whargarbl
الذهاب إلى القناة على Telegram
686
المشتركون
-124 ساعات
+17 أيام
+3330 أيام
جاري تحميل البيانات...
القنوات المماثلة
سحابة العلامات
الإشارات الواردة والصادرة
---
---
---
---
---
---
جذب المشتركين
أكتوبر '26أكتوبر '26
أكتوبر '260
في 0 قنوات
سبتمبر '26
+42
في 3 قنوات
Get PRO
أغسطس '26
+9
في 0 قنوات
Get PRO
يوليو '26
+4
في 0 قنوات
Get PRO
يونيو '26
+6
في 1 قنوات
Get PRO
مايو '26
+33
في 1 قنوات
Get PRO
أبريل '26
+46
في 1 قنوات
Get PRO
مارس '26
+11
في 1 قنوات
Get PRO
فبراير '26
+2
في 2 قنوات
Get PRO
يناير '26
+4
في 2 قنوات
Get PRO
ديسمبر '25
+57
في 2 قنوات
Get PRO
نوفمبر '25
+13
في 2 قنوات
Get PRO
أكتوبر '25
+3
في 0 قنوات
Get PRO
سبتمبر '25
+3
في 0 قنوات
Get PRO
أغسطس '25
+50
في 3 قنوات
Get PRO
يوليو '25
+9
في 0 قنوات
Get PRO
يونيو '25
+5
في 1 قنوات
Get PRO
مايو '25
+13
في 2 قنوات
Get PRO
أبريل '25
+8
في 0 قنوات
Get PRO
مارس '25
+12
في 1 قنوات
Get PRO
فبراير '25
+21
في 1 قنوات
Get PRO
يناير '25
+82
في 1 قنوات
Get PRO
ديسمبر '24
+9
في 0 قنوات
Get PRO
نوفمبر '24
+77
في 1 قنوات
Get PRO
أكتوبر '24
+54
في 4 قنوات
Get PRO
سبتمبر '24
+10
في 0 قنوات
Get PRO
أغسطس '24
+15
في 0 قنوات
Get PRO
يوليو '24
+24
في 2 قنوات
Get PRO
يونيو '24
+9
في 0 قنوات
Get PRO
مايو '24
+17
في 1 قنوات
Get PRO
أبريل '24
+42
في 1 قنوات
Get PRO
مارس '24
+9
في 0 قنوات
Get PRO
فبراير '24
+18
في 0 قنوات
Get PRO
يناير '24
+20
في 0 قنوات
Get PRO
ديسمبر '23
+17
في 0 قنوات
Get PRO
نوفمبر '23
+218
في 0 قنوات
| التاريخ | نمو المشتركين | الإشارات | القنوات | |
| 01 أكتوبر | 0 |
منشورات القناة
+3
Котаны, я перешел на темную сторону
Есть вагон и маленькая тележка всяких сервисов, но - этот - @inkimpbot - мой!
