TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #48 · 11.06
Kickstarter отличный пример неизбежного возврата системы из какого-то нестандартного состояния в более привычное. Изначально проект планировался, как помощь молодым изобретателям и инноваторам: авторы могли описывать идею нового устройства (идею игры, книги, дизайнерского предмета и т.д.), представляли публике простой прототип — как правило самодельный — и собирали деньги на его реализацию. То есть деньги как раз шли на то, чтобы разработать промышленный вариант и наладить производство. В теории можно было прийти на Кикстартер простым парнем из деревни, спаявшим прототип в гараже, и собрать средства на воплощение своей мечты в жизнь. Однако со временем естественным образом привлекали больше внимания те, кто прошёл на момент презентации чуть дальше: сделал более качественный образец, заказал более дорогой видеоролик, или даже уже частично наладил какие-то производственные процессы. Это всё выродилось в то, что Кикстартер превратился из краудфандинговой площадки в магазин. А точнее сказать — Телемагазин. Отличие от обычного магазина в том, что в Телемагазине товар делает вид, что он уникален, и в других местах такой не купить. В остальном же теперь проекты выходят на Кикстартер с полностью готовым продуктом, полностью налаженной линией выпуска и профессиональной рекламой. Стоимость выхода на Кикстартер в наши дни нередко превышает потенциально возможные сборы. Всё больше краудфандинговых кампаний в качестве гола (то есть суммы, которую необходимо собрать) ставят глубоко формальную небольшую цифру. Сложное и дорогое электронное устройство просит для старта $20000 — в реальности этого не хватит даже на полноценный production-ready прототип. Например, пресс-форма для литья пластикового корпуса сама по себе может стоить $5000-$10000, а производство ещё даже не началось. Потому что на самом деле разработчики сейчас не выставляют свои идеи для сбора денег на воплощение. Они выставляют готовый товар в магазин. Естественные и вроде бы правильные процессы (более качественное привлекает больше внимания) привели к искажению или даже исчезновению первоначальной цели проекта Кикстартер. Из интересной и необычной площадки по финансированию изобретений он стал магазином — тоже не совсем банальным, но с очень привычным механизмом работы как для продавцов, так и для покупателей. Исключения случаются, однако в целом тенденция очевидна. На мой личный взгляд владельцам Кикстартера нужно было остановить это в своё время. Если на западе есть термин overqualified в качестве причины отказа при приёме на работу, то можно было и здесь балансировать допустимый уровень готовности продукта при публикации на площадке. Но что имеем, то имеем. #gadgets
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