TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #597 · 15.10
Я таки упросил VK включить мне новый дизайн (спасибо). Иронично, что его включили куче моих друзей: тем, кто не ведёт страницу, тем, кому пофиг, и даже тем, кто ненавидит редизайны. А мне не включили сразу, хотя я люблю редизайны и веду в VK блог. Ну, минус в том, что это опять калька с Фейсбука. Конечно плохо: у ребят из ВК точно много своих идей, непонятно, почему до сих пор копируется с FB, который прям очень очень плох по визуалу и удобству, почти худший крупный сервис в современном интернете. Тем не менее, конкретно обложка для профилей мне понравилась на Фейсбуке ещё 10 лет назад, когда я её впервые увидел. И очень хорошо, что VK сейчас сделал акцент на контенте. Не знаю, обозначает ли это начало каких-то более масштабных изменений, чтобы возродить текстовые блоги (кажется, их потенциальную аудиторию из ВК прогнали почти всю). Есть предположение, что визуальным изменением профилей всё и закончится, а ленты всё так же будут забиты пабликами, и взрослые люди, включая сотрудников самого ВК, всё так же будут постить и комментировать в Instagram/Telegram. Конкретно тут я бы убрал нафиг блок с подарками — не нужен. "Подписчики" теперь смешаны с друзьями, это сбивает, хотя привычная концепция друзей в соцсетях давно умерла. А вот в блоке "подписки" ставил бы индивидуальных авторов выше, чем паблики. Ну и, конечно же, отовсюду удалять "Клипы" обязательно. #web
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