirir.
LLM'lerin hesaplama ve bellek gereksinimleri açısından ölçeklenebilirliğini iyileştirmek için devam eden araştırmalar vardır.
Öğrenilmiş konumsal kodlamaların kullanılması, daha büyük bağlam boyutlarında ince ayar yapılmasına olanak tanır.
Makale, LLM'lerde bağlamın ölçeklendirilmesi hakkında ayrıntılı açıklamalardan yoksundur ve belirsiz ifadelerde bulunmaktadır.
Büyük bağlam boyutlarının hesaplama karmaşıklığını ele almak için farklı paradigmaları ve teknikleri keşfetmeye ilgi vardır.
Makalenin yer aldığı GoPenAI blogu, alan adındaki benzerliğe rağmen OpenAI ile bağlantılı değildir.
Araştırmalar, masum kişilerin, uygun sorgulama teknikleriyle, aslında hiç gerçekleşmemiş bir suçu işlediklerine ikna edilebildiklerini göstermektedir.
Suç işlendiğine dair sahte anılar, samimi görüşme ortamları ve yanlış detayların sunulması yoluyla sadece birkaç saat içinde oluşturulabilir.
Sahte olay hikayelerine doğru detayların eklenmesi, bu hikayelerin daha inandırıcı görünmesini sağlayarak, bireylerin hiç gerçekleşmemiş olaylarla ilgili zengin ve detaylı açıklamalar yapmasına yol açabilir.
Kolluk kuvvetleri tarafından kullanılan Reid tekniği yanlış itiraflara ve haksız mahkumiyetlere yol açabilir.
Psikolojik araştırmalar, yanlış anıların yerleştirilebileceğini ve insanların yanlışlıkla bir suç işlediklerine inanmalarına yol açabileceğini göstermektedir.
Çalışma, insan hafızasının güvenilirliği ve bunun ceza adaleti sistemi üzerindeki etkileri konusunda soru işaretleri yaratıyor.
Apple macOS'a pencere yaslama özelliğini eklemeyi neden reddediyor?- Yazıda Apple'ın macOS işletim sistemine neden "window snapping" adı verilen bir özellik eklemediği tartışılıyor.
Pencere yakalama, kullanıcıların bilgisayar ekranlarındaki açık pencereleri kolayca düzenlemelerine ve yeniden boyutlandırmalarına olanak tanıyan bir özelliktir.
Yazı, Apple'ın bu özelliği macOS'a neden eklememeyi tercih etmiş olabileceğine dair farklı bakış açılarını araştırıyor.
Kullanıcılar, Apple'ın macOS'a neden bir pencere yakalama özelliği eklemediğini sorguluyor ve macOS pencerelerindeki yeşil düğmenin varsayılan davranışından duydukları hayal kırıklığını dile getiriyor.
Tartışma, macOS'ta pencere yakalama özelliğine yönelik ilgi ve talebin yanı sıra kullanıcıların kullanabileceği çeşitli geçici çözümler ve özelleştirme seçeneklerini de vurguluyor.
Birçok kullanıcı, pencereleri etkili bir şekilde yönetmek için üçüncü taraf uygulamaları kullanmak zorunda kalmanın hayal kırıklığını dile getiriyor ve pencere yönetimi için Magnet, Rectangle ve Amethyst gibi çözümler öneriyor.
Hetzner'in ARM64 sunucularının performans incelemesi, CAX21 makinesinin WebP dönüştürme hızında CPX21 makinesinden yalnızca %8 daha yavaş olmasıyla çok iyi performans gösterdiklerini göstermektedir.
Hetzner, diğer popüler hizmet sağlayıcılara kıyasla ARM64 sunucular için en düşük fiyatı sunuyor.
WebP Bulut Hizmetleri, etkileyici performansları ve uygun maliyetleri nedeniyle tüm hizmetlerini Hetzner'in ARM64 sunucularına taşımıştır.
Makalenin yazarı, aslında 8 iş parçacıklı 4 çekirdekli bir sunucu olan E3-1230 işlemciyi 8 çekirdekli bir sunucu olarak tanımlarken bir hata yapmıştır.
Bazı kullanıcılar, genellikle tamamlanmamış veya x86 sürüm döngüsünün gerisinde oldukları için Docker'da ARM görüntülerini kullanırken zorluklar yaşamıştır.
Hetzner'in ARM64 sunucuları, karşılaştırılabilir performans ve önemli maliyet tasarrufları ile x86 sunuculara uygun maliyetli bir alternatif sunmaktadır.
Yüksek performans ve güvenilirlik sağlamayı amaçlayan bcachefs dosya sistemi, ana Linux çekirdeği ile birleştirilmeye yaklaşıyor.
bcachefs'in yaratıcısı Kent Overstreet, son ölçeklenebilirlik iyileştirmeleri ve anlık görüntüler ve silme kodlaması gibi özelliklerin uygulanması da dahil olmak üzere dosya sisteminin durumunu tartıştı.
Overstreet inceleme için ön yamaları yayınladı ve hata desteği ve kod incelemesi ile ilgili endişelerin giderilmesi de dahil olmak üzere bcachefs'in birleştirilmesi süreci üzerinde çalışıyor.
Yeni bir dosya sistemi olan Bcachefs, Linux çekirdeği ile birleştirme sürecindedir.
Çekirdekteki dosya sistemlerinin sayısı ve dosya sistemleri ile diğer alt sistemler arasındaki yakın bağlantı nedeniyle bunların kaldırılmasındaki zorluklar hakkında endişeler dile getirilmiştir.
Bcachefs 10 yılı aşkın bir süredir geliştirilmektedir ve umut vaat etmektedir, ancak yaygın kullanım için tavsiye edilmesi biraz zaman alabilir.