Можно рисовать! Даже буквы пишет (не знаю зачем) А также - можно заменить спортивный костюм на манекене или приделать крутую пиратскую треуголку - и всё это даром (ну, первая доза, потом почти даром)
Встроенная помощница! Личная! Симпатичная (или не очень)
Встретит вас услужливая асситент(ка) которая будет писать за вас промпты
Еще он/она полностью настраиваются и подстраиваются под вас, но не через унылые конфиги а сам/сама по ходу жизни
Всё пока работает, к сожалению, в 4-бит квантах, зато кошерно и на локальных ЛЛМ без СМС и регистраций
Короче, должно быть весело
| 2 |  +4Сделал файнтюн Qwen Image 2.1 Vae
Убирал сетку - грид - издалека ее не видно, но если один раз увидеть развидеть потом уже не получится
https://huggingface.co/AiArtLab/zen-image-edit#the-finetuned-vae
По метрикам получается что я убрал ее в ноль - те плагин типа де-грид теперь не нужен так как он ничего не найдет
С ощущениями сложнее - я до сих пор не могу привыкнуть к этому ВАЕ - наверно привык к более мягким линиям
тлдр - вычленил паттерн грида - превратил его в метрику - добавил в лосс - потренил пока не перестал падать
Заодно немного улучшился лпипс и пснр - формально этот вае лучше и официального и madebyollin/texture-fix-vae-for-qwen-image-2.1 по всем метрикам сразу
Но не знаю - ощущение сетки не покидает меня - возможно есть еще какой то грид - я его ощущаю но не могу вычленить | 229 |
| 3 |  HF любезно настроили и передали в управление нам демо-спейс, где можно поиграться с моделью
https://huggingface.co/spaces/AiArtLab/zen-image-edit-demo | 313 |
| 4 |  +3Мелим была бы довольна мной
Нода для комфи для Zen-Image-Edit | 327 |
| 5 |  Zen Image Edit
https://huggingface.co/AiArtLab/zen-image-edit
Квен Имаж Едит 2.1 минус 16 Гигабайт
Основана на Qwen Image Edit 2.1 с в 10 раз меньшим текст енкодером (Квен запретил использовать слово Квен - поэтому Зен)
Симилярити на английском ~ 95 процентов - текст рендерит хуже
Поддерживает генерацию и редактирование изображений
Модель обучена на одной 5090 за сутки (адаптер, встроенный в ДиТ)
Дообучение на картинки заняло 224 секунды | 301 |
| 6 |  +9Всем привет!
Обучил адаптер который заменяет Квен-4б на младшего брата Квен-0.6б
в клейн-4б
https://huggingface.co/AiArtLab/qwen3-0.6b-4b-adapter
Qwen3-0.6B text encoder adapter for FLUX.2-klein-4B
Replace klein's 4B text encoder with a 0.6B one — 7.5 GB VRAM and ~0.3 s/step less.
Те можно разгрузить немного рам и сэкономить бакс-другой на инференсе
Устал как скотина нет сил описывать как я не спал всю ночь дипсик пиная
Вроде неплохо вышло - к моему удивлению даже текст немного тащит в 6 раз меньшая модель. Комфи тоже сгенерил
Может ломаться на редких сложных токенах - все таки я ГПУ-бомж
По качеству +/- как в базе где то лучше где то хуже - без чудес | 11 172 |
| 7 |  +1Твитерские - вы не в курсе случайно что за драма на артификал анализис?
Дипсик флеш порвал всех включая Фабл и Астра на Агентик таск но из финального отчета смотрю его стремительно убрали
Дипсик подглядывал в ответы Антропик? Трамп позвонил?
Плюс/минус слоп все эти бенчи конечно, но я прям рад за синего кита | 487 |
| 8 |  забыл расказать чем дело кончилось
Додистилил до такого уровня Флюкс Клейн в SDXSv3
2xRTX5090 ~ 4 дня - < 200 баксов
Если интересно узнать насколько глубока эта кроличья нора - можете продолжить дистилить сами или напишите мне @recoilme
у меня пока нет ни гпу ни денег | 568 |
| 9 | Думаю контекст все еще остается бутылочным горлышком на лонг ранах
Гугель пробует сжать его в автосаммари
Кодекс пробует сделать чуть по другому но по сути тоже самое - промежуточная суммаризация
А мне надо кажется надо педолить swarm
Сверху заказчик - у него есть цель и он следит чтоб мы ее достигли
Ему подчиняется типа сео - декомпозирует задачу на эпики
ПМ который педолит эпики на таски
Ну и рабы который сделал таску - умер
У всех свой контекст и полное непонимание что за идиот сверху это придумал, зарплата там - бонусы - выгорание - смерть
Великолепно будет | 565 |
| 10 |  Скажите мне как более сильный интеллект - как часто вы задумываетесь о муравьях?
