TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #186 · 25.01
В прошлом году я немного поизучал движок для создания игр Godot — это опенсорсный аналог Unity, который мне посоветовали. И он мне очень понравился, гораздо больше, чем Unity. Он логичный, простой, при этом позволяет делать очень много и гибко. Его создают гики для гиков, а не маркетологи для студий. По сравнению с Unity он объективно выигрывает в легковесности сборок и субъективно выигрывает в понятности и удобстве проектирования. Ну и, конечно, он бесплатный. Однако, видно, что движок достаточно новый — документация не всегда полна, в самой системе встречаются баги. Впрочем, если вы не боитесь трудностей, или если у вас богатый опыт разработки, для игр настоятельно рекомендую. На днях вышла новая мажорная альфа-версия с кучей интересного. Поскольку я иногда делаю всякое под платформы с голосовым управлением, то здесь я купил ассеты и попробовал собрать демку — 2D-игру с боем танков в жанре "Артиллерия", по сути это современная копия TankWars аж 1990-го года. Для двух игроков на одном телевизоре или одном СберПортале: ходы по очереди, нужно подстраивать угол и силу выстрела с учётом ветра и позиции противника, чтобы попадать. В таких механиках как раз голосовой ввод оправдан и даже вполне удобен (если смотрели мою лекцию о способах ввода, то поймёте). Если у вас нет редких устройств от Сбера, то попробовать игру вы не сможете, но можете посмотреть на видео. Там старый вариант, а на скринах уже более новый, с переделанным HUD. В этом году хочу ещё какую-нибудь игру сделать. #dev#games
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