А как сейчас ставка влияет на обслуживание долга? Если компания взяла в долг под 10%, а потом ставку поднимают до 20, то платить-то они будут все равно 10
Да, вот мне тоже понравилось, что они еще анализируют такую статистику. 20% лайфтайм, это 200/40 = 5 покупок, причем «большинство из США». Это 3 или 4?
Так же криво будет, как в инсте? Там настоящие фотографии на DSLR с обработкой в фш (без генеративных инструментов) помечает как Created with AI, а генерации какой-нибудь SD - нет.
Файнтюн предобученного resnet/mobilenet. Достаточно, чтобы сделать тестовое задание и устроиться на работу, где будет доступ к чему-то посерьезнее (моя история успеха)
Я видел лишь выставочный образец в торговом центре, и почему-то каждый подходил к нему и стучал по корпусу. Не знаю, может проверяли пуленепробиваемость, или ожидали услышать звук железной бочки, но следы от прикосновений были повсюду. Выглядело ужасно.
Из неочевидных минусов - на ее корпусе очень видны жировые отпечатки пальцев. Я даже на смартфонах настолько залапанного экрана не видел, как корпус кибертрака.
Как я понял, это обычный Adversarial Attack. Проблема таких атак в том, что они работают только на уже обученную сеть, которую тренировались отравлять. Да, они показывают, что обучить на этих данных не получится, но тут нет противоречия: в обучении диффузионок используются предобученные энкодеры типа CLIP для определения соответствия промпта картинке, плюс предобученный VAE для сжатия изображения в латентное пространство. Атака, по сути, идет на них. Если учить какую-то архитектуру полностью с нуля, то она этого отравления даже не заметит.
Плюс, очень легко чистить датасет от таких сэмплов - достаточно скачать утилиту, "отравить" свои картинки и обучить классификатор на парах до/после отравления. Чистить датасеты от таких образцов очень легко.
Так в кино те лампы, что видны зрителю, никогда не являются ключевыми источниками освещения. Все осветительные приборы находятся за кадром и перебивают даже дневной свет. Все искусство в том, чтобы сделать этот свет естественным и незаметным.
Если у них разница в 1 очко, а погрешность +-8, то это не обошла. Там даже в чарте они одно место делят.
И немного странно выглядит, что за всех одинаковое число голосов.
Так, а новость в чем?
А как сейчас ставка влияет на обслуживание долга? Если компания взяла в долг под 10%, а потом ставку поднимают до 20, то платить-то они будут все равно 10
ммм, с чего бы еще оскорбиться? может быть с рецептов?
Да, вот мне тоже понравилось, что они еще анализируют такую статистику. 20% лайфтайм, это 200/40 = 5 покупок, причем «большинство из США». Это 3 или 4?
Так не разбился, а просто потеряли. Он летал, просто никто не знал где - радарами найти не смогли…
Так же криво будет, как в инсте? Там настоящие фотографии на DSLR с обработкой в фш (без генеративных инструментов) помечает как Created with AI, а генерации какой-нибудь SD - нет.
Бедный Ланцош, что только с его фамилией не делали
Файнтюн предобученного resnet/mobilenet. Достаточно, чтобы сделать тестовое задание и устроиться на работу, где будет доступ к чему-то посерьезнее (моя история успеха)
А мне Painkiller. Тоже не комплимент.
Судя по P70 Ultra и iPhone 15, которые сейчас передо мной лежат - не очень отстают. И это 7нм.
Это рендер, насколько с телефона могу судить
А как выяснилось-то? Из статьи чет не понял, по ссылке подписку хочет
Windows 10 теперь переводится как «десять вирусов»?)
Честно говоря, уже и сейчас трудно найти что-то в гугле, потому что выдача забита мусором «коммерческих партнеров» и всякими сео-оптимизациями
Я видел лишь выставочный образец в торговом центре, и почему-то каждый подходил к нему и стучал по корпусу. Не знаю, может проверяли пуленепробиваемость, или ожидали услышать звук железной бочки, но следы от прикосновений были повсюду. Выглядело ужасно.
Из неочевидных минусов - на ее корпусе очень видны жировые отпечатки пальцев. Я даже на смартфонах настолько залапанного экрана не видел, как корпус кибертрака.
Как я понял, это обычный Adversarial Attack. Проблема таких атак в том, что они работают только на уже обученную сеть, которую тренировались отравлять. Да, они показывают, что обучить на этих данных не получится, но тут нет противоречия: в обучении диффузионок используются предобученные энкодеры типа CLIP для определения соответствия промпта картинке, плюс предобученный VAE для сжатия изображения в латентное пространство. Атака, по сути, идет на них. Если учить какую-то архитектуру полностью с нуля, то она этого отравления даже не заметит.
Плюс, очень легко чистить датасет от таких сэмплов - достаточно скачать утилиту, "отравить" свои картинки и обучить классификатор на парах до/после отравления. Чистить датасеты от таких образцов очень легко.
Так в кино те лампы, что видны зрителю, никогда не являются ключевыми источниками освещения. Все осветительные приборы находятся за кадром и перебивают даже дневной свет. Все искусство в том, чтобы сделать этот свет естественным и незаметным.
Чтобы пламя не было белым достаточно просто сделать остальной свет ярче