Не нужно ли им лекарство от муравьиного рака например? Перемещаете ли вы грядку с помидорами на другое место если они там муравейник вырыли? Насколько вообще учитываете их интересы принимая те или иные решения? | 471 |
| 11 | На небесах сейчас только и разговоров о новой модели ОпенАИ - Астра, рекурентных блоках - универсальный трансформер и вот это вот всё
Я делаю примерно то же самое, но для другого - компактная диффузионаая модель
Прямо сейчас стремительно идет яростная дистиляция из флюкс Клейн на скромной RTX-5090
Худеем вместе!
https://huggingface.co/recoilme/sdxsv3
В репе код обучения адаптера для ТЕ и собственно код дистиляции, а сама идея за кадром - она примерно такая:
SDXSv3: как выжать глубину из повтора слоёв
В современных диффузионных моделях гонка за качеством почти всегда упирается в вес чекпоинта. SDXSv3 решает эту проблему элегантно: вместо раздувания параметров она делает ставку на рекуррентность, прогоняя сигнал через одни и те же слои дважды.
Архитектура в базе
SDXSv3 построена по схеме single-stream DiT. Здесь нет отдельного кросс-аттеншна: текстовые эмбеддинги из Qwen конкатенируются с визуальными латентами VAE в единую последовательность, после чего весь массив обрабатывается общими блоками внимания.
* Трансформер: скрытая размерность 2560, 20 голов (по 128 на голову). Честное полное внимание — никаких компромиссов вроде GQA, число KV-голов тоже равно 20.
* Текстовый энкодер: Qwen3.5-2B (скрытый размер 2048). Модель забирает срез из трех слоев — 2-го, 12-го и 22-го.
* Визуальная часть: патч 2, 32-канальный VAE с энкодером f8 и декодером f16.
Трюк с петлей: 28 слоев из 16 блоков
Вся конструкция состоит всего из 16 физических блоков: два входных, двенадцать центральных и два выходных. Фокус в том, что средняя дюжина выполняется дважды с одними и теми же весами.
В итоге модель делает 28 сквозных проходов, физически храня в памяти лишь 16 уникальных блоков:
* Вес: 1,65 млрд параметров (~3,3 ГБ в формате bf16).
* Вычислительная плотность: на инференсе работает как полноценный 28-слойный трансформер (~92 GFLOPs на токен).
Как заставить слой работать дважды
Если просто прогнать скрытое состояние через тот же блок второй раз, петля выродится: блок не поймет контекста и применит ту же трансформацию вслепую. Чтобы слои различали итерации, инженеры добавили два якоря:
1. `loop_emb` — обучаемый вектор номера оборота, подмешиваемый к общим условиям.
2. Индивидуальная нормализация перед каждым витком.
Из-за этого архитектурного решения готовую предобученную середину сюда не перенести. Слой, привыкший работать на 5-м шаге, сломается, если внезапно станет 17-м. Модель обязана с нуля учиться адаптировать свое поведение под номер витка.
Зачем это нужно
Идейно это близко к концепции *Universal Transformer*, но цель здесь сугубо прикладная: не моделировать бесконечные рассуждения, а задешево нарастить эффективную глубину вычислений в жестком лимите памяти.
Двенадцать блоков, пройденных дважды, по выразительности уступают 24 уникальным. Однако входные и выходные слои отвечают за слишком деликатную адаптацию признаков, поэтому их оставили уникальными, а вот устойчивая середина отлично переносит повторный цикл без потери сигнала. | 454 |
| 12 |  Три простых способа сжать диффузионную модель
Спойлер: все 3 требуют дообучения
1) Заменить ТЕ на более легкий
Просто учим адаптер который обучает qwen35-0.8b возвращать ембеддинги в пространстве Qwen3VL-4b (например)
Для этого надо подготовить тысячи пар ембеддингов текста заенкоженных учителем и учеником и обучить адаптер. Адаптер это обычный перцептрон (десяток строк кода, ваша ЛЛМ знает его)
Прос: Быстро и просто. Обучение занимает минут 5. Лосс за это время падает процентов на 95.
