TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #604 · 21.10
Сегодня вышла игра Gotham Knights по комиксам DC. В самой игре, судя по всему, ничего интересного нет. Как минимум, она кооперативная — для полноценного экспириенса нужно иметь друзей, которые играют в ту же игру, и проходить её с ними по сети, выделив одновременно (!) по несколько свободных часов каждому. Ещё и чтобы были доступны сетевые сервера из тех стран, где вы все живёте. Множество невыполнимых условий, особенно для русского 30+. Но была забавная ситуация — неделю назад в Дискорде разработчики игры сказали, что она не будет поддерживать частоту больше 30 fps даже на консолях нового поколения. Из-за этого игроки начали массово отменять предзаказы, писали об этом в Твиттере, поехала цепная реакция. Как минимум несколько сотен отмен было, потом ещё и отдельный опрос на крупном форуме, который показывал, что игру не собираются покупать в том числе и те, кто до этого хотел. Лично мне загоны про fps всегда казались странными. Я вижу отличия между 30 и 60, но не сказал бы, что эта разница имеет для меня хоть какое-нибудь заметное значение. Наверное для киберспорта важно, но для получения удовольствия от казуального мультика не критично. Мне скорее стало интересно: вот эту сотрудницу Warner Bros. Montreal, после сообщения которой начались отмены предзаказов — её же наверняка боссы поругают за потерю некоторой доли прибыли, может даже премии лишат. Следовало ли ей так говорить? Да, она сказала правду, но, уверен, этот вопрос можно было бы как-то обойти. Думаю, игроки уже после запуска не особо обратили бы внимание на fps, и уж точно не такой процент людей стал бы закрывать игру, удалять её и возвращать деньги. Вроде бы принцип "Нужно быть честным и говорить о своём продукте правду" — это хорошо и правильно. Тем не менее, в реальной жизни следует учитывать ещё и, например, что ваши потребители могут быть истеричками. Отсюда и появляются все эти политически-обтекаемые ответы на вопросы, в которых на самом деле нет никакой сути. У Азимова в "Основании" описан специальный лингвоматематический набор уравнений, через которые можно пропустить любой текст так, чтобы остался только настоящий смысл этого текста без воды. И там как раз речь одного политического посла пропустили, получился на выходе пустой лист. Вот так нужно разговаривать с толпой :) #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