TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #293 · 8.04
Традиционно считается, что кошки и другие питомцы снимают стресс в тот момент, когда вы, например, гладите их. Но по моему опыту этот эффект куда шире. Для меня кот — это постоянный источник положительных эмоций. Каждый раз, когда он хотя бы немного попадает в поле зрения, мгновенно возникает желание его тискать. Даже если ты по факту этого не делаешь, в каком-то отделе мозга просыпаются воспоминания о том, какой он мягкий и приятный. С котом связано много цепочек в голове, которые как раз и приводят к всплеску положительных эмоций. Поскольку я работаю из дома, в среднем кот попадается мне на глаза десятки раз в день. Если считать, что положительные эмоции как-то полезно влияют на наше здоровье, то это даже с чисто прагматической точки зрения было одно из лучших приобретений за все последние годы. Очень жаль людей с аллергиями. У меня тоже аллергия, но слабая, и пропадающая на конкретных животных при длительном воздействии. В гостях меня может прихватить, особенно, если животных у хозяев несколько. Но дома проблем нет вообще. Я думаю, владение питомцем по влиянию на здоровье сопоставимо с умеренными занятиями спортом или с отказом от какой-нибудь вредной привычки. #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