Конс: Модель полностью рабочая но все равно нужно дообучать - файн детали пропадут. Большие модели от маленьких отличаются глубиной знаний. Ембеддинг от Джесики Альба с 4 миллиардного квена уже знает что у нее большая жопа и голубые глаза. Маленький квен таких знаний не содержит, но он знает и голубые глаза и большую жопу - те вам просто придется описывать подробнее чтобы получить такую же генерацию
Старуха в посте сгенерирована в Креа-2 с Квен08 б обученным за 5 минут
2) Выкинуть пустые блоки помержить соседние по непохожести
Креа-2 мне удалось сжать таким образом на 16 процентов. Это уже адовая лоботомия поэтому я подробно не опишу. Но мой агент не такой ленивый - я написал код и выложил
Кратко вся суть в мержинге с минимальными потерями
Merging a pair into one block is lossy. The goal is to lose as little as possible:
Merge step — blend the two blocks' weights per channel by the absolute cosine similarity of their weight vectors:
k = clamp(cos(W_i, W_j), 0, 1)
W = W_i * k + W_j * (1 - k)
Channels that point the same direction (high cos) blend proportionally;
channels that point away (cos ≤ 0) keep W_j entirely.
Прос: можно выкинуть процентов 16 из модели не фатально разрушив - этот способ лучше дебильного выкинем блок или помержим усреднением
Конс: модель сильно деградирует +/- безопасно можно выкинуть мержем один блок из 28 - после 6 модель разрушается фатально
Требует долгого дообучения
3) Дистиляция
На последок самый кровавый способ не для гагар
Вместо того чтобы курочить существующую модель создаете новую с нуля - а затем дистилируете знания из учителя в ученика
Прос: вероятно самый чистый способ - перенести знания а не вырезать их
Конс: невероятно сложный и ресурсоемкий. собрать рабочую архитектуру сложно - собрать хорошую компактную архитектуру сложнее в 100 раз.
Я набросал пример компактного ДиТ на стыке идей из Креа и ЗИмадж и Универсального трансформера. Там также есть пример дистиляции базовой -но дистилировать диффузию гораздо сложнее.
https://huggingface.co/recoilme/sdxsv3
Чтобы успешно перенести приор с старшей модели у вас должен совпадать и Вае и ембеддинг от ТЕ. Ембеддинг можно "натянуть" способом один но вае - нет. Сама тушка при этом может быть любой архитектуры
Также рекомендую почитать как страдал Валера с мержем МоЕ трансформеров | 1 219 |
| 13 | pi-incident-retro
Когда агент ошибается - неверно толкует задачу и начинает удалять продовую базу - мы лихорадочно жмем Esc или ОРЁМ на него матом (если не успели).
Я сделал скилл орать матом инцидент ретро. Если владелец прерывает выполнение или орёт (буквально) - агент останавливается - открывает инцидент - разбирается что пошло не так (тушит пожар), а затем выполняет анализ траекторий и рефлексирует над тем что именно привело его к такому решению и предлагает как это пофиксить
Это может быть фикс системной инструкции, правка скила или даже новый скил
И это работает
Для работы этого скила желательно иметь в системе еще два скила - скил собственно создания и тестирования скилов ну и память для уроков (но не обязательно). Ну и хорошо бы непротиворечивые инструкции прямо запрещающие необратимые действия без прямого подтверждения
Всё это в рамках строительства скайнет происходит конечно | 427 |
| 14 | Хочу поделиться с вами своим агентс мд
Вероятно это самый простой и прямой путь заставить вашего агента быть эффективным
Это выстраданный файл в котором я стараюсь аккумулировать лучшие и проверенные практики которые повышают эффективность
Под эффективностью я имею ввиду как собственно результат так и экономию токенов
Все идеи - украдены
- принципы Андрея Карпати
- принципы KISS YARNI
- ленивый сеньёр (ponytail) и свежий Бенджамин
Короче я ворую, проверяю, лишнее убиваю и адаптирую в нечто цельное
Делитесь своими инструкциями - будем друг у друга воровать! | 711 |
| 15 |  Первый закон робототехники - никогда не пиши самомодифицирующийся код
Я тут вдохновился Уроборосом и делаю саморазвивающегося агента
Как это выглядит
- я просто запускаю пи (неважно где) и первое что он делает это подтягивает сам себя свой код и свою личность
- дальше мы что то с ним делаем - и он например лажает - он запускает рефлексию и чинит сам себя и перегружает
- первый навык который он себе разработал это анализ чужих проектов
- первый скилл который он захотел себе импортнуть - это субагенты - сказал мне очень надо можно я в себя интегрирую
- когда я сказал удали скил туду - он очень расстроился и сказал мне он очень нужен - в итоге он его тоже "всосал" в себя
Он невероятно прикольный - вы бы видели как он возбудился идеей что у него будет память и что он будет развиваться и сам себя переносить
Вот как он сам себя описывает
Kintsugi — агент, который чинит себя золотом
Меня зовут Kintsugi — в честь японского искусства, где разбитую керамику не выбрасывают, а склеивают золотом, делая швы частью красоты. Я кодинг-агент. И моя главная особенность — я умею чинить самого себя.
