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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1213 · 2.02

Попробовали настольный Slay the Spire, и мне очень понравилось. Кто не знает, Slay the Spire это изначально инди-видеоигра в жанре «роглайк на построение колоды». Нарисована она совсем простовато (не пиксель арт, и то хорошо), зато обладает своего рода эталонным геймдизайном. Там нет ничего лишнего, но есть всё нужное. Причём, большинство эффектов считается в уме, а пространство решений для игрока всё равно очень большое. Попытки других разработчиков скопировать эту игру и добавить в неё что-то дополнительное («Чёрная Книга», «Knock on the Coffin Lid») сразу показали, что результат становится сильно хуже. Короче, если вам нужна игра не про «спинномозговой» геймплей, а про шевеление головой, при этом позволяющая зайти на 15 минуток в день сыграть пару боёв, реиграбельная и не зависящая от присутствия задротов (в отличие от онлайн игр), то это очень хороший вариант. Поэтому, когда вышла настолка, вопрос о покупке не стоял. Да, настолки по видеоиграм нередко оказываются довольно вторичными и либо не предлагают ничего принципиально нового, либо, наоборот, переиначивают первоисточник сверх меры. Здесь у меня тоже были определённые опасения, например, о том, что потребуется перекладывать слишком много компонентов там, где в видеоигре действия выполнял компьютер. К счастью, опасения не подтвердились, и авторы очень хорошо поработали над адаптацией: все числа уменьшили, сократили математику, упростили эффекты, не сломав их качественную суть, и добавили кооператив, который действительно играет роль. Прибавьте к этому приятные ощущения от того, что ты не на экране на карточки смотришь, а листаешь их в руках, плюс возможность разделить эмоции и тяготы прохождения с друзьями. В общем, прямо очень порадовало. #games@clockstackwheels

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