TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #1003 · 19.07
Иногда какая-то проблема в сервисе или приложении кажется мне очень значительной, но для остальных людей она таковой не оказывается. А иногда наоборот, кто-нибудь пишет: "Как можно вообще использовать продукт X, если там есть проблема N?", а я о такой проблеме либо впервые слышу, либо она мне видится полной ерундой. Например, для меня невозможность использовать WhatsApp с компьютера без подключённого рядом телефона и невозможность синхронизировать чаты между устройствами на разных ОС — это не просто критический косяк, а вообще ситуация, полностью уничтожающая смысл мессенджера. Как автомобиль без колёс: в нём может быть удобный салон и мощный двигатель, но зачем он нужен без колёс? Кто захочет и станет таким пользоваться? Мне непонятно, но по какой-то причине полмира сидит в автомобилях без колёс, не трогаясь с места, потому что им, как оказалось, нужен там только кондиционер и крыша от дождя. Когда я вижу где-нибудь новый "критический косяк", который авторы сервиса не исправляют годами, я всегда усилием привожу себя к этой мысли: видимо, проблема существует только у меня и небольшого числа подобных мне. Но вот с VK Видео мне непонятно. Давайте спрошу у вас. Сейчас, если открыть в разделе видеозаписей "мои подписки", то там будут ролики вообще от всех пабликов, на которые я подписан. Этих пабликов десятки, и мне от них нужны, в основном, посты в ленте. Для меня совершенно очевидно, что подписки на видеоблоги и подписки на паблики — это две разные группы, которые не нужно смешивать. Де-факто раздел с моими подписками в VK Видео для меня абсолютно неюзабелен, потому что там тонны мусора. При этом полностью выходить из всех пабликов я тоже не хочу. На YouTube у меня страница с подписками это главная точка входа в сервис, потому что именно по ней я отслеживаю, у кого из блогеров вышли новые ролики, чтобы их посмотреть. В VK такой возможности на практике нет, и это для меня самый главный ограничитель при попытке перехода с ютуба на VK Видео. Этой проблеме уже не первый год, исправлять её даже не пытаются. Получается, что её вижу только я, всем остальным норм? #web
Hashtags
Търсене: #mlm
@profcen · Post #383 · 16.08.2023 г., 09:03
Поэтому вести борьбу с купцами счастья нужно неустанно и постоянно, как за зарплаты и нормальные условия труда. Победа на этом фронте сулит значительные успехи и на остальных. Не слушайте игры нарядных дудочников. Думайте. Боритесь. @profcen_bot #инсайд#мошенничество#mlm#сетевоймаркетинг
@ai_machinelearning_big_data · Post #8817 · 20.10.2025 г., 20:41
⚡️BERT is just a Single Text Diffusion Step Любопытны пост, где автор объяснил на примере очень простую и очевидную, но мощную идею. Он заметил, что то, что мы называем диффузией текста, на самом деле - это просто обобщённая версия классического обучения BERT. Как работаетBERT? В BERT модель берёт текст и маскирует часть слов, а потом учится угадывать, какие слова были скрыты. В диффузии происходит почти то же самое, только шагов больше: на каждом шаге модель немного «портит» текст (добавляет шум), а затем восстанавливает его, всё меньше и меньше теряя смысл, пока не соберёт финальный чистый текст. То есть BERT делает один шаг очистки - угадывает замаскированные слова. А диффузионная модель делает много таких шагов подряд, постепенно превращая случайный набор токенов в осмысленный текст. Барри дообучил RoBERTa, чтобы показать это на практике - и получил настоящий текстовый диффузионный генератор. В примере: - Используется RoBER (улучшенная версия модели BERT,) и датасет WikiText. - На каждом шаге часть токенов заменяется на <MASK>, модель восстанавливает их, потом снова маскирует — и так несколько раз. - После нескольких итераций модель способна генерировать связный текст, даже без автогенеративного декодера (как у GPT). 📈Результаты - Модель генерирует осмысленный текст, хотя и не идеально связный. - Качество улучшалось по мере добавления шагов диффузии. - По времени генерации RoBERTa Diffusion была немного медленнее, чем GPT-2 (~13 сек против 9 сек), но архитектура осталась полностью encoder-only. Автор упоминает, что позже наткнулся на работу DiffusionBERT, где идею реализовали глубже и подтвердили результатами. Главная мысль: BERT можно считать одноступенчатой версией текстовой диффузии. Если добавить больше шагов, то vs получаем диффузионный генератор текста. Если BERT - это один шаг диффузии, то будущее может принадлежать моделям, совмещающим "понимание" и "генерацию" текста в одном процессе. https://nathan.rs/posts/roberta-diffusion/ @ai_machinelearning_big_data #AI#Diffusion#RoBERTa#BERT#LanguageModel#MLM#Research