TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #50 · 15.06
В основном с друзьями играем в евро-настолки (стратегии на менеджмент ресурсов), но тут захотелось чего-то нового, и мне посоветовали Звёздные Войны: Внешнее Кольцо. Я, признаться, не фанат мифологии SW при всей своей любви к фантастике. Мне гораздо больше заходят вселенные вроде Startrek и Battlestar Galactica. А Star Wars делают мало акцента на вещах, традиционно любимых гиками — наука, технологии, особенности устройства общества будущего. Вообще это фентези-сага о магии и пиратах, просто в космосе. Однако, сюжетная настолка мне понравилась. Вы с другими игроками перемещаетесь на кораблях по космосу (который здесь представлен полукольцом) и попадаете в различные приключения. Плюс игры, в отличие от евро, в том, что ситуации действительно разные, неожиданные, каждая со своим сюжетным описанием. Минус ровно в этом же — после некоторого количества партий ты просто будешь знать все существующие карточки. Понятно, что такие игры выпускают под будущие дополнения. Но мы играем не очень часто и не всегда именно в неё, так что конкретно в моей компании хватит надолго. В остальном классическая система навыков персонажа — прокачиваешь себе, например, силу, и дальше попадаешь в заварушку в духе: «На вас напали разбойники. Вы пытаетесь свалить огромный ящик, чтобы защититься от выстрелов. Пройдите проверку на силу, при провале получите 2 повреждения». Чем выше прокачал — тем выше шанс пройти проверку (это бросок кубиков), но всегда есть вероятность провала, даже если ты очень сильный. Всё как в жизни. Очень легко представить себе, что ящик оказался тяжелее, чем ты думал, или, например, развалился от первого попадания. Сюжетные тексты + воображение + компания друзей = классное интерактивное времяпрепровождение, нередко интереснее, чем видеоигры. В первой партии я смог купить Сокол Тысячелетия и даже взять себе в экипаж Чубакку, но игру всё равно не выиграл. Уже хочется попробовать ещё. #games
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