Чем занять собаку

Чем занять собаку

Досмотрели сериал «Пит». Такое впечатление, что режиссеры сериалов делают всё, чтобы последняя серия не давала никаких ответов, а была похожа на обычный эпизод из середины. Во многих тв шоу на вопросы отвечают пред-предпоследние серии или предпоследние, а финальная редко радует, всегда подкидывает массу зацепок и новых вопросов, которые, вероятно, служат приглашением в следующий сезон, которого может и не быть. Или будет, но пока режиссер не знает, что там будет, и оставляет много недосказанного. Но скорее цель — пораздражать зрителей, чтобы они ринулись на реддиты и фейсбуки обсуждать увиденное. Логичный конец был только у сериала Чернобыль, кажется.

СЯУ, что у морских черепах под панцирем в районе ануса заводятся крабы-паразиты Planes minutus и сытного местечка хватает только для двоих, поэтому они образуют моногамную пару и живут в жопе черепахи долго и счастливо (не знал, что делать с этой информацией, поэтому принес ее сюда). По отношению к черепахе это комменсализм. Это когда одному хорошо (в нашем случае двоим), а третьему пофиг. Вижу научную работу, где утверждается, что они иногда путают черепаху с океанским мусором , а там уже помещается больше одной жены, и все, прощай моногамность. Зато, правда, никакой жопы

Я сейчас много работаю с векторами большой размерности, и некоторые штуки, которые раньше не осознавал до конца, начинают реально щекотать мозг. Наша 3D-интуиция там не просто не работает — она врет.
Оказывается, любые два случайных вектора в пространстве высокой размерности с огромной вероятностью будут почти перпендикулярны друг другу. Почти всё пространство — это один сплошной «экватор».
Собственно, на этом во многом и построено машинное обучение. Если ваши эмбеддинги внезапно показывают высокую косинусную близость (например, 0.8 — это не статистическая погрешность, а мощнейший сигнал. В 1000-мерном мире «случайно» так сойтись почти невозможно.
В таких пространствах почти вся масса данных сосредоточена в экстремально тонком поверхностном слое. «Внутренности» объектов математически пусты.
Это легко проверить на таком воображаемом примере. Возьмем «кожуру» многомерного шара толщиной всего в 1% от радиуса. Объем шара пропорционален радиусу в степени размерности.
• В трехмерном пространстве мякоть (0.99 радиуса) занимает 97% объема, возводите 0.99 в куб.
• В 1000D мякоть занимает всего 0.000043%.
Можно ещё по другому понять. Чтобы точка оказалась ближе к началу координат, нужно, чтобы по всем осям координаты были близко к началу координат. Стоит одной оси иметь большое значение, и все, точка улетела. Если брать точки случайно, то просто вероятность того, что они все разом будут ниже любого значения падает с ростом размерности, причём падает быстро.
Всё «мясо» данных всегда оказывается в кожуре. Любая выборка в High-D — это, по сути, набор граничных значений.
Для белого шума в высокой размерности расстояние между самым близким и самым дальним соседом становится почти одинаковым. Понятие «близости» просто деградирует.

Жена-блогер — не роскошь, а средство передвижения

У нас есть одна заправка рядом с ЦРУ, которая тупо ставит цены на бензин на 40 процентов выше, чем где-либо ещё. Обычная ободранная заправка, которая просто руководствуется принципом «работает — не трожь».

