TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #818 · 12.05
Пока ждал одну книгу, прослушал совсем короткую "Этический инженер" Гарри Гаррисона (в других переводах "Специалист по этике"). Вообще, Гаррисона я когда-то начинал читать — "Крыса из нержавеющей стали" — но по каким-то причинам бросил, не помню. А тут вот вчитался (вслушался). По современным меркам сюжет избитый — человек из развитой цивилизации попадает в мир, едва дошедший до парового двигателя, и начинает там своими знаниями совершать революцию во всех смыслах. Но книга вышла в 1964 году, так что это скорее последующие авторы романов о попаданцах вдохновлялись ей, а не наоборот. Еще могу отметить, что повествование очень сжатое, без лишней воды, события идут плотно, поэтому даже при сравнительной простоте вполне цепляет и не даёт скучать. Задумался о том, что, если у школьной литературы была задача познакомить меня с, собственно, литературой, то эта задача в значительной мере провалена. Большая часть программы была сосредоточена на русской классике и практически полностью игнорировала как зарубежных авторов, так и — что самое обидное — другие жанры. Мне трудно представить, в каком восторге я был бы от вещей вроде "Этического инженера" в старшей школе. Я совершенно точно хотел бы узнать о существовании многих авторов, жанров и произведений еще в 14-18 лет, а не только сейчас, когда есть интернет, и когда я сам прикладываю много усилий к поиску книг. #fiction
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