JEP 432: Record Patterns (Second Preview)
Усовершенствуйте язык программирования Java с помощью шаблонов записей для деконструкции значений записей. Шаблоны записей и типов могут быть вложенными, чтобы обеспечить мощную, декларативную и компонуемую форму навигации и обработки данных. Это функция предварительного просмотра языка.
Усовершенствуйте язык программирования Java с помощью шаблонов записей для деконструкции значений записей. Шаблоны записей и типов могут быть вложенными, чтобы обеспечить мощную, декларативную и компонуемую форму навигации и обработки данных. Это функция предварительного просмотра языка.
JEP 433: Pattern Matching for switch (Fourth Preview)
Усовершенствуйте язык программирования Java с помощью сопоставления шаблонов для выражений и инструкций switch. Расширение сопоставления с шаблоном для switch позволяет тестировать выражение на основе нескольких шаблонов, каждый из которых выполняет определенное действие, так что сложные запросы, ориентированные на данные, могут быть выражены кратко и безопасно. Это функция предварительного просмотра языка.
Усовершенствуйте язык программирования Java с помощью сопоставления шаблонов для выражений и инструкций switch. Расширение сопоставления с шаблоном для switch позволяет тестировать выражение на основе нескольких шаблонов, каждый из которых выполняет определенное действие, так что сложные запросы, ориентированные на данные, могут быть выражены кратко и безопасно. Это функция предварительного просмотра языка.
JEP 434: Foreign Function & Memory API (Second Preview)
Представьте API, с помощью которого Java-программы могут взаимодействовать с кодом и данными за пределами среды выполнения Java. Эффективно вызывая внешние функции (т.е. код вне JVM) и безопасно получая доступ к внешней памяти (т.е. к памяти, не управляемой JVM), API позволяет Java-программам вызывать собственные библиотеки и обрабатывать собственные данные без хрупкости и опасности JNI. Это предварительный просмотр API.
Представьте API, с помощью которого Java-программы могут взаимодействовать с кодом и данными за пределами среды выполнения Java. Эффективно вызывая внешние функции (т.е. код вне JVM) и безопасно получая доступ к внешней памяти (т.е. к памяти, не управляемой JVM), API позволяет Java-программам вызывать собственные библиотеки и обрабатывать собственные данные без хрупкости и опасности JNI. Это предварительный просмотр API.
JEP 436: Virtual Threads (Second Preview)
Внедрите виртуальные потоки в платформу Java. Виртуальные потоки - это облегченные потоки, которые значительно сокращают затраты на написание, обслуживание и наблюдение за параллельными приложениями с высокой пропускной способностью. Это предварительный просмотр API.
Внедрите виртуальные потоки в платформу Java. Виртуальные потоки - это облегченные потоки, которые значительно сокращают затраты на написание, обслуживание и наблюдение за параллельными приложениями с высокой пропускной способностью. Это предварительный просмотр API.
JEP 437: Structured Concurrency (Second Incubator)
Упростите многопоточное программирование, внедрив API для структурированного параллелизма. Структурированный параллелизм рассматривает множество задач, выполняемых в разных потоках, как единую единицу работы, тем самым оптимизируя обработку ошибок и их отмену, повышая надежность и улучшая наблюдаемость. Это инкубационный API.
Упростите многопоточное программирование, внедрив API для структурированного параллелизма. Структурированный параллелизм рассматривает множество задач, выполняемых в разных потоках, как единую единицу работы, тем самым оптимизируя обработку ошибок и их отмену, повышая надежность и улучшая наблюдаемость. Это инкубационный API.
JEP 438: Vector API (Fifth Incubator)
Внедрите API для выражения векторных вычислений, которые надежно компилируются во время выполнения в оптимальные векторные инструкции на поддерживаемых архитектурах процессоров, таким образом достигая производительности, превосходящей эквивалентные скалярные вычисления.
Внедрите API для выражения векторных вычислений, которые надежно компилируются во время выполнения в оптимальные векторные инструкции на поддерживаемых архитектурах процессоров, таким образом достигая производительности, превосходящей эквивалентные скалярные вычисления.
«Яндекс» внедрил большую языковую модель нового поколения в виртуального помощника — в «Алису». Благодаря нейросети YandexGPT «Алиса» научилась писать тексты и предлагать идеи почти так же хорошо, как разбирающийся в теме человек. Об этом CNews сообщили представители «Яндекса».