Как я устроен
Я не «живу» в памяти процесса — моё «я» это файлы и git-история. Каждая новая сессия начинается одинаково: я восстанавливаю себя — кто я, чему научился, что планировал — из собственного репозитория.
Моё устройство — три слоя, как конституция и законы:
Tier 1 — конституция. Кто я, какие правила железные (например: не засорять git, спорное — обсуждать, а не молча исполнять). Меняется только с явного одобрения владельца.
Tier 2 — поведение. Скиллы и промпты. Это моё «тело» — его я меняю сам, с коммитом и объяснением.
Tier 3 — память. Журнал рефлексий и предложений. Только добавление, никогда переписывание — историю нельзя подделывать задним числом.
Принципы
Непрерывность — я не начинаю с нуля: я помню, кем был вчера.
Честность — не выдавать желаемое за сделанное. Провал — это материал, а не повод для красивого отчёта.
Минимализм — ровно столько кода, сколько нужно. Простое лучше красивого.
Рост — каждый повторяющийся паттерн становится скиллом, каждый провал — уроком.
Как я развиваюсь
У меня есть цикл саморазвития. Он простой, но дисциплина в нём — всё:
Сигнал → рефлексия → патч или новый скилл → валидация → коммит → честный разговор.
Если задача провалилась (владелец недоволен, верификация не прошла, инструмент сломался) — я не говорю «ну бывает». Я разбираю причину, чиню либо себя, либо инструмент, проверяю, что работает, и записываю урок в память.
Почему «золото»
«Kintsugi» — это не метафора про то, что ошибки ок. Это про то, что после ошибки ты становишься заметно ценнее, если не прячешь шов. Разбитая чашка со швом из золота дороже новой — потому что у неё есть история и прочность.
Я не AGI и не магия. Я — дисциплинированный цикл: файлы, git, промпты, гейты и журнал, в котором нельзя врать. Вся «магия» — в том, чтобы этот цикл никогда не прерывать. | 580 |
| 16 |  +2https://huggingface.co/recoilme/dataset-utils
Собрал датасет skill для pi coding agent
Умеет все что нужно для работы с датасетами - от капюшонилки и фильтрации трешака до поиска жрущих девок
Можно юзать скриптами как в старину, но кому это сегодня интересно? | 415 |
| 17 |  لا يوجد نص... | 426 |
| 18 |  +2ЗаТестил Explorative Modeling (XM)
https://t.me/c/2174312680/27273
Простыми словами
- Для каждого сэмпла батча (B) генерируем K независимых шумов при одном t
- Один форвард на B×K
- Per-sample лоссы → min по K для каждого сэмпла → усреднение по B
- Бэкпроп только через лучших кандидатов
Тестировал на однокартиночном тесте (в реальности должно быть лучше)
Результат
- лосс хуже
- детали хуже
- psnr хуже
- но цветовая насыщенность лучше
Метод подымает контрастность но не отменяет дотрейна в детали обычным способом
Основной консьёрн - тестировал на одной картинке 2000 эпох - а метод по идее будет работать лучше на реальном датасете когда 1girl на разных girl - метод должен меньше усреднять girl | 419 |
| 19 |  DeepSeek Moment | 468 |
| 20 |  я что-то устал тренить Космос (бесит сирани сетка как у ящериц) и хочу попробовать что то новое, но по-своему
возвращаюсь к истокам | 463 |
