TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #762 · 17.02
Я просто не могу понять, на мой взгляд ВК систематически продолжает принимать максимально плохие продуктовые решения. С моей точки зрения это выглядит, будто бы какая-то компания выпускает ложку с дырой посередине, и дыру всё увеличивают. В мою картину мира просто не укладывается: какая аудитория и при каких условиях может использовать ложку с дырой посередине. ВК выпустили обновление ленты рекомендаций "Для вас", и это и по интерфейсу и по контенту просто максимально плохо. Причем, если почитать комментарии под этой новостью вообще где угодно, то люди точно так же, как я, массово офигевают. Я знаю, что мои вкусы не универсальны, и что я не владею всей информацией. Меня бесит Инстаграм, но я понимаю причины его популярности. Меня бесит ТикТок, и вообще истерия современного интернета по поводу коротких вертикальных видео — их пихают абсолютно везде, даже там, где они не пришей кобыле хвост — но и такое явление не выходит совсем уж за пределы моего представления об устройстве мира. Даже люди, которые всерьёз используют Фейсбук, находятся где-то на границе понимания для меня. Но какой продуктовый менеджер и для какой именно аудитории может выкатить стену неструктурированного визуального мусора, нарушающую даже самые банальные UI/UX-принципы, и усиливающую недостатки и без того отвратительно работающей системы рекомендаций? Обрезанные мемы, фотографии случайных предметов без важного контекста, максимально тупые клипы для имбецилов (да, слева вверху мужик с женскими трусами на голове), ещё и с автовоспроизведением. И это всё двухмерной простынёй в интерфейсе, который во всех остальных местах используют для быстрого визуального поиска чего-то заранее известного, чтобы специально ни на чём не фокусировать взгляд и не задерживать внимание. Я не понимаю, как и зачем это делается. Почему никто из сотрудников ВК не рассказывает своим внутри о том, что этот экран вызывает только желание немедленно его закрыть и больше никогда не видеть? Почему никто из сотрудников ВК не читает комментарии людей под новостями о нововведениях? Я знаю, что хейтить ВК это уже пошлятина. Но найдите мне одного человека, которому правда нравится, и пусть он мне объяснит свой взгляд на вещи. Потому что я не могу отойти от шока: какая-то важная часть понимания мира ускользает от меня. #web
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