TGINSIGHT SIMILAR POSTS
Source channel @ccmgimo · Post #310 · Nov 17
🎙 Ответы Посла по особым поручениям, Старшего должностного лица России в АТЭС К.М.Барского на вопросы МИА «Россия сегодня» 📅 18-19 ноября в Бангкоке состоится очередная встреча лидеров экономик-участниц форума «Азиатско-тихоокеанское экономическое сотрудничество» (#АТЭС). К сожалению, традиционно конструктивная работа в рамках АТЭС в этом году омрачена попытками США, Австралии, Канады, Новой Зеландии и Японии привнести в повестку дня Форума «украинский сюжет», а также возложить на Россию ответственность за неблагоприятное положение дел в мировой экономике. Терпеливо разъясняем партнерам, что рост цен на продовольствие и энергетические товары, как и в целом развитие инфляционных тенденций, наблюдаются уже несколько лет и объясняются: 👉 вызванными пандемией сбоями в глобальных и региональных стоимостных цепочках, 👉 безоглядной «накачкой» мировой экономики ликвидностью в рамках ультралиберальной кредитно-денежной политики эмитентов основных резервных валют. Россия является инициатором или активным участником реализации более чем 20 проектов АТЭС в таких сферах, как торговля и инвестиции, цифровая трансформация, устойчивое и инклюзивное развитие. Отмечаем взвешенную и конструктивную позицию таиландского председательства, которое Россия всецело поддерживает. Рассчитываем на успешное проведение саммита АТЭС и консенсусное одобрение лидерами его итоговых документов. Подробнее
Hashtags
Search: #mlm
@profcen · Post #383 · 08/16/2023, 09:03 AM
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 · 10/20/2025, 08:41 PM
⚡️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