TGINSIGHT SIMILAR POSTS
Source channel @olddriverGDstudy · Post #40 · Mar 17
秀哥语录: 开水烫鸡把，锻炼起来 123的兄弟，我给你们说个方法 蛮有效的，就是开水烫几把 你每天洗澡的时候，水温稍微调高一点点 比如平时40度，你就45 用淋浴头冲，冲龟头，每天冲个五分钟 正经点，靠，虽然开水烫几把名字不正经 但是真的有用 你快，是因为敏感，每天冲，可以降低敏感度 一边冲，一边两个指头按压捏，每天五分钟 养成习惯，慢慢就好了 到后期，你可以用毛巾，湿水 然后慢慢尝试那毛巾擦龟头，上下撸 什么时候毛巾擦龟头，你不抖了，就好了 慢慢来啊，过犹不及，慢慢锻炼，降低龟头敏感度 可以尝试下，多少有点用 另外就是心里调节了 不要老是想，不要在意长短 学会去享受，要自信，自我暗示，我是来爽的，不是来比赛的 心里 生理 双管齐下，从此告别123 #秀哥语录#语录
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