TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #992 · 2.07
Деннис Тейлор, «Небесная Река». Мне прям несколько человек написали, что читают книги по моим рекомендациям, и им нравится. Очень рад, что эта часть моего бложека оказывается полезной. В числе прочего читатели положительно отзывались о «Вселенной Бобов». Некоторое время назад на русском вышла четвёртая книга — «Небесная Река». По краткому описанию кажется, будто бы это какой-то спин-офф, но на самом деле нет. Это буквально прямое продолжение, которое начинается после событий третьей части, с теми же героями, но чуть-чуть новой проблематикой. Напомню, что это серия романов о том, как разум главного героя в будущем загрузили в космический зонд и дали ему способность создавать из материи любые конструкции, в том числе свои копии. Вроде бы ничего принципиально нового. Как и предыдущие части, книга скорее развлекательная, чем заставляющая о чём-то серьёзно задумываться. Тем не менее, прочитал с большим удовольствием. События вполне себе захватывают, и повествование стало менее «рваным» — вместо десятков параллельных историй мы получили две, которые в конце сходятся. Глубже затронута проблема согласия внутри общества клонированных разумов. У автора есть понятие «репликативный дрейф», которое отвечает за то, что копии Изначального Боба приобретают какие-то изменённые черты. И чем дальше идёт цепочка копирований, тем больше расхождение. В какой-то момент расхождение становится так велико, что вызывает очень серьёзные конфликты. Ещё мне понравилась попытка вписать в этот концепт идею души и уникальности сознания. В остальном, узнал, например, новую мегаструктуру, о которой раньше не слышал. О Сфере Дайсона и Кольце Нивена слышал (Нивена даже читал, и вам рекомендовал). О Диске Алдерсона тоже знаю. А тут у автора Топополис (Topopolis) — спирально-циллиндрическая конструкция вокруг звезды. Короче, хороший развлекательно-приключенческий сай-фай с гиковыми отсылками. Если зашли предыдущие книги, то и эта зайдёт. #fiction
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