TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #667 · 27.11
Ночью горел дом. Квартира буквально в паре этажей от нас, в том же подъезде. Впервые в моей жизни горел дом, в котором я нахожусь, да ещё и так близко. Разбудил нас датчик дыма. Верещит он очень сильно, пробивает сквозь несколько дверей легко. Я ещё давно жил на другой квартире, помню что такой датчик сработал впустую, мне пришлось вытаскивать из него батарейку. Там он был прямо в квартире, а здесь в коридоре — по-разному делают. Сейчас он сработал как надо: не бесполезная фигня. Не снимайте эти датчики. Подошли к входной двери и сразу почувствовали дым, позвонили в 112. Но, судя по всему, мы не первые позвонили, потому что машина была уже через минуту. Я поднялся по лестнице и увидел в коридоре хозяина квартиры с ребёнком. Оба были в шоке, выбежали без ничего. Хозяин явно после значительного количества спиртного. Из контекста создалось впечатление, что он курил, но не заметил, что именно и как загорелось. Возможно, проваливался в бессознанку, а очнулся, когда уже было пламя (либо его ребёнок разбудил, тут я не знаю). Не курите дома. Даже если делали это тысячу раз и совершенно уверены, что всё будет в порядке. Даже трезвыми. Просто не курите и всё. Можно помёрзнуть две минуты на общем балконе, даже спускаться никуда не нужно. Ну, а о сочетании алкоголя и курения в доме лучше промолчу. МЧСники офигенные ребята, спасибо им большое. Очень быстро и чётко сработали: приехало 4 машины пожарной службы, скорая, подняли на верёвке шланг (поднимали мимо нашего окна прям), и примерно за 30-40 минут полностью залили горевшую квартиру. Пара вещей, которые стали для меня своего рода открытием. Возможно, кому-нибудь пригодится, но желаю, чтобы не пригодилось. 1. Угарный газ распространяется быстро и во все стороны. Его просто настолько много, что он попадёт в квартиры даже через несколько этажей от места пожара, сквозь стены, потолки, перекрытия. Поэтому датчики нужны. Сейчас в доме открыты все коридоры для проветривания. 2. Воды заливают много. Так много, что она проходит вниз сквозь все этажи аж до первого, создаёт подтёки, а зимой — оледенение. Просто выхода нет: лучше быть залитым, чем сгореть или задохнуться. Сейчас, например, лифты отключены на сушку и диагностику. Вот как выходит: пожар влияет и на квартиры выше (дым, копоть) и на квартиры ниже (вода, дым в меньшей степени). Никто не погиб, к счастью. #life
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