TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #443 · 10.07
Помните, тут Илон Маск собирался купить Твиттер? Пишут, что он отменяет сделку, потому что Твиттер: — Неправильно считал число фейковых аккаунтов — Не смог предоставить сведения об объёме спама — Открыто признал, что последние годы преувеличивал количество пользователей Кстати, по последнему случаю в прошлом году был крупный штраф от Твиттера собственным же инвесторам по результатам судебного иска. Твиттер заявлял о росте месячной аудитории, но скрыл тот факт, что дневная аудитория стоит на месте. Что, кстати, интересно: люди как бы реже стали в Твиттер заходить, но при этом общее количество этих людей росло. То есть, смотрите, крупная корпорация тоже, как и отдельный человек, может врать, делать хорошую мину при плохой игре, скрывать и преувеличивать и так далее. А ещё инвесторы на Западе умеют замечать такие штуки и штрафовать корпорации. Интересно, что у нас инвесторы, похоже, не умеют, иначе непонятно, почему у них не возникало вопросов к тем же публичным цифрам от ВКонтакте. Хотя в современных реалиях, видимо, ВК уже не стоит считать частным бизнесом, а скорее государственной корпорацией. Не уверен, что для Твиттера срыв сделки с Маском это прямо так уж плохо. Маск там почти силой хотел его поглотить и навести свои порядки, весьма своеобразные, в соответствии с его характером. Но репутационно, конечно, эффект не самый приятный. Хорошо, что я забил на Твиттер и перестал им пользоваться. #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