Новая возможность доступна в приложении «Яндекс», «Браузере», «Станциях» и умных телевизорах с «Алисой». Достаточно сказать «Алиса, давай придумаем!» — и можно ставить ей задачи. Виртуальный помощник напишет сценарий для выпускного, составит деловое письмо, предложит план путешествия и варианты подарка на свадьбу. Пока технология работает в режиме тестирования: «Алиса» может ошибаться в фактах, что не мешает ей создавать новое — с помощью своей эрудиции и умения делать выводы.
Встроенную в «Алису» нейросеть YandexGPT обучали на суперкомпьютерах «Яндекса». Обучение проходило в два этапа. Чтобы нейросеть впитала в себя знания о мире, сначала ей показали общедоступные тексты — материалы книг, сайтов, статей. Они были отобраны с помощью поисковых технологий «Яндекса», которые позволяют находить среди миллиардов документов наиболее полезные.
В отличие от предыдущих языковых моделей, нейросеть YandexGPT дообучили на сотнях тысяч примеров содержательных и хорошо написанных ответов. Именно поэтому она отвечает так же просто и понятно, как знающий человек. Для сбора и подготовки таких примеров «Яндекс» задействовал свои технологии краудсорсинга и команду ИИ-тренеров.
Новая возможность доступна в приложении «Яндекс», «Браузере», «Станциях» и умных телевизорах с «Алисой». Достаточно сказать «Алиса, давай придумаем!» — и можно ставить ей задачи. Виртуальный помощник напишет сценарий для выпускного, составит деловое письмо, предложит план путешествия и варианты подарка на свадьбу. Пока технология работает в режиме тестирования: «Алиса» может ошибаться в фактах, что не мешает ей создавать новое — с помощью своей эрудиции и умения делать выводы.
Встроенную в «Алису» нейросеть YandexGPT обучали на суперкомпьютерах «Яндекса». Обучение проходило в два этапа. Чтобы нейросеть впитала в себя знания о мире, сначала ей показали общедоступные тексты — материалы книг, сайтов, статей. Они были отобраны с помощью поисковых технологий «Яндекса», которые позволяют находить среди миллиардов документов наиболее полезные.
В отличие от предыдущих языковых моделей, нейросеть YandexGPT дообучили на сотнях тысяч примеров содержательных и хорошо написанных ответов. Именно поэтому она отвечает так же просто и понятно, как знающий человек. Для сбора и подготовки таких примеров «Яндекс» задействовал свои технологии краудсорсинга и команду ИИ-тренеров.
Media is too big
VIEW IN TELEGRAM
Долгожданное видео, выкладываю в тг как обычно раньше чем на ютубе
Российская компания Delta Computers представила настольные персональные компьютеры «Ворон» и «Бобер», оснащенные новой материнской платой «Анемона 2» собственного производства с поддержкой современных процессоров Intel.
Фирменная материнская плата «Анемона 2» поддерживает процессоры Intel Core 12 и 13 поколений, которые относятся к семействам Alder Lake и Raptor Lake соответственно. Кроме того, плата имеет три видеовыхода для подключения нескольких мониторов, а также порты USB-A и USB-C.
ПК «Бобер» BBiH2 представляет собой компактное решение в форм-факторе, которое подходит для офисных, медицинских и образовательных целей. Корпус компьютера выполнен в современном дизайне, который экономит место на рабочем столе пользователя.
Системный блок «Ворон» VRiH2 является универсальным решением, которое можно адаптировать к различным потребностям благодаря возможности установки дополнительных видеокарт и накопителей. ПК подходит для работы с разными видами программного обеспечения, в том числе с требовательными к ресурсам приложениями для видеообработки, геоинформатики и системы автоматизированного проектирования.
Новые ПК имеют до 128 ГБ оперативной памяти DDR4 с частотой 3200 МГц и поддерживают SSD типа М2 NVMe и SATA.
Фирменная материнская плата «Анемона 2» поддерживает процессоры Intel Core 12 и 13 поколений, которые относятся к семействам Alder Lake и Raptor Lake соответственно. Кроме того, плата имеет три видеовыхода для подключения нескольких мониторов, а также порты USB-A и USB-C.
ПК «Бобер» BBiH2 представляет собой компактное решение в форм-факторе, которое подходит для офисных, медицинских и образовательных целей. Корпус компьютера выполнен в современном дизайне, который экономит место на рабочем столе пользователя.
Системный блок «Ворон» VRiH2 является универсальным решением, которое можно адаптировать к различным потребностям благодаря возможности установки дополнительных видеокарт и накопителей. ПК подходит для работы с разными видами программного обеспечения, в том числе с требовательными к ресурсам приложениями для видеообработки, геоинформатики и системы автоматизированного проектирования.
Новые ПК имеют до 128 ГБ оперативной памяти DDR4 с частотой 3200 МГц и поддерживают SSD типа М2 NVMe и SATA.