TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #610 · 27.10
Есть такая технология защиты от пиратства видеоигр — Denuvo. Не раскрывается, как именно она работает, но известно, что она очень агрессивная. Во-первых, сама по себе тяжёлая (к исполняемому файлу весом в сотню мегабайт может добавиться ещё 500). Во-вторых, она насилует компьютер постоянным шифрованием в реальном времени, из-за чего игра работает медленнее, чем работала бы без Denuvo. В-третьих, она ещё и насилует накопитель данных постоянными перезаписями. Есть несколько случаев, когда Denuvo сокращала срок службы SSD-накопителя, с которого запускали игру. Ну то есть, да, покупать лицензионную продукцию может быть плохо не только для вашего кошелька, но и для вашего оборудования. В первый раз Denuvo ломали месяц, взломали. Сейчас уже недели и дни. Чем популярнее игра, тем быстрее обычно она появляется на торрентах. Вот новая Gotham Knights, о которой я писал ранее, выложена на рутрекер этой ночью — спустя всего 5 дней после релиза. Казалось бы — зачем производителям игр так делать? Зачем ставить дорогую, тяжёлую, ухудшающую работу игры защиту, если её всё равно взломают за неделю? Дьявол тут в особенностях человеческой психики. Вся эта возня с защитой — как раз ради этих первых пяти дней. Разработчики даже сами выпускают патчи, которые через время защиту убирают. С одной стороны, многим людям важно поиграть в игру сразу после релиза, а не через неделю. С другой стороны, компаниям тоже выгодно продать игру людям в первые дни, пока на неё не вышла куча обзоров, видеопрохождений на ютубе и разной критики. То есть, смотрите, как выходит: • Человек готов заплатить за игру, и у него есть на это деньги, но только если не достанет её где-то ещё. Для меня это странно: либо мне продукт нравится, и я в любом случае его покупаю, либо не так нравится, и я в любом случае подожду условную неделю, чтобы скачать. Тут стоит сделать поправку на физическую возможность купить. Если компания сама отказывается брать мои деньги (например, блокировкой по гражданству), то никаких обязательств перед ней у меня на мой взгляд не сохраняется. • Человек готов купить игру, не имея о ней достаточно информации, даже точно зная, что через неделю может появиться информация, которая его от покупки отвадит. Для меня это понятно: люди покупают впечатления, но часть этих впечатлений может появиться после просмотра видео или прочтения статьи, а за оставшуюся часть впечатлений полную цену платить уже не готов. Но, возможно, я бы в такой ситуации скачал, понял, что мне понравилось, и купил бы. То есть наличие игры на торрентах в данном случае не превращает покупку в непокупку, а вот наоборот могло бы. #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