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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #378 · 10.06

В шестой серии Stranger Things один персонаж отвечает на предложение отправиться в опасное место: «Ты просишь меня последовать за тобой в Мордор». Это вполне обычная фраза, которую легко можно встретить в разговоре в реальной жизни. Я смотрел этот эпизод, и у меня не возникло никакого диссонанса: простая беседа с метафорами. Но другой персонаж после этого спросил «Что ещё за Мордор?». Этот момент вызвал у меня сильное кратковременное удивление, но потом я вспомнил, что в сериале показаны 80-е. Персонаж, сказавший первую фразу, по сюжету гик, нерд, любитель сложных настольных игр — он наверняка читал фентези. А вот массовая культура ещё о Властелине Колец ничего не знает, потому что не вышло кино. Его фраза для других примерно то же самое, что в наше время я бы сказал: «Ты предлагаешь мне долететь до Мекатол Рекс» — узкий нишевый контент, ничего не значащий с точки зрения обывателя. В наше время даже бабушки, кажется, знают, что такое Мордор, и могут если не использовать, то хотя бы понять подобную метафору. Это часть общего культурного кода, новый язык, который для нас уже не новый. Но 40 лет назад и в реальной жизни какие-то люди могли обсуждать Мордор, и их почти никто вокруг не понял бы. Вот так вот авторы из настоящего смоделировали вполне реалистичную ситуацию из прошлого, которую сквозь время смотрят зрители из настоящего и понимают в ней больше, чем персонажи. Такой временной скачок туда-сюда: обогащение культурного контекста наделяет слова новым смыслом. Я в полном восторге от этой небольшой реплики! Вполне возможно, что прямо сейчас где-то ведётся обсуждение узкоспециализированного и нишевого понятия, которое через 40 лет станет знакомой всем обыденностью. #fiction

Hashtags

Резултати

Намерени 2 подобни публикации

Търсене: #mlm

当前筛选 #mlm清除筛选
Профцентр

@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

Machinelearning

@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