Привет! Меня зовут Николай, мне 32 года. По образованию я врач, анестезиолог-реаниматолог — но последние годы развиваюсь в инженерной сфере, и, честно говоря, она затянула меня сильнее. Больше всего — всё низкоуровневое: как устроена память, что происходит под локами, почему индекс быстрый или медленный. Реанимация научила одной вещи, которая неожиданно пригодилась в инженерии: доверять только измеренным показателям, а не ощущениям.
Рубрика «benchmark»
Как я писал in-memory векторный движок на Go — и в каком месте он обогнал hnswilb
2026-07-08 в 14:38, admin, рубрики: benchmark, Go, golang, hnsw, in-memory, rag, векторные базы данных, векторный поиск, квантизацияПоиск черной кошки в 2000-мерной темной комнате. Турнир алгоритмов машинного обучения
2026-06-08 в 10:21, admin, рубрики: benchmark, catboost, LightGBM, random forest, xgboost, исследование, нейросети, сравнение моделейЭпиграф
Эксперимент завершен. Результаты выглядят так, будто я немного сломал законы физики привычного табличного ML.
Может быть это соревнование, которого не должно было быть?
Это приглашение к репликации.
Спрятать иголку в стоге сена? Да!
Добро пожаловать на мой маленький тестовый полигон.
Я попробовал считать нейросетевой слой в конечном поле Галуа GF(137): 4x по памяти, ARM NEON и честные ограничения
2026-06-05 в 15:10, admin, рубрики: benchmark, Cpp, GF137, uint8, воспроизводимость, периферийный-инференсВ современных нейросетях критически важно, сколько физической памяти занимает каждый параметр. В этой работе я попытался уйти от классического float32 в нейросетевом слое к uint8 без квантования. Для этого все вычисления проводились сразу по правилам арифметики остатков в конечном поле Галуа GF(137).
Стоит сказать, что это не замена обычному инференсу и не попытка доказать, что все должны срочно переписать модели на вычеты по модулю 137. Я взял небольшой слой, байтовые веса, нативное ядро, ARM NEON и несколько базовых реализаций для сравнения.
ChatGPT не промахнулся ни в одном из пяти медицинских кейсов. И всё равно проиграл. Разбираем, почему
2026-04-26 в 16:15, admin, рубрики: benchmark, chatgpt, gpt-5, llm, ocr, клинические решения, медицина, расшифровка анализов, русскоязычные LLM, экспериментTL;DR
В эксперимент мы шли с уверенностью, что ChatGPT хотя бы раз из пяти промахнётся с главным диагнозом. Не промахнулся. Пять из пяти: метаболический синдром, субклинический гипотиреоз, перименопауза, MGUS, статин-индуцированный рабдомиолиз. Ставка проиграна, но самое интересное оказалось не здесь.
Опыт разработки picows, самой быстрой библиотеки веб-сокетов для asyncio
2026-04-19 в 14:46, admin, рубрики: aiohttp, asyncio, benchmark, client, optimization, picows, python, websocketsLaravel + TrueAsync: настоящая конкурентность без Swoole
2026-04-17 в 15:15, admin, рубрики: async, benchmark, frankenphp, laravel, PDO, php, корутины
Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
2026-04-13 в 12:45, admin, рубрики: algorithms, benchmark, Downsampling, filtering, scatterplot, Telemetry, time seriesВот что видит пользователь, когда мы рисуем график давления в скважине за два года — 50 миллионов точек:
Dart на бекенде: почему его бросила бывшая
2026-04-13 в 10:16, admin, рубрики: backend, benchmark, claude code, cloud native, dart, Go, kubernetes, node.js, performance, архитектураДисклеймер: самая большая ошибка в этой истории даже не выбор Dart, порядок действий. Вместо того чтобы в первый же день сделать честный raw benchmark на нашем production-like сценарии, я поверил в AOT, в статическую типизацию и в обещания ready for cloud - и сразу начал переносить сервис. Поэтому этот текст не только про Dart, но и про очень дорогой инженерный урок: сначала валидируй runtime-гипотезу, потом строй архитектуру вокруг неё. Чтобы не превращать текст в войну микрооптимизаций — все raw results, k8s manifests, CPU profiles, Dockerfiles и исходники рантаймов вынесены в репозиторийЧитать полностью »
Сколько на самом деле стоит LOG_INFO(): benchmark библиотек логирования C++
2026-03-20 в 15:15, admin, рубрики: benchmark, c++, logging, logme, performance, quill, spdlogЛогирование есть практически в каждом C++ проекте. Почти любой сервис, демон или библиотека рано или поздно обрастает строками вроде LOG_INFO(...) или logger.debug(...).
Чаще всего библиотека выбирается по привычке или популярности — spdlog, quill, easylogging++ и т.п. При этом редко кто проверяет, какую цену приложение платит за логирование.
В высоконагруженных системах логирование может выполняться:
-
миллионы раз в секунду
-
из разных потоков
-
с форматированием строк
-
с записью в файл или консоль
В этот момент библиотека логирования начинает попадать Читать полностью »