TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #938 · 6.01
Поиграли, наконец, в Гегемонию — это такая асимметричная настольная политико-экономическая стратегия. Асимметрия проявляется в том, что разные игроки играют за разные фракции: рабочий класс, средний класс, капиталисты, государство. При этом возможные действия у всех разные: например, рабочий класс может наниматься на работу к капиталистам, а может, скажем, устраивать забастовки и блокировать производство. Капиталисты при этом могут строить предприятия, лоббировать разные политические курсы и так далее. Кстати, политика и система голосования в игре мне очень понравилась: от неё много зависит, и на неё можно и нужно влиять. Условия победы тоже разные: одним важно преумножить капитал, другим иметь блага вроде медицины и образования, для государства целью является легитимность и так далее. Пока что по первым впечатлениям кажется, что мы только сверху поскребли присутствующую в настолке глубину. По крайней мере, зависимость между действиями разных игроков довольно высока — сильно выше, чем обычно в стратегических играх. И ещё меня порадовало, как работает симуляция: капиталисты хотят платить мало налогов, рабочие хотят высокие зарплаты, в итоге государство оказывается банкротом, и может рухнуть вообще вся экономика. В этой игре твои интересы с одной стороны противоречат интересам остальных, а с другой стороны вы все друг другу помогаете и вообще существуете в рамках одной системы. Но и недостатки тоже есть: во-первых, правила очень сложны и тяжеловесны. Я читал их два дня, и всё равно мы постоянно в них смотрели. Во-вторых, средний класс это просто смешение рабочего класса и капиталистов, почти никаких уникальных механик у него нет. В-третьих, кажется, что эффективная стратегия за каждый класс единственная, но это не точно, нужно больше партий. Надеюсь, удастся ещё в этом году собрать людей на такую масштабную настолку. #games
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