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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #631 · 5.11

Британцы любят снимать сериалы в своего рода театральном стиле — небольшой набор сцен, где находится мало персонажей с минимумом движения и ведут длинные монологи/диалоги. Всё повествование и передача авторского замысла строится на расзговорах. За последний год я частично посмотрел Alan Bennett's Talking Heads (люди монологом рассказывают свои истории на больные темы) и State of Union (женатая пара на грани разрыва, выясняют отношения в баре после сеансов у психолога). И ещё на днях полностью досмотрел After Life — у мужчины умирает жена, он теряет вкус к жизни и начинает говорить всё что думает. Затравка звучит интересно, но на деле это быстро уходит в довольно классическую драму о потере и поиске себя. Есть ощущение, что такие произведения отходят как раз к британскому театру с его давней и сильной историей. Мне такой жанр нравится, но есть один нюанс: британцы просто жесть какие извращенцы. Не знаю, будто бы они годами были чопорными и высококультурными, сдерживали себя, а потом проникновение европейских "ценностей" сорвало какие-то пломбы. Это проявляется вообще во многих проектах, даже в каком-нибудь "Докторе Кто" можно увидеть эпизоды с шутками не просто ниже пояса, а прям отвратительную пошлятину. В коротких диалоговых драматических сериалах такого ещё больше. Герои могут пять минут обсуждать прямым текстом супер мерзкие интимные подробности. А в обычном диалоге на отвлечённую тему будут вставлять комментарии ниже пояса так, будто бы это абсолютно обычная естественная часть общения. Не знаю, взаимодействуют ли люди у них так в реальной жизни. Возможно, это современная инкарнация своеобразного британского юмора: в конце-концов у Дугласа Адамса тоже было всякие неожиданное. В книге. Американский фильм оставил гэги, но убрал совсем трэшатину. #fiction

Hashtags

Резултати

Намерени 2 подобни публикации

Търсене: #mlm

当前筛选 #mlm清除筛选
Профцентр

@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

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