TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #912 · 19.11

И ведь верно, если подумать, мы уже находимся в смешанной реальности. Вот эти все люди с топовыми айфонами, живущие в облезлых стенах, или водители, паркующие Теслу с автопилотом в луже посреди двора. Люди получают зарплату на карту с помощью высокотехнологичной электроники, а затем стоят в огромной очереди к банкомату, чтобы снять бумажки. Мы летаем в космос и лечим вирусные заболевания, но экстрасенсы и инфоцыгане купаются в деньгах, не зная отбоя в клиентах. И не надо думать, что так только в России. В Сан-Франциско бомжи ночуют под пятиполосным шоссе для спорткаров. В Берлине 15 лет назад уже были крутые сквозные поезда метро, по которым, однако, ходили люди-контролёры и проверяли наличие бумажного проездного. Я помню свой первый день в Тайланде: купил в аэропорту симку с мобильным интернетом. Интернет офигенного качества, скорость и покрытие в разы лучше, чем в Европе. Но затем я вышел на улицу и увидел опоры ЛЭП, провода на которых, судя по их виду, монтировал пьяный инвалид — настолько убого, небезопасно и неаккуратно это было сделано (поищите в картинках "провода в Тайланде", поймёте, если не видели). Так что с точки зрения сеттинга "Кибердеревня" это просто русский "Трансметрополитен" — технологии пришли, а разруха много где осталась: как в головах, так и в клозетах. Сериал, кстати, с лёгкостью в одном кадре критикует произвол полиции, а в соседнем продактплейсит вполне государственную СБП. Можно поблагодарить авторов за то, что им удалось не скатиться ни в клюквенную критику России и всего русского, ни в ватную пропаганду. Это просто отражение реальности, в которой есть хорошие вещи, которые нужно хвалить, и плохие, которые нужно ругать. Ну, и вишенкой на торте идут пасхалки, шутки, приколы, мелочи в кадре. Местами они слишком буквальные, местами хочется ставить на паузу, чтобы рассмотреть кадр. Причём, картина в равной степени регулярно отсылается как к советской киноклассике, так и к современным видеоиграм и фантастике. И это любопытно, потому что уловить все такие пасхалки может очень небольшая прослойка людей: наши с вами родители не поймут подмигивания в сторону "Дюны" и "Бегущего По Лезвию 2049", а наши с вами дети не оценят копии сценок из "Белое Солнце Пустыни" и "Любовь и Голуби". Именно поэтому, кажется, будто бы сериал не для всех, и авторы невольно сделали целевую аудиторию довольно узкой. Впрочем, вполне может быть, что верно обратное: детям понравится хайтек, голограммы и роботы, а старшее поколение поностальгирует по былым временам. #fiction

Hashtags

Резултати

Намерени 2 подобни публикации

Търсене: #mlm

当前筛选 #mlm清除筛选
Профцентр

@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

Machinelearning

@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