Намери подобно съдържание

Изходен канал @clockstackwheels · Post #968 · 28.03

Стругацкие, «Волны гасят ветер». Книга оформлена в виде как бы отчётов о расследовании, хотя и здесь авторы дали себе вольность и с самого начала обосновали, почему эти отчёты составлены художественным языком. Вообще, мне очень нравится идея прогрессорства. «Прогрессор» — это представитель высокоразвитой цивилизации, который тайно и, хм, насильственно влияет на ход истории более примитивной цивилизации, чтобы направить её на истинный путь. Тайно — чтобы не шокировать неокрепшие умы «неандертальцев». Насильственно — потому что примитивная цивилизация не осознаёт своего счастья и сопротивляется добру. Эта идея мне нравится своей реалистичностью. Если мы посмотрим какой-нибудь «Стартрек», то там много пафоса о том, что, дескать, люди будущего ни в коем случае не должны вмешиваться в недоразвитые устои условных средневековых обществ с других планет. Вокруг этой идеи сосредоточено очень много драмы: бабуины захватили в плен твоего коллегу-звездолётчика, и ты вроде бы можешь их всех раскидать с помощью бластера, но не должен этого делать, и вот какое сложное решение, как же быть... Выглядит, как наигранная беззубость и малодушие, прикрытые идеалистическим гуманизмом (который не работает). Всем понятно, что в реальности от бабуинов не осталось бы мокрого места по праву сильного, а может и другим бабуинам тоже досталось бы в качестве урока. Так что у Стругацких даже очень просветлённые и живущие в коммунистическом раю представители человечества с лёгкостью используют свои технологии, чтобы перекраивать и навязывать. Но когда что-то подобное вроде бы начинают делать уже с самими Землянами, поднимается паника (среди тех, кому об этом известно). Там даже есть такие рассуждения: боимся не того, что ещё более сильная цивилизация причинит нам зло, а того, что она причинит нам добро так, как сама это понимает. Концовка, конечно, переворачивает всё с ног на голову, и я бы сказал, что фантазия авторов в этом месте пошла слишком уж далеко. Ну, а к чувству незавершённости после каждого романа Стругацких я уже потихоньку привык. В целом интересно и как часть трилогии, и даже как вполне самостоятельное произведение, хотя с миром всё равно полезно быть знакомому, чтобы лучше понимать происходящее. #fiction

Hashtags

#fiction

Резултати

Намерени 1 подобни публикации

Търсене: #bfl

当前筛选 #bfl清除筛选

Machinelearning

@ai_machinelearning_big_data · Post #9625 · 05.03.2026 г., 13:26

Намери подобни Прегледай

🌟Self-Flow: обучение диффузионных моделей без внешних энкодеров от Black Forest Labs. Black Forest Labs и MIT решили проблему, с которой сталкиваются диффузионные и flow-модели: чтобы генерировать качественные картинки, им нужны сильные семантические представления. Обычно их берут снаружи - выравнивают внутренние признаки модели с признаками энкодера вроде DINOv2. Метод работает, но есть нюанс. Чем сильнее энкодер, тем хуже результат: в экспериментах замена DINOv2-B на более мощный DINOv3-H+ стойко ухудшала FID. Модель привязывалась к фиксированным внешним представлениям и переставала масштабироваться. На видео и аудио выравнивание с энкодерами V-JEPA2 и MERT вообще давало результат хуже ванильного flow matching. 🟡Self-Flow предлагает механизм Dual-Timestep Scheduling В стандартном flow matching все токены нойзятся одинаково, поэтому модель решает задачу локально и не учится строить глобальные связи. Self-Flow сэмплирует 2 разных уровня шума и случайно назначает их разным токенам (часть входа зашумлена сильнее, часть чище). Это создает асимметрию: чтобы восстановить сильно зашумленные токены, модель вынуждена опираться на чистые и строить глобальный контекст. Поверх этого работает самообучение по принципу дистилляции. Обучаются одновременно 2 копии модели: модель-ученик видит смешанный зашумленный вход, модель-учитель - более чистую версию (EMA-копия с экспоненциальным скользящим средним). Ученик учится предсказывать признаки учителя из зашумленного входа, и это вынуждает его развивать сильные семантические представления без какого-либо внешнего энкодера. 🟡Результаты тестов 🟢На ImageNet 256×256 Self-Flow показал FID 5.70 против 5.89 у REPA; Это, кстати, первый случай, когда self-supervised метод превзошел внешнее выравнивание на этом бенче 🟢На text-to-image: FID 3.61 против 3.92 у REPA; 🟢По видео: FVD 47.81 против 49.75 у REPA; 🟢По аудио: лучшие FAD-оценки среди всех вариантов. При этом на масштабировании (с 290M до 1B) разрыв с REPA увеличивается: модель Self-Flow на 625M параметров обходит REPA на 1B. Метод универсален для модальностей - он работает одинаково на картинках, видео и аудио, что намекает на применение для мультимодального обучения. В репозитории проекта есть код инференса на основе SiT-XL/2 с per-token timestep conditioning, чекпоинт на основе ImageNet 256×256 и скрипты для генерации сэмплов под FID-оценку через ADM evaluation suite. Поддерживаются режимы SDE и ODE, мульти-GPU через torchrun. 🟡Статья 🟡Техотчет 🖥GitHub @ai_machinelearning_big_data #AI#ML#Multimodal#Framework#BFL

Hashtags

#ai #ml #multimodal #framework #bfl