TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #36 · 3.06

Закончил «О дивный новый мир» Олдоса Хаксли, который рекомендуют читать в паре с «1984». В сети очень распространён иллюстрированный разбор со сравнением двух произведений, вот цитата оттуда: «Оруэлл боялся, что нас погубит то, что мы ненавидим. Хаксли боялся, что нас погубит то, что мы любим». В мире будущего жизнь каждого человека определена с рождения. Людей выращивают в пробирках и над каждой группой зародышей проводят особые манипуляции, а получившихся потом младенцев месяцами зомбируют гипнозом. Все это нужно для иерархического разделения и поддержания идеологии. Низшие касты — разнорабочих и прислугу — умышленно отупляют, внедряют им любовь к труду. Таких нужно много, поэтому их выращивают клонированием. Высшие касты — работники интеллектуального труда — создаются разными, но идеологическую промывку все равно проходят. В основу жизни человечества поставлено получение удовольствий. Крайне невежливо и даже в каком-то смысле запрещено отказываться от плотских утех. В свободное от работы время не полагается быть одному, а нужно тусоваться в компании и играть в игры. Если у человека возникают негативные эмоции: страх, грусть, обида, скука, то он должен принимать специальный синтетический наркотик под названием Сома. Я думаю, автор вдохновился латинским словом somnus — то есть сон. И правда, люди живут в постоянном полусне. Даже без учёта сюжета это восхитительная вселенная, которая с помощью гиперболизации говорит о нашем с вами мире. И даже более — о сегодняшнем, мире 2021 года, нежели о времени написания романа. В 1932-м представить круглосуточно работающий экран с развлекательным медиаконтентом в каждом доме было сложно, но сейчас — вы и сами знаете. Да и то, что называют сексуальной свободой, за сто лет изрядно развилось. Книга, кстати, очень хорошо демонстрирует суть работы идеологии и религии. Какие-то вещи видятся нам абсурдными просто потому, что мы воспитаны иначе. Так, например, в мире романа считается не очень правильным иметь МАЛО половых партнёров. Люди обсуждают там вопиющее поведение тех, кто недостаточно часто меняет сексуальные связи. В точности, как в нашем обществе критикуют тех, у кого, наоборот, много таких связей. С точки зрения работы идеологической и воспитательной машины в наших головах разницы между «много» и «мало» нет, но когда читаешь это, думаешь, что происходящее в тексте — полный абсурд. Аналогично автор описывает полностью выдуманные религиозные обряды, которые смотрятся максимально дико и глупо. Но, вы уже поняли, по сути разницы с существующими у нас религиозными обрядами нет. Только по форме. Отдельно мне понравилось, как менялся образ персонажей в моем восприятии с течением сюжета. Только я начинал проникаться к кому-то из них симпатией и видеть проблески настоящего человека, как автор показывал, что идеологическая или религиозная обработка неизбежно властна над всеми: персонаж проявлял себя с какой-то не лучшей запрограммированной стороны. В конце книги есть длинный эпизод, когда главный управляющий объясняет героям причины и преимущества построения подобного общества. И его аргументация очень сильна, мне даже особо нечего возразить, что весьма печально. У Оруэлла было понятно, что структура мира даёт выгоду только небольшой группе элит, а для остальных является нежелательной, но здесь с этим гораздо сложнее. Люди даже в нашей реальности без всяких пробирок видят счастье в тупости и примитивизме, любят бесконтрольное потребление и расслабляющие вещества, с удовольствием предаются абсурдным обрядам, не переосмысливают критически свою идеологию. Если Оруэлл описывает фантастический и ужасный мир, который ты воспринимаешь, как нечто далёкое и несуществующее, то у Хаксли фантастический и ужасный мир сшит из кусков объективной реальности вокруг нас, которая ещё и с каждым годом содержит подходящих кусков всё больше. #fiction

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #bitdance

当前筛选 #bitdance清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #9534 · 17.02.2026 г., 09:02

🌟BitDance: авторегрессионная генерация изображений с бинарными токенами. Генеративные модели делятся на 2 лагеря: диффузионные и авторегрессионные. Вторые концептуально ближе к LLM - генерируют изображение токен за токеном, как текст. Проблема в том, что это очень медленно, а качество проигрывает диффузии. BitDance - экспериментальная 14B AR-модель, которая пытается решить оба этих вопроса разом. Этим проектом группа китайских рисёчеров показала, что правильный бинарный токенизатор + diffusion head + параллельный патчинг закрывает большинство претензий. Они локализовали 3 проблемы дискретных AR-моделей и закрыли каждую отдельным решением. 🟡Плохая реконструкция токенизатора Вместо VQ-кодбука тут используется бинарный токенизатор на основе квантования с групповым разбиением каналов. Словарь вырастает до 2²⁵⁶ (для сравнения: у Cosmos - 65536), при этом модель держит PSNR 25.29 против 24.81 у непрерывного DC-AE, то есть бинарные токены реконструируют изображение лучше, чем VAE у SANA. 🟡Нестабильный сэмплинг А как вообще выбирать из словаря в 2²⁵⁶ вариантов? Обучить классификатор на все возможные токены тут не вариант: такой слой не поместится ни в какую память. В качестве решения - прикрутили diffusion head, которая моделирует биты на непрерывном гиперкубе. То есть, модель предсказывает структуру битов через velocity-matching, что и позволяет сэмплить из гигантского пространства состояний. 🟡Скорость AR генерирует по одному токену за шаг. BitDance за один шаг выдает сразу 64 токена (или 16), при этом модель понимает, как они связаны между собой внутри этого блока. Громко заявленный результат: 30x ускорение относительно next-token AR при сопоставимом качестве. об этом в конце 🟡Тесты На мелкой версии ImageNet BitDance-H достигает FID 1.24 (лучший результат среди AR-моделей, наравне с xAR-H). На DPG-Bench (text-to-image) полноценная BitDance набирает 88.28 - это выше FLUX.1-Dev, SD3, Janus-Pro, но уступает Seedream 3.0 и Qwen-Image. В релизе 2 версии 14B модели, с предикшеном на 16 и 64 токена и макс. разрешением 1Мpx. Остается вопрос: насколько бинарный токенизатор + diffusion head добавляет латентности на каждом шаге, даже если самих шагов стало меньше из-за патчинга. 30x по скорости - это сравнение не с диффузионными моделями, которые уже умеют генерировать за 4–8 шагов. 14B - это не про "взял и запустил". Есть конечно версии на ImageNet с разрешением 256х256 для воспроизведения эксперимента, но не за этим мы сюда пришли. 📌Лицензирование: Apache 2.0 License. 🟡Страница проекта 🟡Arxiv 🟡Модель 🟡Demo 🖥GitHub @ai_machinelearning_big_data #AI#ML#AR#T2I#BitDance