Полезная статейка о использовании блендера для синтетики вдогонку к посту о генерилке синтетических листков

Если в первом случае все управлялось конфигами, то тут уже напрямую питоном

Вообще там много интересных статей в блоге DeepSchool (не реклама 🙂)

у вас такое бывало, когда в очередной раз столкнувшись с чем-то неработающим в сети, ты обещаешь себе изучить их? Узнали?

так вот после секции вайбдебагинга я честно покопал DNS:
1. Посмотрел легендарного курс по сетям Андрея Созыкина. Он теперь свежий - три месяца назад снят. 18-24 видео
2. Поболтал с Клодом
3. Проделал практику из видео (вот это прям мастхев. Итеративный режим звучит просто, а сам я его не с первого раза руками сделал)

Теперь хоть понимаю выход команды dig 😅

А лекции по сетям от Андрея горячо советую

Нашел кайфовый генератор листов бумаги через блендер

Пригодится, например, для ситетических OCR данных. Вроде может сохранить bbox-ы

Чтобы было проще его понять, вот что я выяснил:
1. В примере текст - psd файл. Это не обязательно, работает и с png
2. Основные настройки:
- config.camera.relative_camera_distance - приближает/отдаляет листок
- config.camera.orbit=(a, b) - меняет позицию камеры относительно листка
- a - угол наклона к нормали (а = 30, значит угол наклона камеры - 70 градусов к столу)
- b - позиция камеры (0 смотрим на бумажку снизу, b = 90 - смотрм справа, b = 180 - смотрим сверху и тд)
- sample.ground.visible - включить/выключить подложку
- sample.ground.texture_path_base - путь до текстуры подложки. Можно скачать новых, например, тут

Горячо рекомендую

#tool@yet_another_mle

Сейчас много шума вокруг MCP (Model Context Protocol). Разберемся, что и зачем

Если коротко, то это крепкий подход к унификации взаимодействия LLM с внешними инструментами

Почему это хорошо:
- Теперь можно не писать велосипеды, подключая, скажем, postgres или поиск в гугл, а взять готовую реализацию (например, тут)
- Станет легче дружить между собой клиентов и сервера. Уже сейчас взрыв имплементации серверов и клиентов
- Наверняка, это доедет в обучение моделей, и они уже из коробки будут знать, какая схема вызова и ответа у популярных инструментов

Подробнее про Model Context Protocol
- разработали Anthropic
- определяет сервер (который предоставляет API к данным и инструментам) и клиента (который может обращаться к серверу, используя протокол MCP)
- LLM видит описания схемы запроса к серверу, и может им пользоваться
- сервер может предоставлять
- tools (дает LLM выполнить какое-то действие)
- resources (дает доступ к данным)
- sampling (ответы от LLM)
- prompts (переиспользуемые промпты)
- не привязан к языку (также, как HTTP запрос можно сделать хоть с ассемблера)

Немногие знают, но стандартизация сделала из обезьяны человека 🔧
Интересно, что же она сделает из LLM 🤔