TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #459 · 25.07
Западные сервисы реально не умеют в техподдержку. Либо там людей так программируют, чтобы ответы были только по скриптам, либо они просто сами тупые роботы. Общался тут несколько дней с одним из сервисов. Хочу купить годовую подписку, платёж не проходит. А я купил себе Prepaid визу американского банка. Диалог на английском (по почте, поэтому на самом деле каждое сообщение это несколько дней). Я: Здравствуйте, платёж не проходит, почему? Сервис: Из-за наложенных санкций мы не можем принять платёж от вас. Я: У меня US Bank Prepaid VISA, но её ваша система не принимает, почему? Сервис: Я только что проверил, ваша карта не принимается системой. Замените карту на ту, которую система примет. Я: Так почему не принимается то? Как узнать, какую примет? Сервис: Найдите карту, которую система примет. Кстати, система не принимает Prepaid-карты. Я: А почему? Я хочу оплатить подписку сразу на год, с карты не потребуются регулярные списания. Это карта американского банка. Почему она не принимается? Сервис: Мы принимаем VISA и MasterCard. Я: Почему вы не принимаете Prepaid-карты, в чём логика этого решения? Сервис: Мы не принимаем Prepaid-карты. Я: Ок, отписываюсь. Сервис: Опишите причину, по которой отписались. Я: Не могу оплатить подписку. Сервис: Внимание, ваша подписка заканчивается через 5 дней, срочно продлите её. Ладно, две последние реплики это авто рассылка, но всё предыдущее — человек. Вот я думаю, он тупой, или ему сказано так общаться, или он умышленно так разговаривает именно с русским? #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