Forwarded from Denis Sexy IT 🤖
Все никак не могу привыкнуть к этому новому миру – скачал Need For Speed Underground, и естественно на маке такие игры запускать это танцы с бубнами (сам запустить я не смог)
Открываешь папку, запускаешь там Claude Code в терминале, и через 10 минут играешь – потому что Opus 4.6 залез там в .exe файл и какими-то патчами починил то, что роняло эмулятор винды
Еще раз – подправил🪟 файл, сам
Скоро весь легаси софт оживим роботами, дурун-дун-дун
Открываешь папку, запускаешь там Claude Code в терминале, и через 10 минут играешь – потому что Opus 4.6 залез там в .exe файл и какими-то патчами починил то, что роняло эмулятор винды
Еще раз – подправил
Скоро весь легаси софт оживим роботами, дурун-дун-дун
Please open Telegram to view this post
VIEW IN TELEGRAM
😱41❤10🔥3🤩2🤡2
This media is not supported in your browser
VIEW IN TELEGRAM
❤18😁6🤡5🔥4😱3👍1👀1
⚡️ Daily AI Digest — Sun, Feb 15
🔥 MonarchRT — Real-time video diffusion via Monarch matrix attention + Triton kernels
arxiv.org/abs/2602.12271
🔥 DeepGen 1.0 — 5B model beats 80B HunyuanImage (+28%), open-source
arxiv.org/abs/2602.12205 | github.com/DeepGenTeam/DeepGen
🔥 DreamID-Omni — Unified human-centric audio-video gen, multi-character identity+voice
arxiv.org/abs/2602.12160
UniT — Multimodal CoT test-time scaling
arxiv.org/abs/2602.12279
UniDFlow — Unified discrete flow matching, LoRA per task
arxiv.org/abs/2602.12221
FAIL — Adversarial imitation learning for flow matching
arxiv.org/abs/2602.12155
GigaBrain — VLA from world model RL
arxiv.org/abs/2602.12099
🔥 MonarchRT — Real-time video diffusion via Monarch matrix attention + Triton kernels
arxiv.org/abs/2602.12271
🔥 DeepGen 1.0 — 5B model beats 80B HunyuanImage (+28%), open-source
arxiv.org/abs/2602.12205 | github.com/DeepGenTeam/DeepGen
🔥 DreamID-Omni — Unified human-centric audio-video gen, multi-character identity+voice
arxiv.org/abs/2602.12160
UniT — Multimodal CoT test-time scaling
arxiv.org/abs/2602.12279
UniDFlow — Unified discrete flow matching, LoRA per task
arxiv.org/abs/2602.12221
FAIL — Adversarial imitation learning for flow matching
arxiv.org/abs/2602.12155
GigaBrain — VLA from world model RL
arxiv.org/abs/2602.12099
arXiv.org
MonarchRT: Efficient Attention for Real-Time Video Generation
Real-time video generation with Diffusion Transformers is bottlenecked by the quadratic cost of 3D self-attention, especially in real-time regimes that are both few-step and autoregressive, where...
🔥6🤡2❤1
This media is not supported in your browser
VIEW IN TELEGRAM
Я проверяю пуллреквесты Claude Code перед деплоем в прод
1😁62🤣15😢3💯2
Forwarded from r/ретранслятор
Аудиофилы не смогли отличить звук, идущий по медному проводу, от звука, который пустили через банан и грязь.
В эксперименте участвовали «гурманы качественного звука», уверенные, что разные провода и материалы сильно влияют на звучание.
Всего было несколько версий одного и того же аудиофайла:
— Оригинал с CD (контрольная версия);
— Запись через 180 см профессионального медного аудиокабеля;
— Через 20 см мокрой грязи;
— Через старый микрофонный кабель, припаянный к монетам;
— Через банан.
Слушателям предложили вслепую определить, где какой вариант.
Из 43 попыток правильно угадали только 6 раз — то есть на уровне случайного угадывания. Некоторые даже хвалили звук через грязь, называя его лучшим.
Тотальное унижение аудиофилов
r/#LinusTechTips
В эксперименте участвовали «гурманы качественного звука», уверенные, что разные провода и материалы сильно влияют на звучание.
Всего было несколько версий одного и того же аудиофайла:
— Оригинал с CD (контрольная версия);
— Запись через 180 см профессионального медного аудиокабеля;
— Через 20 см мокрой грязи;
— Через старый микрофонный кабель, припаянный к монетам;
— Через банан.
Слушателям предложили вслепую определить, где какой вариант.
Из 43 попыток правильно угадали только 6 раз — то есть на уровне случайного угадывания. Некоторые даже хвалили звук через грязь, называя его лучшим.
Тотальное унижение аудиофилов
r/#LinusTechTips
1😁52❤6👍5🗿2