TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #276 · 30.03
Преимущества личного автомобиля по сравнению с такси: 5. Цена. Ха-ха :) Да, если вы уже купили автомобиль для каких-то неизбежных нужд, и ваша жизнь без автомобиля невозможна, то использовать его бывает дешевле в тех случаях, когда без него можно было бы обойтись. По сути вы заплатите только за топливо и совсем чуть-чуть за износ. 4. Личный комфорт и отсутствие других людей. В машине ты чаще всего один, ты можешь громко петь, ставить музыку со своего телефона, аудиокнижку послушать или радио. В такси конечно тоже можно в наушниках, но без наушников удобнее, да и ужасная музыка таксистов может прорываться даже сквозь шумодав. Если ты следишь за своим авто, то он как правило чистый, в исправном состоянии, эстетически привлекателен для тебя, в отличие от произвольного качества машины в такси (даже на тарифах Комфорт и выше). 3. КАД и ЗСД, пригородные трассы. Таксисты очень не любят ездить по таким дорогам, постоянно ворчат, иногда и вовсе отказываются. По ЗСД не у всех действующий транспондер, не со всеми можно хорошо договориться. На машине ездить по таким дорогам наиболее кайфово, куда лучше, чем по городу. Вообще, если есть возможность доехать по КАД — я еду по КАД. Включил круиз-контроль, и сидишь себе. Никаких светофоров, никаких влезающих поперёк полосы идиотов и толкотни перед перекрёстками. 2. Гибкость в изменении маршрутов и подборе/высадке пассажиров. На автомобиле вы можете посреди пути поменять маршрут, вспомнив о том, что вам нужно было куда-то заехать. Вы можете свободно сколько угодно раз сажать и высаживать людей. В такси такое работает только при хорошем планировании заранее, либо необходимо будет договариваться с водителем, что неудобно и не всегда гарантирует успех. 1. Транспортировка вещей. Я оценил уровень удобства, который был мне прежде недоступен. Никаким другим способом нельзя хорошо решить задачу: «Нужно заехать в несколько мест, и в часть этих мест завезти объёмные тяжёлые предметы». Вы можете заехать к другу, оставив в багажнике 10кг ящик посуды, который везёте родителям. #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