TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #274 · 29.03
1 апреля в Петербурге собираются запустить отмену маршруток в соответствии с так называемой Новой Моделью Транспортного Обслуживания. Маршрутные такси появляются, как ответ бизнеса на несовершенство городской транспортной системы. Одни такси просто дублируют существующие маршруты автобусов и троллейбусов, потому что поток слишком большой. Другие — возят людей там, где автобусы вообще не ходят, или ходят неудобно. Например, от моего дома до Пионерской маршрутка есть, а никакого другого транспорта нет. В хорошо спроектированной городской среде маршрутных такси не должно существовать вообще. Они обычно в плохом техническом состоянии, а их водители совершают много небезопасных манёвров и постоянно нарушают ПДД. Так что, инициатива, безусловно, очень благая по своему замыслу. Но вопросы, как обычно, к реализации. Планируется для начала запустить 864 новых автобуса, а до конца программы — 2800. Эти автобусы должны перекрывать текущие популярные маршруты. Проблема в том, что у Петербурга довольно плохо дела с выделенными полосами под общественный транспорт. Там, где они есть, их соблюдение контролируется не очень хорошо. Но в большинстве мест, где вообще нужны автобусы, таких выделенных полос нет вообще. У нас радиальная структура метро без кольца, а, значит, перемещение на наземном транспорте особенно актуально на удалении от центра — и как раз там автобусы стоят в тех же самых пробках, что и автомобили. То есть мера хорошая с точки зрения безопасности — водители автобусов всё-таки адекватнее, чем водители маршруток, и сам автобус не так провоцирует агрессию. А ещё в нём обычно больше места, гарантированная оплата проездными, дешевле, комфортнее, не нужно самому открывать дверь итд. В новых автобусах, кстати, обещают USB-зарядки. Но мера всё равно половинчатая. Уж сколько лет урбанисты топят за трамвай, который нужно пускать по закрытым для автомобилей участкам -- например, разделительным полосам, или даже пешеходным улицам. Вот сейчас в итоге горбюджет потратит кучу денег, а мог бы потратить чуть больше, но в разы эффективнее. А, ещё в ОТ отменяют оплату наличкой. Давно пора. По мне бы так вообще везде отменять надо наличку. #life
Hashtags
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