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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #926 · 12.12

Была такая якутская геймдев-студия Fntastic. Выпустила несколько малоизвестных игр и 4 года назад взялась за масштабный проект: MMO в жанре зомби-апокалипсиса под названием The Day Before. Студия изредка выкидывала в сеть материалы по игре: трейлеры, скриншоты, посетила пару выставок, в целом снаружи выглядело как обычный геймдев-долгострой. И вот 7-го декабря игра вышла в ранний доступ. Формально ранний доступ позволяет предложить игрокам продукт в любой степени готовности: игроки покупают что-то вроде демо-версии фактически за полную сумму в обмен на обещания разработчиков, что проект будет на эти деньги доделан. Местами это очень даже хороший работающий механизм: моя любимая #Satisfactory уже несколько лет не вылезает из раннего доступа, и в ней куча проблем, при этом я с огромным удовольствием провёл в ней больше часов, чем в какой-либо другой игре вообще за всю историю моего гейминга. И обязательно вернусь (пока взял паузу из-за пресыщения). Так вот. The Day Before в раннем доступе оказалась не просто недоделанной, по ней стало очевидно, что требуется ещё много лет и очень много денег, чтобы привести её хотя бы приблизительно в удобоваримое состояние. А трейлеры и скриншоты были просто обманом. Собрав по меньшей мере несколько десятков тысяч продаж (стоимость игры составляла около 1300 рублей в России и чуть больше в Европе и США), студия Fntastic вчера объявила о закрытии из-за "финансового краха". Написали примерно следующее: "Этих денег нам хватит, чтобы отдать долги, но слишком мало, чтобы продолжить разработку, всем спасибо, расходимся". Никогда такого не было, чтобы кто-нибудь брал деньги вперёд и уходил с ними в закат! Большинство комментаторов в сети — и я к ним присоединяюсь — уверены, что это заведомо мошенническая схема. Разработчики увидели, что доделать игру у них не получается, попытались продать как можно больше и свернуть лавочку. С точки зрения закона сложно придраться — игроков никто покупать не заставлял, и о том, что игра в раннем доступе, все знали в момент покупки. Теоретически люди сами виноваты, что не почитали никаких обзоров от первых купивших, а поверили трейлерам и обещаниям. Но здесь я хочу сделать акцент на второй глобальной проблеме капитализма (первая это монополии): искусственное раздувание ценности. В теории рыночная экономика должна мотивировать бизнес делать что-то полезное, интересное и нужное человечеству. Сделал хорошо, у тебя это покупают, все в плюсе. На практике мы видим, что вполне работоспособной является следующая схема: вместо того, чтобы тратить ресурсы на создание ценности, можно тратить ресурсы на _убеждение_ людей в наличии ценности. Зачем делать хороший продукт за миллион долларов, если можно сделать его за сто тысяч, ещё пятьсот вложить в маркетинг и просто убедить людей в том, что он хороший? Ну или если вообще у тебя нет специалистов, способных сделать хороший продукт, если это долго и сложно. Рыночная экономика помогает процветать миллиону схем, работающих только на маркетинге и других способах воздействия на людей, безотносительно того, а есть ли вообще продукт. На рынке цифровых продуктов, особенно игр, это очень частая ситуация. Если вы думаете, что только ноунейм-якуты выпускают недоделку вместо обещанного, то ошибаетесь: в этом году вышла Starfield от одной из крупнейших мировых студий разработки, и там тоже разрыв между созданными маркетингом ожиданиями и реальностью огромный. #games

Резултати

Намерени 1 подобни публикации

Търсене: #roberta

当前筛选 #roberta清除筛选
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