TGINSIGHT SIMILAR POSTS
Source channel @olddriverGDstudy · Post #14 · Mar 17
由于前段时间群里发生了买资源之间的掐架事件，记录一些话。 无忌说： 无论有些伙计是卖资源还是什么， 车队也管不着 反正车队的资源是免费获取的 不过，就算是卖资源 不要护逼， 不要为了那所谓的标签故意推不靠谱的资源， 还不允许别人反映， 就算卖资源，也要卖靠谱的资源， 不靠谱的资源给别人卖了别人会寒心， 赚那几十块钱倒了牌子有意思吗？ 做人做事都要凭良心， 不要纠缠什么利益， 单纯的做一个修车人， 不快乐吗？ 彩虹（少妇小专家）说： 修车就是修车 你以为你是柳永？ 你以为你是李白？ 公益大队 我们要的是什么 我们要的是性爱的欢愉？ 我们要的灵魂的交流？ 我们要的是水乳交融的感受？ 我们要的是洒脱感？ 都错了 我们要的是整片森林 我们要的是广阔天地 我们要的是雄鹰展翅在这片土地上空 我们用几辆碎银要的是什么 女人 御姐 嫩妹 淑女 熟女 环肥燕瘦 各有各的滋味 各有各的感觉 各有各的微笑 各有各的呻吟 各有各的美好 各有各的回忆 要的是什么 问问你自己 爱情 肉体 灵魂 是统一的吗 是矛盾的吗 是对立而统一的吗 是螺旋前进的吗 曾经志在四方的我们 甘心被推广 被卖资源 被鸡头 被黑车 左右自己的情感吗 影响自己的勇气吗 不 大队 要的是杀伐的乐趣 要的是勇做先锋的勇气 要的是山无棱才敢与君绝的决心 要的是踏破铁鞋无觅处，得来全不费功夫的洒脱 要的是待从头，收拾旧山河的豪迈 要的是怒发冲冠，凭栏处，潇潇雨歇的悲壮 要的是手接飞猱搏雕虎，侧足焦原未言苦的勇气 悲痛啊 可悲啊 大队狂客落魄尚如此啊 愿我们风云感会起屠钓吧 要继承先人的意志啊 要有原则啊 幼女 未成年 龙女 都不能去搞 加油吧，各位 （彩虹（少妇小专家）是无锡车队的管理，无忌的朋友，纯粹的出击者） 作者：无忌 标签：#原创，#杂谈
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