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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #974 · 22.04

С большим трудом дослушал "Град Обречённый" Стругацких. Это, пожалуй, книга, которая доставила мне наименьшее удовольствие за посление 10 лет. Хотя завязка очень интересная: людей случайно выдёргивают из своего времени где-то в середине 20-го века и помещают в искусственно построенный город, ограниченный стеной бесконечной высоты с одной стороны и пропастью бесконечной глубины с другой, чтобы они участвовали в Эксперименте, суть которого так и не раскрывается. Важно, что участие добровольное, но зачастую людей выдёргивают из каких-то безвыходных ситуаций: из плена, перед казнью итд. Люди в Городе в целом предоставлены сами себе, но обязаны менять профессию раз в 3 месяца. Новую профессию каждому определяет некая машина неизвестным образом. Еще периодически на город сваливаются странные бедствия: например, нашествие обезьян. Так вот, лично я ожидал от этого произведения какой-то полудетективной социальной фантастики с закрученным сюжетом и неожиданной развязкой, а получил... плохо скрываемые жалобы авторов на устройство советского общества и вообще мира вокруг. Практически все персонажи в книге тем или иным образом отвратительны, порочны и лишены причин для сопереживания им. А описываемые события быстро скатываются в непробиваемый мрачняк без выводов. Причем, это всё еще и крайне уныло читать (или слушать). Во-первых, многие вещи близки только человеку определённой эпохи, пережившему определённые события. Во-вторых, авторы очень сильно затягивают некоторые сцены (например, застолья), по-видимому, чтобы увеличить отвращение читателя к персонажам и к человечеству в целом. В-третьих, что я просто ненавижу в литературе: авторы без плавного перехода меняют реалистичные сцены на сюрреалистичные. Мне тупо пришлось гуглить краткие описания некоторых отрывков, чтобы вообще понять, о чем была речь. Представьте, если бы какой-нибудь Раскольников вышел на улицу и увидел бы там вместо людей говорящие бананы, но при этом повествование продолжилось бы так, будто всё в порядке. И тебе, как читателю, приходится ломать голову над тем, что это за бананы: это героя глючит? Или слишком заковыристая метафора? А может я случайно пропустил пару страниц с объяснением? В общем, я догадываюсь, что советское общество не оправдало некоторые надежды в глазах Аркадия и Бориса, чем, видимо, глубоко их травмировало. В поздних интервью Борис Натанович вообще топил за капитализм по европейскому образцу, при этом в соседнем ответе непоследовательно ругая общество потребления. Но, пожалуй, хочу оставить в своей памяти тех Стругацких, которые написали Полдень. #fiction

Hashtags

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