TGINSIGHT SIMILAR POSTS
Chaîne source @OnePlusGuide · Post #2452 · 26 avr.
~ WEEKLY UPDATE 332 ~ #OP#WEEKLY Iniziamo con la nuova rubrica! Nella Community sta ritornando la pace, ma le novità non si fermano! • La guerra tra i tipi di fotocamera frontale continua. Il team OnePlus ha realizzato un articolo analizzando i pro e i contro di ogni sistema adottato. Lo trovate qui • Nuove raffles! Potete vincere una borraccia OnePlus o una t-shirt. Qui trovate più informazioni • Le recensioni del programma The Lab sono fantastiche, forse la migliore edizione di sempre. Si possono vedere tutte qui • Dal debutto del 5 marzo, il programma IDEAS ha ricevuto un sacco di idee per migliorare OxygenOS! Potete ancora inviare i vostri suggerimenti entro il 30 aprile qui! • Il programma Open Beta è terminato per OnePlus 6 e 6T. Per assicurare un supporto continuo, è consigliato tornare al ramo stabile. Più dettagli qui. Le Beta 12 per OnePlus 7 e 7 Pro sono state ritirate a causa di problemi. É in corso l'analisi dei problemi per riprendere il rollout al più presto • Novità per OnePlus 5 e 5T! Tra pochi giorni sarà svelato un regalo per chi ancora usa questi telefoni (e sappiamo tutti di cosa si tratta). Restate sintonizzati su OnePlus Guide! • Un utente della community sta facendo un contest per regalare il suo "dbrand grip case con la black dragon skin" per OnePlus 7 Pro! Se vi interessa, date un'occhiata qui • Per i gamers, Fortinte è finalmente arrivato sul Play Store. Al riguardo è stata aperta una discussione ufficiale qui Pierre
Recherche : #mlm
@profcen · Post #383 · 16/08/2023 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 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