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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1165 · 15.11

Прошёл Dispatch. Это такой псевдоинтерактивный мультик с игровыми вставками в сеттинге супергероики. TLDR: очень много положительных впечатлений, хочу ещё, но есть замечания. Почему псевдоинтерактивный? Долго думал о том, чем отличается такой подход, как в Dispatch, от подхода в играх Quantic Dream, например Detroit: Become Human. И нашёл вот такое отличие: в Детройте твой выбор влияет не только на сюжет, но и на дальнейший игровой процесс. Если, например, Кара попадётся властям, то у тебя будет целый уровень в лагере для пленных роботов, которого не будет в остальных случаях. А часть персонажей вообще могут погибнуть навсегда, и у тебя не будет никаких уровней с ними больше. В Dispatch же ты влияешь только на сюжет, да и то, не слишком сильно. Ну запустится у тебя чуть другая катсцена, это любопытно, но не заставляет игрока переживать о выборе. Так что я бы сказал так: ты смотришь мультик. Мультсериал, если точнее. И периодически ставишь его на паузу и играешь в простенькую казуальную игру с теми же персонажами. Действия в игре на мультик не влияют. Звучит, как обман, покупал то ведь игру! Может, да, но схема рабочая, и вот, почему. Во-первых, мы и сами это делаем. Я точно делаю: смотрю сериал, но иногда отвлекаюсь от него на то, чтобы поделать что-то интерактивное: попереписываться в чате, поиграть в мини-игрушку, поделать наконец рабочие задачи. Сам по себе ритм такого переключения внимания очень удачный, не утомляет. Во-вторых, тут мультик очень хорош. Он отлично поставлен, персонажи круто прописаны, за ними интересно следить. Понравился характер протагониста: баланс между цинизмом/непробиваемостью и героическими чертами. Простой человек без сверхспособностей, окружённый более сильными суперами, который, однако, даст им фору и в беседе и в бою. Много отменного юмора. Пожалуй, концовка могла бы быть поизобретательнее, в паре моментов логика там нарушается (в комментах напишу, чтобы не спойлерить), но глобально смотреть было увлекательнее, чем все супергеройские голливудские фильмы последних лет. Что касается игры, то это симулятор управленца в стиле This Is The Police. Тактика есть, простая, стратегии по факту нет. Сидишь, решаешь задачки. Не тупо (кроме взлома, вот он такой же унылый, как и все мини-игры по взлому везде), но и не шахматы. Самое то для отвлечения. А ещё это интересный прецедент в мире игровых студий: авторы были на грани закрытия, и, честно говоря, вряд ли они потянули бы сделать именно крутую игру. Но у них был опыт и люди, которые умеют делать кино, поэтому они выпустили крутое кино, продали его на видеоигровом рынке, и не только избежали краха, но и хорошо заработали, потому что Dispatch взорвал все топы. #games

Hashtags

Резултати

Намерени 2 подобни публикации

Търсене: #mlm

当前筛选 #mlm清除筛选
Профцентр

@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

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