TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #106 · 19.11

Это должен был быть выпуск про зарплаты, но я понял, что ничего нового или интересного всё-таки не скажу, да и тема слишком уж попсовая. Поэтому будет выпуск про энтерпрайз-разработку. В конце-концов, странно записывать подкаст не о том, что ты хочешь. Вообще, выпуск дался тяжело, потому что я понял, что трачу на продакшен сильно больше времени, чем готов. Поэтому данный эпизод я записал в ускоренном режиме — паузы между словами порезал автоматически, не стал вставлять никакие заставки. В двух-трёх местах это слышно, но глобально, как мне кажется, нельзя сказать, что качество упало на порядок. Несмотря на то, что я получил много действительно приятных отзывов о подкасте, какой-то фундаментальной разницы он не сделал. Подписчики — то же активное ядро моей аудитории, как и в остальных местах. При этом усилий он требует больше, чем посты, а информации позволяет передать меньше: картинки и видео уже не прикрепишь. Понятно, отчего большинство подкастов выживают только в «тяжёлом» формате: когда приглашают известных гостей и разговаривают с ними по полтора-два часа. И отдельная беда это отсутствие централизованной площадки. Недавно дал человеку ссылку на выпуск в Яндекс.Музыке, оказалось, у него нет там подписки, а без подписки внезапно Яндекс слушать даже подкасты не даёт. Пришлось давать ссылку на Телеграм, где подкаст полуофициально. Хотя вот подкасты запустили в российском Spotify, и мой там теперь тоже есть. Подумал о том, что, наверное, подкаст выродится в короткие аудио-заметки по 5 минут. Но в таком стиле классически существуют скорее видеозаписи. Наверное, от подкаста ожидается бОльшее вовлечение, а условный ютуб можно включить ненадолго за завтраком. Да, широко известно, что ютуб зачастую слушают, а не смотрят, но видимо сам факт наличия изображения что-то меняет в восприятии. Однако, если делать короткие видеоролики, то это уже какой-то ТикТок, а этого бы совсем не хотелось. Из всех взрослых людей, которых я считаю адекватными, тикток смотрят процентов 10, пожалуй. Я, возможно, найду там аудиторию, но совсем не ту, которую хотел бы. В общем, я в раздумьях. #podcast

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #roberta

当前筛选 #roberta清除筛选
Machinelearning

@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