TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #357 · 25.05
Я до апреля к каждому посту ВКонтакте оставлял комментарий со ссылкой на свой Телеграм-канал. Но потом от администрации ВК появились намёки о том, что в соцсети готовится какое-то нововведение для авторов текстов. И я перестал. Решил: раз они предлагают что-то авторам, будет не слишком честно уводить пользователей, продолжу писать без всяких ссылок. Однако, прошло два месяца, никаких изменений нет. ВК выпустили отдельный мессенджер и, кажется, отдельное приложение с Клипами (по непонятной мне причине не убрав назойливую вкладку в основном приложении ВК). Но с классическими блогами всё по-прежнему довольно плохо. Мои посты стабильно собирают лайки и обсуждения, некоторые люди говорят мне, что им интересно читать. Однако, подписчики ВК не только не растут, а даже чуть-чуть снижаются. При этом, когда я публиковал к каждому посту ссылку на Телеграм, там аудитория увеличивалась довольно активно. Это поразительно: ВК не справляется с тем, чтобы наращивать подписчиков внутри себя, но отлично справляется с тем, чтобы наращивать подписчиков в Телеграме. Как это вообще работает? Это же противоположность от того, как следует функционировать хорошей соцсети — она должна эффективно удерживать людей внутри себя, а она эффективно отдаёт людей наружу :) Это так нелепо, на грани смеха и слёз. Один из моих подписчиков по этому поводу написал: «Сейчас такой момент, когда им бы по-хорошему провести какой-нибудь ребрендинг, обновить дизайн (привет дизайнерам инсты и её "новой" иконке), ввести фичи новые. Они вроде апгрейдят ВК, но почему-то выглядит это, как сарай, в котором поставили плазму и показывают тик-токи». На мой взгляд прям очень точная фраза. Я каждый день вижу, как люди сюда реально возвращаются, но при этом ни постов толком не пишут, ни активности никакой не ведут. ВК просто фантастически упускает шанс стать действительно основной русскоязычной блог-платформой. Судя по поведению команды Телеграма, нас не ждут в ближайшее время никакие средства дискавери или система рекомендаций. Люди из Телеграма систематически продолжают писать в ВК о своих Телеграм-каналах, потому что собственные возможности Телеграма по приведению аудитории находятся на дне. И на этой невероятно плодородной почве ВК занимается вертикальными видео для школьников. #web
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