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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #505 · 16.08

В 1930-е годы в Германии уже существовало немецкое подразделение The Coca-Cola Company. Так, например, в 1936 году Кока-Кола спонсировала Олимпийские Игры, на которых в том числе выступал Гитлер и открыто продвигал идеи нацизма, превосходства арийской расы и антисемитизма. Активно выходят газеты с нацистскими лозунгами на обложке, а на обороте в них же реклама Кока-Колы. В 1939 началась Вторая Мировая Война, но Coca-Cola не ушла из Германии и не отозвала своих сотрудников. Просто головное подразделение абстрагировалось от немецкого Coca-Cola GmbH. В 1941 году произошло нападение на Пёрл Харбор. К этому моменту США ещё не вступали официально во Вторую Мировую и спокойно продолжали поставки компонентов в Германию. Однако, после 7-го декабря США наложили на Германию санкции, в числе которых был запрет на импорт сиропа, нужного для производства Кока-Колы. Сотрудники, впрочем, всё ещё живут в Берлине и рулят местным подразделением. Гитлер потихоньку захватывает европейские страны, убивая тысячи людей. Тогда же в Coca-Cola GmbH возникает идея создать напиток из компонентов, доступных в стране. Так, например, при производстве сидра остаётся много яблочного жмыха. А в процессе сыроварения образуется побочная молочная сыворотка. Эти ингредиенты и легли в основу нового рецепта. Руководитель подразделения Макс Кайт даёт своим менеджерам команду придумать название для нового напитка, проявив при этом фантазию (Fantasie), на что менеджер по продажам Джо Книпп сразу восклицает — «Fanta!». На рынок Третьего Рейха выходит новый напиток жёлтого оттенка, который, впрочем, отличается по рецепту и вкусу от знакомого нам апельсинового. В источниках пишут, что компания Кока-Кола в Германии почти наверняка задействовала на своих заводах Фремдарбайтеров (Fremdarbeiter) и Остарбайтеров (Ostarbeiter) — военнопленных и захваченных гражданских, вывезенных из Европы с целью использования в качестве бесплатной или низкооплачиваемой рабочей силы. В 1955 году, через 10 лет после падения Гитлера, Coca-Cola перевыпускает лимонад Fanta, который активно рекламируется и продаётся в Европе, Азии, Южной Америке и Африке. Но не в США, поскольку головное подразделение заявляет, что якобы боится подорвать сильную рыночную позицию их флагманского напитка. Однако, уже через 5 лет, в 1960 году, головная компания Coca-Cola в США выкупает у немецкой Coca-Cola GmbH права на торговую марку Fanta. Напиток начинает массово продаваться, принося корпорации прибыль по сей день. Выводы предлагаю делать вам самим.#life Источники: 1. Coca Cola and the war 2. Why Do Foreigners Like Fanta So Much? 3. Fanta - Wikipedia

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #roberta

当前筛选 #roberta清除筛选
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