TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #673 · 29.11
Сейчас идёт международное голосование The Game Awards 2022 за игру года. И там видно, что год довольно скудный: если присутствие в топе Elden Ring ещё можно понять, то, например, Stray в топ-4 это странно. Не поймите меня неправильно, Stray — отличная игра, и я прошёл её с удовольствием. Но ни её масштаб, ни качество реализации, ни уникальность механик не тянут на какой-то абсолютный топ лучших игр за год. Наличие же там очередной версии Майнкрафта и мультяшного платформера Sonic Frontiers говорит само за себя. Вообще, игровая индустрия сейчас переживает упадок из-за двух больших процессов, связанных с деньгами. Во-первых, идёт смещение от, условно, "умных" жанров к "глупым". Вместо сюжетных игр делают сессионки. Полностью умирает жанр RTS. Интересные механики и сложные повествования всё чаще встречаются только где-нибудь в инди. Просто потому, что простейшую (с точки зрения когнитивной нагрузки) стрелялку можно продать существенно бОльшим тиражом, чем стратегию. Когда-то игры были уделом небольшой кучки гиков, среди которых много всяких интеллектуалов и любителей порешать задачки. Но сейчас это массовое развлечение-жвачка. Выгодно делать то, что купит больше людей. Во-вторых, активная монополизация рынка: крупные компании очень агрессивно скупают компании поменьше. А где не могут поглотить, там подписывают соглашения о слиянии. Крупные компании так залиты деньгами из-за успешных продаж массовой жвачки, что самое эффективное применением этим деньгам — купить всех конкурентов. Так "выиграть" конкуренцию проще, чем рискуя на эти же деньги разрабатывать продукт, который ещё может провалиться. А если конкуренты куплены, то конкуренции нет, а, значит, нет разнообразия. Поэтому среди дорогих и высокобюджетных проектов выходит мало интересного и много однообразно-привычного типа батлфилдов и колофдьютей каждый год. На этом фоне и очень простенький Stray это яркое явление, и казуальный платформер не выглядит чем-то плохим, и даже инди-рогалику Cult Of The Lamb хватило просто быть адекватно нарисованным, а не очередным пиксельартом (механики у многих инди хорошие, а в топы они не попадают, на мой взгляд, как раз из-за графики и бюджетного продакшена). #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