TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #849 · 26.07
Робот для мойки окон. Сейчас не так уж и редко встретишь обсуждение роботов-пылесосов. Тема более менее проникает в быт, не только гики и фанаты гаджетов завели себе таких зверей. А вот роботы для мойки окон — пока ещё диковинка. Мои родители пару лет назад поставили панорамные окна, и я им такого подарил. А теперь вот взял сам попользоваться, впервые в жизни. Он очень забавно ползает по стеклу. В целом, впечатления такие же, как от пылесоса: старательный человек уберет/помоет заметно лучше, но в выборе между "робот сделает средненько прямо сейчас" и "человек сделает хорошо, но никогда" побеждает первое. Да, окна мыть, это вам не квартиру убирать. Уборку обычно делают раз в неделю, а окна хорошо если раз в полгода. Казалось бы: "Ну раз в полгода то и самому не лень помыть!" Но, во-первых, всё-таки лень (точнее, некогда из-за работы и более приоритетных дел). А, во-вторых, у мойщика есть важное свойство, которого нет у пылесоса — повышение уровня вашей безопасности. В обычных условиях нужно вставать на подоконник или как-то свешиваться, даже при использовании длинной швабры. Есть хитрые механизмы на магнитах или со специальной ручной для безопасной мойки, но это всё равно требует орудовать в сравнительно опасных условиях. Робот же требует просто поставить его снаружи на край окна, а потом забрать с этого же края. #gadgets
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