A competitive Minecraft PvP minigame plugin featuring dynamic, inventory-based kill bounty calculations, an in-game GUI shop for equipment and enchantments, and a race to purchase the game-winning diamond.
Versenyszerű Minecraft PvP minijáték plugin dinamikus, leltárérték-alapú vérdíj-számítással, felszereléseket és varázslatokat kínáló GUI bolttal, valamint a győzelmet jelentő gyémánt megvásárlására épülő játékmenettel.
Gameplay screenshot showing dynamic kill rewards below player names and the live balance scoreboard.Játékmenet képernyőkép a játékosok neve alatti dinamikus vérdíjakkal és az élő egyenleg-eredményjelzővel.
A technical reverse-engineering article exploring Android application internals and save data manipulation on rooted devices. It analyzes how Pou stores player state in XML/JSON shared preferences, details the game's checksum integrity verification (anti-tamper hash check), and demonstrates how to safely modify values without triggering a progress reset.
Technikai reverse engineering cikk az Android alkalmazások belső működéséről és a mentési adatok módosításáról rootolt eszközökön. Elemzi a Pou játékállás XML/JSON shared preferences struktúráját, bemutatja az ellenőrzőösszeg-alapú integritásvédelmi mechanizmust (anti-tamper hash ellenőrzés), és szemlélteti az értékek biztonságos szerkesztését a mentés visszaállítása nélkül.
In-game screenshot showing 20,000,457 coins after modifying the preferencesJátékbeli képernyőkép 20.000.457 érmével a beállítások módosítása után.
Advanced Level Matura in Computer ScienceEmelt szintű érettségi informatikából
Batsányi János Hungarian-English Bilingual Member School of the Bárdos Lajos Primary School, TapolcaTapolcai Bárdos Lajos Általános Iskola Batsányi János Magyar-Angol Két Tanítási Nyelvű Tagintézménye
This research introduces the Semantic Rulers methodology, using the latent embedding spaces of large language models and multimodal foundation models to construct continuous scoring instruments for abstract qualitative concepts. By employing a block-orthogonal counterfactual prompt engineering framework, it extracts domain-invariant concept vectors while neutralizing confounding technical vocabularies and environmental variations. Validated across textual and visual modalities—including real-world geospatial benchmarks from the Global Human Settlement Layer—the framework demonstrates approximately linear geometric structure in latent spaces and integrates continuous semantic scores into bounded utility functions for multi-criteria decision support.
Ez a kutatás bemutatja a Szemantikai Vonalzók (Semantic Rulers) módszertant, amely nagy nyelvi modellek és multimodális alapmodellek rejtett beágyazási tereit alkalmazza absztrakt minőségi fogalmak folytonos mérőeszközeinek felépítésére. Egy blokk-ortogonális kontrafaktuális prompt engineering keretrendszer révén tartományfüggetlen fogalomvektorokat nyer ki, semlegesítve a specifikus szaknyelvi és környezeti torzító tényezőket. A szöveges és képi modalitásokon – többek között a Global Human Settlement Layer valós térinformatikai adatain – validált módszertan igazolja a rejtett terek közelítőleg lineáris geometriai felépítését, és a kapott folytonos szemantikai pontszámokat korlátos hasznossági függvényekbe integrálja többkritériumú döntéstámogatáshoz.
This research introduces a formal Total Cost of Ownership (TCO) framework grounded in Activity-Based Costing (ABC) tailored to the unique economics of Generative AI. It models LLM-specific cost drivers—such as token consumption, Retrieval-Augmented Generation (RAG) operations, and agentic inference steps—combining a provably convex infrastructure cost engine with an operational and governance taxonomy. Validated across production deployments with sub-5% forecasting error, the framework provides strategic decision support for evaluating architectural trade-offs, such as dynamic RAG versus fine-tuned models.
Ez a kutatás egy tevékenységalapú költségszámításon (ABC) alapuló, a generatív mesterséges intelligencia sajátos gazdaságtanára szabott formális teljes bekerülési költség (TCO) keretrendszert mutat be. Modellezi az LLM-specifikus költségtényezőket – például a tokenfogyasztást, a kereséssel kiegészített generálás (RAG) műveleteit és az ágensalapú következtetési lépéseket –, egyesítve egy bizonyíthatóan konvex infrastruktúra-költségmotort egy működési és irányítási taxonómiával. A termelési környezetekben, 5% alatti előrejelzési hibával validált keretrendszer stratégiai döntéstámogatást nyújt az olyan architekturális kompromisszumok értékeléséhez, mint a dinamikus RAG és a finomhangolt modellek összehasonlítása.
Break-even analysis comparing Retrieval-Augmented Generation (RAG) against Fine-Tuned Models (FTM) across monthly session volumes.Fedezeti pont elemzés: a kereséssel kiegészített generálás (RAG) és a finomhangolt modellek (FTM) összehasonlítása havi munkamenetszám függvényében.
Open Source ContributionsNyílt forráskódú hozzájárulások
Open-source contributions and package maintenance.
Nyílt forráskódú hozzájárulások és csomagkarbantartás.