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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #587 · 7.10

The Verge пишет, что в компании Цукерберга вице-президент в середине сентября разослал сотрудникам письмо в духе: "Что-то по статистике наши разработчики сами почти не используют Horizon Worlds (VR-мир с мультяшными аватарами, который они делают, вы наверное видели в рекламе), нехорошо, начинайте использовать сейчас же!". А потом через две недели ещё одно письмо: "Коллеги, всё ещё никто не использует, буду штрафовать менеджеров. И вообще, мы начали разрабатывать план, по которому каждый обязан туда заходить хотя бы раз в неделю!". (Он писал не такими словами, это моя вольная интерпретация общего смысла, но про раз в неделю почти цитата). Есть такое понятие dogfooding (Eating your own dog food — есть еду своей собаки). Оно обозначает практику использования продукта сотрудниками компании, которая этот продукт делает. Понятно, что всегда есть исключения: бывает физическая невозможность использования (например, мужчины в фирме по производству прокладок), бывают адекватные отличия в целевой аудитории (взрослые делают продукты для детей, но сами не являются потребителями). Бывают ещё, например, продукты определённого экономического класса: владелец АвтоВАЗ не ездит на ВАЗ, и это нормально с учётом того, что ВАЗ не производит премиум-автомобили для богатых людей. У них просто нет моделей под бюджет в 5-7 миллионов рублей. Но если сотрудники компании входят в ЦА, то, конечно, возникают вопросы. Несколько лет назад был скандал: вроде бы сотрудника Samsumg уволили за использование айфона — мне это решение кажется верным. Вот ребята из JetBrains все сидят на собственных IDE добровольно и с удовольствием, потому что они реально лучшие на рынке. Ребята из VK иногда используют VK, а иногда нет. Некоторые чаты сотрудников VK создают в Телеграме. И блоги комментируют в Телеграме, даже если точно такие же есть в VK (привет :) ). Ну и ещё отдельно меня расстраивает, что сотрудники VK не ведут страницы сами. Вон раньше Дуров всем показывал пример и писал у себя на странице VK всякие новости и размышления. А сейчас он делает то же самое в Телеграме. А сотрудники VK не делают, особенно руководство. Вообще, отсутствие публичного евангелиста (главным образом среди руководителей) — важная составляющая текущей репутационной картины VK, на мой взгляд. Но, если приходится издавать указ "Заставить сотрудников под угрозой штрафа заходить в свой продукт раз в неделю", то лично я бы вернулся к основам и задумался над тем, является ли продукт нужным и интересным. #web

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