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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #130 · 3.01

Arcane — лучший сериал, который выпустили в прошлом году. Вот что получается, если экранизацию игры доверить тем, кто, собственно, эту игру делает. Парадокс, но за всю историю Голливуда специалисты по созданию кино всегда делали очень плохое кино по играм. А вот тут специалисты по играм сделали очень крутое кино по игре. Я сам никогда не играл в League of Legends, и даже не видел ничего из неё, не знаю вселенную и персонажей. Но при этом получил огромное удовольствие от Arcane. Для начала отмечу стильное и приятное графическое решение — художественный фильтр поверх 3D. Причем, хитрый фильтр, с лимитом на число цветов и каким-то эффектом кисти, что ли. Именно таким способом нужно превращать в мультик современную трехмерную графику, а не так, как попытались сделать это авторы марверовского What If, на который не слёз не взглянешь. Но даже и вне графики Arcane это десяток интересных и разнообразных персонажей, глубокие проработанные конфликты, очень классный экшен с прекрасной постановкой кадра, и, наконец, красивый, но не избитый сеттинг. Авторам удалось совместить стимпанк, магию и зомби так, что это осталось гармоничным. Конечно, сериал не избежал чисто видеоигровых условностей. Герои развиваются слишком быстро, многие вещи не в меру вычурны, а артехипы персонажей очень полярны: вот тебе DD, вот тебе рога, вот тебе инженер итд. И всё-таки, сразу видно, что Arcane создавали люди, которые очень любят своё дело, и хотели не столько заработать денег и показать неуклюжий фансервис, сколько рассказать историю и попробовать себя на новом поприще. Кстати, в интервью с главой компании говорилось, что пафосные голливудские журналы о кино вроде Variety и The Hollywood Reporter проигнорировали выход сериала. Старики небось подумали, кому нужен мультик по игре. А мультик по игре лучше, чем 95% всего, что вышло в Голливуде за год. #fiction

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