Посты за июль 2025

Linux: как быстро найти, какие файлы занимают больше всего места в системе Когда df -h показывает, что диск забит, но ты не понимаешь, что именно съело память, вот команда, которая спасает. du -ahx / | sort -rh | head -n 20 -a — считает и файлы, и каталоги -h — human-readable (МБ, ГБ) -x — не переходит в другие файловые системы (важно для /proc, /mnt, tmpfs) sort -rh — сортировка от большего к меньшему head -n 20 — покажет только топ Она отлично работает, когда нужно: – найти огромный лог или зависший кэш – понять, где лежит более 100 Гигабайт – навести порядок перед бэкапом системы Для интерактивного анализа — можно подключить ncdu. Находим, какие файлы занимают больше всего места в системе

🌟 HumanOmniV2: модель, которая понимает контекст видео. Alibaba Group разработали HumanOmniV2, модель на базе Qwen2.5-Omni-7B-thinker, которая получила навык осмысления визуального контекста за счет изменения самого процесса мышления модели. Ее научили следовать строгому формату: сначала описать контекст, потом рассуждать и только затем давать ответ. Теперь, прежде чем отвечать на вопрос, модель генерирует подробное описание сцены в теге <context>. На этом этапе она фиксирует, кто что делает, какой фон, какие звуки слышны. Только после этого в теге <think> она строит логическую цепочку рассуждений, связывая вопрос с собранным контекстом. И лишь в конце выдает результат в теге <answer> . Чтобы этот подход работал, его усилили системой вознаграждений на основе RL. За точность и правильный формат модель получает стандартные награды, но были введены и две новых: 🟢«Награда за контекст» дается, если его описание полное и релевантное, причем качество этого описания оценивает другая, более мощная LLM; 🟢«Логическая награда» проверяет, что в своих рассуждениях модель действительно использовала данные из видео и аудио, а не проигнорировала их. Для оценки HumanOmniV2 создали бенчмарк IntentBench (633 видео, 2689 вопросов) на основе Social-IQ 2.0, EMER и MDPE. Его фишка в том, что вопросы требуют одновременного анализа: видеоряда (жесты, микровыражения), диалогов (тон, смысл реплик) и социального контекста (ирония, обман, скрытые намерения). Тестовая модель обошла открытые аналоги на 3 бенчмарках: 🟠Daily-Omni: 58.47% (53.13% у MiniCPM-o 2.6); 🟠WorldSense: 47.1% (45.4% у Qwen2.5-Omni); 🟠IntentBench: 69.33% (64.20% у Qwen2.5-Omni). 📌Лицензирование: Apache 2.0 License. 🟡Модель 🟡Arxiv 🖥GitHub @ai_machinelearning_big_data #AI #ML #MMLM #HumanOmniV2 #Alibaba

✨ Google представили GenAI Processors — open-source библиотеку для создания AI-приложений в реальном времени GenAI Processors — это новый инструмент от команды Google DeepMind, разработанный для быстрой сборки потоковых и мультимодальных AI‑систем. Библиотека обеспечивает удобную работу с цепочками обработки данных, модульную архитектуру и поддержку стриминга. Основные возможности: — Потоковый ввод/вывод (stream-based I/O) — Простая сборка пайплайнов через chaining — Модульность и переиспользуемость (composability) — Поддержка Gemini и Gemini Live API — Асинхронная архитектура с минимальной задержкой 🔧 GenAI Processors позволяет разработчикам легко собирать голосовых агентов, мультимодальные интерфейсы и реактивные приложения на базе LLM. 🔗 GitHub: https://github.com/google-gemini/genai-processors 📖 Блог: https://developers.googleblog.com/en/genai-processors

🗣 FLOAT — новая open‑source модель для генерации говорящих портретов по аудио Быстрее и реалистичнее SadTalker: — Фотореалистичное видео с точной синхронизацией губ — Плавные движения головы и эмоции — Управление выражением лица и наклоном головы 💡 Основа — latent flow matching вместо диффузии: ⚡️ генерация быстрее, нет итераций, стабильные кадры 🌐page: https://deepbrainai-research.github.io/float/ 🧬code: https://github.com/deepbrainai-research/float 📄paper: https://arxiv.org/abs/2412.01064 🍊jupyter: https://github.com/camenduru/Float-jupyter