Намери подобно съдържание

Изходен канал @clockstackwheels · Post #265 · 20.03

Давайте раз выходной ещё расскажу про автодилера, и пока закроем тему с машинами. Вообще, я был удивлён, насколько эта область закостенелая. Многие вопросы решаются только звонками. Списку "модели в наличии" и ценам на нём верить нельзя. Весь процесс покупки какой-то долгий, не на один день. Встречается путаница в цифрах: вот эта цена только с кредитом, причем определённым, но за сам кредит вы переплатите больше, а вот эта цена за трейдин, но тоже при некоторых условиях, а это вообще рекламная. На самом деле, я почти со всем этим не столкнулся (кроме ненастоящего списка "в наличии"). Хочу выразить благодарность салону Пежо Авто Премиум, на Хасанской улице — мне сразу сказали практически точно конечную цену, не впаривали никакие допы, и самое главное — не было скрытых платежей. Я вообще, когда друзьям рассказал, что машину покупаю, все до единого рекомендовали тщательно сверять цифры. Но я относился к этому очень скептически — ну, допустим, какие-то разводилы у вокзала пытаются людей обмануть, но автосалоны то не будут! Однако, у меня отец в тот же период покупал новый Tiguan, и у него там реально пытались пропихнуть скрытый платёж на внушительную сумму за какую-то номинальную доп.услугу. Это повергло меня в шок: салон немецких автомобилей, от немцев фанатов чётких правил, пытался развести на бабки, а салон менее строгих французов не пытался! Короче, по тому, что рассказывают друзья, и что пишут и показывают в сети, мой опыт вообще очень удачный, а нередко людям куда сложнее и дольше даётся процесс покупки автомобиля. Кажется, сейчас даже квартиру легче купить, благодаря всяким ДомКликам. Ну и пару слов про кредит, не могу не рассказать. Мой первый в жизни кредит был тупым. Прямо по классике: я выпускал новый проект и думал, что сейчас разбогатею. Взял себе кредит на мотоцикл. Проект провалился, я остался без источника дохода, и мало того, что не отдал кредит сразу же, как планировал, а он ещё и висел на мне кабалой несколько лет, вдвое уменьшая мой и без того низкий в то время уровень жизни. Мой нынешний опыт кредита максимально положительный. Я за 5 минут в приложении интернет-банка оформил потреб на недостающую сумму. Это оказалось не только существенно быстрее, чем ждать одобрения от кредитного отдела в автосалоне, но и дешевле по деньгам. И отдавать мне его легко, потому что платёж незначителен относительно величины зарплаты. Так что любым инструментом нужно просто уметь правильно и своевременно пользоваться. Кредиты не зло, тупые люди зло. #life

Hashtags

#life

Резултати

Намерени 1 подобни публикации

Търсене: #bfl

当前筛选 #bfl清除筛选

Machinelearning

@ai_machinelearning_big_data · Post #9625 · 05.03.2026 г., 13:26

Намери подобни Прегледай

🌟Self-Flow: обучение диффузионных моделей без внешних энкодеров от Black Forest Labs. Black Forest Labs и MIT решили проблему, с которой сталкиваются диффузионные и flow-модели: чтобы генерировать качественные картинки, им нужны сильные семантические представления. Обычно их берут снаружи - выравнивают внутренние признаки модели с признаками энкодера вроде DINOv2. Метод работает, но есть нюанс. Чем сильнее энкодер, тем хуже результат: в экспериментах замена DINOv2-B на более мощный DINOv3-H+ стойко ухудшала FID. Модель привязывалась к фиксированным внешним представлениям и переставала масштабироваться. На видео и аудио выравнивание с энкодерами V-JEPA2 и MERT вообще давало результат хуже ванильного flow matching. 🟡Self-Flow предлагает механизм Dual-Timestep Scheduling В стандартном flow matching все токены нойзятся одинаково, поэтому модель решает задачу локально и не учится строить глобальные связи. Self-Flow сэмплирует 2 разных уровня шума и случайно назначает их разным токенам (часть входа зашумлена сильнее, часть чище). Это создает асимметрию: чтобы восстановить сильно зашумленные токены, модель вынуждена опираться на чистые и строить глобальный контекст. Поверх этого работает самообучение по принципу дистилляции. Обучаются одновременно 2 копии модели: модель-ученик видит смешанный зашумленный вход, модель-учитель - более чистую версию (EMA-копия с экспоненциальным скользящим средним). Ученик учится предсказывать признаки учителя из зашумленного входа, и это вынуждает его развивать сильные семантические представления без какого-либо внешнего энкодера. 🟡Результаты тестов 🟢На ImageNet 256×256 Self-Flow показал FID 5.70 против 5.89 у REPA; Это, кстати, первый случай, когда self-supervised метод превзошел внешнее выравнивание на этом бенче 🟢На text-to-image: FID 3.61 против 3.92 у REPA; 🟢По видео: FVD 47.81 против 49.75 у REPA; 🟢По аудио: лучшие FAD-оценки среди всех вариантов. При этом на масштабировании (с 290M до 1B) разрыв с REPA увеличивается: модель Self-Flow на 625M параметров обходит REPA на 1B. Метод универсален для модальностей - он работает одинаково на картинках, видео и аудио, что намекает на применение для мультимодального обучения. В репозитории проекта есть код инференса на основе SiT-XL/2 с per-token timestep conditioning, чекпоинт на основе ImageNet 256×256 и скрипты для генерации сэмплов под FID-оценку через ADM evaluation suite. Поддерживаются режимы SDE и ODE, мульти-GPU через torchrun. 🟡Статья 🟡Техотчет 🖥GitHub @ai_machinelearning_big_data #AI#ML#Multimodal#Framework#BFL

Hashtags

#ai #ml #multimodal #framework #bfl