Когда работаешь с определенными задачами, насколько велика разница между CPU и GPU просто поражаешься. Например, мне вот нужно создавать много (миллионы) эмбеддингов, модель BGE M3. При запуске на моем совсем не слабеньком 24-ядерном процессоре Intel Core Ultra 9 285K создание 500 эмбеддингов занимает 45.85 секунд, а при использовании GPU NVIDIA 5090 точно такая же работа выполняется за 0.36 секунды. Это настолько быстро, что я специально писал этот бенчмарк, чтобы понять, а у меня вообще GPU привлекается или нет. Просто та программа, которая шлет в TEI запросы, делает это в тестовом режиме недостаточно активно (условно пару раз в секунду), и графики GPU просто около нуля показывают загрузку.
— Testing http://localhost:8080/embed — <— CPU version
Requests completed: 500
Total time: 45.85 sec
Throughput: 10.90 req/sec
Average latency (Avg Latency): 4386.11 ms
P95 latency: 5021.88 ms
— Testing http://localhost:8090/embed — <— GPU version (NVIDIA 5090)
Requests completed: 500
Total time: 0.36 sec
Throughput: 1398.69 req/sec
Average latency (Avg Latency): 31.38 ms
P95 latency: 53.18 ms
========================================
RESULT: is 99.22% faster
У Юки снова включился режим «уууу» (7 апреля 2026). Обычно длится несколько дней в апреле и октябре.
Предыдущие разы были —
— 15-20 октября 2025
— 11 апреля 2025
— 1-4 апреля 2024
— 2 февраля 2023,
— 27 октября 2022,
— 15 марта 2022
Изменения в поведении в этот период такие:
1) может петь песни час напролет. Например, в шесть утра.
2) внезапно ему нравится гулять. Обычно не нравится. При том, что у него всегда открыт двор, ему нужно именно на прогулку. Может подойти к двери и стукать по ней лапой. Обычно на слово гулять он улепётывает на третий этаж.
Теперь же он в рот смотрит, когда ему что-то говоришь. Постоянно чего-то ждет, что может вдруг быть вопросом, а не хочет ли он погулять. Долбится в окно и входную дверь лапой.
И да, начинает он хотеть гулять часов в шесть утра, а в следующий раз — вскоре после возвращения с прогулки.
3) на прогулке сует нос в траву каждые пять минут, и его еле оттуда отдерешь. Обычно такое редко, а тут прям постоянно.
4) может полчаса сидеть и смотреть на закат.
5) нестабильный аппетит, временами. Кладешь ему мясо сверху корма, он на него даже не смотрит.
Я наконец доделал до конца книгу The Reader’s Glossary — это по сути словарь на 5200 слов по «Лолите» Набокова, но организовыванный не в алфавитном порядке, как обычные словари, а в порядке встречаемости сложных слов, с разбивкой по главам и с указанием контекста слова или фразы. Сайт — readersglossary точка com (в первом комменте). Предполагается, что им будут пользоваться в том числе при чтении оригинала как книга-компаньон. Да, она вдвое больше 🙂
Словарь получился довольно толстым — на 600-700 страниц. Он доступен на четырех языках — русском, английском, французском и немецком. Также перевод (RU, FR, DE) или разъяснение (на англ) не абстрактные, а контекстные, да еще и с учетом того, как тот или иной фрагмент переводил сам Набоков с английского («Лолита» писал сначала на английском, потом переводил на русский).
У меня на сайте есть огромные фрагменты этих словарей RU,FR,DE,EN на ознакомление (каждая — около 1/3 полного объема).
Также полноценный интерактивный словарь на сайте, где можно вбить слово и посмотреть перевод или разъяснение. В словаре собраны в основном сложные слова, но мы знаем, что сложность для каждого имеет свое определение, поэтому все слова разбиты на три категории и выделены разными рамочками. Наверное, для начитанного англофона первая категория (пунктиром) вообще бесполезная (это около 50% словаря), для неначитанного, наверное, процентов 20 бесполезны. Но я решил дальше не резать, потому что книга не только для англофонов, но и для тех, кому английский второй язык, и там эти рамочки пунктирные очень даже кстати.
В целом, я это делал «для себя и друзей», just for fun, а не как коммерческий проект. Поэтому я совершенно трезво понимаю, что аудитория у нее супернишевая, и если хотя бы раз в неделю будет появляться кто-то, кому она может быть полезна, уже приятно.
Несмотря на то, что это было что-то типа хобби, времени книжки потребовали много. Для того, чтобы получить то, что получилось, я разработал с десяток приложений/скриптов, из которых пара имеют свой интерактивный UI, в котором я в общей сложности за два месяца работы провел много часов. И конечно, во многом разобрался, собственно, это и есть главный фан от процесса.
Итак, приходите на сайт — readersglossary точка ком. Ссылка в комментариях
P.S. На русском языке — только как PDF пока. Amazon не дает продавать книги на русском, только на небольшом количестве европейских языков в дополнение к английскому. Французская и немецкая версии словаря выйдут на Амазоне через неделю где-то.

Ещё в 1954 году Носов предвидел появление Инстаграмма
P.S. Не очень только понятно зачем разные шаблоны для разных цвет глаз и волос.

