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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #507 · 18.08

Досмотрел Westworld. Первый сезон, на мой взгляд, был одним из лучших научно-фантастических художественных произведений за всю историю вообще. Множество ярких высказываний о природе насилия, разуме, жизни, осознании своего "я" и мира вокруг себя. И это всё в офигенно крутых киберпанк-хайтек декорациях с очень неожиданными сюжетными поворотами. После той планки, которую он задал, возникло некоторое противоречие: вроде и продолжение хочется, но уже понятно, что оно таких эмоций не даст. Из второго сезона я помню буквально пару интересных моментов, но глобально не могу вспомнить, о чём он вообще был, и какие там ключевые мысли. Третий же сезон совсем другой, будто кино нового жанра с теми же героями — более классическая фантастика про будущее и конфликт между людьми и искусственным интеллектом. В четвертом сезоне лично у меня стойкое ощущение, что сценаристы устали, но при этом у них оставались отдельно выписанные идеи, которым не нашлось места в первых трёх. Идеи прикольные. Мне очень понравилась арка про Долорес и её сущность: действительно, если ты есть система, способная обладать информацией о каждой точке пространства, то твоё субъективное "я" может в этом пространстве присутствовать в качестве его элемента и не осознавать своего истинного статуса. Понравилась в целом идея с как бы переворачиванием. В оригинале, кстати, если помните, используется не "машина", а "host", и очень круто было, когда Хейл употребила этот термин по отношению к заражённому мухами человеку. Но глобально я скорее расстроен. Мотивация Уильяма мне вообще не ясна. И ещё не понял, почему в его коде не было никаких средств блокировки, чтобы он не напал на создательницу. Вся ветка с дочкой главного героя и группой людей вокруг неё показалась мне очень сумбурной и не раскрытой. Вообще будто бы мало времени на всё. В первом сезоне нам подавали события очень плавно и размеренно, зачастую с нескольких точек зрения, а здесь же местами грубые мазки. Концовка тоже какая-то смятая: сверхмасштабная катастрофа, в которой ты, однако, никому не сопереживаешь, потому что большинство центральных персонажей вроде как в стороне от неё. Клементину тоже слили. И Мейв — такой значимый персонаж, хоть бы как-то логично завершили её ветку, чувствую недосказанность. В общем и целом: хорошо, если на этом закончат, но если нет, авторам придется изрядно постараться. #fiction

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