TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1011 · 16.08

Видеоигры плохо коллекционируются. Цикл устаревания видеоигр очень своеобразный и отличается от практически всего остального: кино, книг, настолок, музыки. Во-первых, есть чисто технические проблемы: на современных устройствах старые игры не запустятся, так что вам нужно хранить, помимо самой игры, какую-нибудь древнюю приставку. И периферию к ней, потому что современный телевизор в теории тоже может отказаться работать с этим всем. И если, не дай бог, что-нибудь сломается, вы потеряете доступ вообще ко всей вашей коллекции. Я уже не говорю о том, что, в общем-то, держать придется десяток разных приставок и пару древних компьютеров. К этому добавляется тот факт, что игры вам придется покупать и хранить на дисках. А еще бывают игры, которые не являются многопользовательскими, но требуют перманентного соединения с интернетом и живых серверов разработчиков, такие коллекционировать можно только в пиратском виде. Во-вторых, есть эстетический момент. Бывают люди, которые спокойно смотрят на кубическую древнюю графику или даже наслаждаются ей, но таковы не все. Я вот обожаю Half-Life, однако всерьез играть в первую часть мне тяжеловато (к счастью есть Black Mesa Source). Практически во всех остальных жанрах искусства авторы почти не упирались в технологии своего времени, поэтому сейчас можно с полным удовольствием и читать книгу столетней давности, и смотреть старый фильм. Пожалуй, особняком стоит тут всякая фантастика: давайте честно, на бой световыми мечами в четвёртом эпизоде "Звёздных Войн" без слёз не взглянешь. Но всё равно это игровое кино, 80% времени которого занимают симпатичные актёры и прекрасно смоделированные декорации. С играми хуже — авторы первой "Лары Крофт" сделали бы круглые... эээ головы персонажей, если бы могли. С настолками в этом плане куда приятнее. Коробка содержит в себе все компоненты и правила. Ей не нужен интернет или другие источники данных. Ей не нужна периферия для работы. Через 20-30-50 лет я открою коробку, в ней всё ещё будет всё необходимое для игры, графика всё ещё останется такой же красивой. Даже если издатель за это время обанкротится, настолка — вещь в себе. Пожалуй, есть только один по-настоящему серьёзный недостаток против видеоигр — для партии в настолку нужны другие люди. #games

Hashtags

Резултати

Намерени 3 подобни публикации

Търсене: #retrieval

当前筛选 #retrieval清除筛选
GitHub Trends

@githubtrending · Post #15265 · 03.11.2025 г., 12:00

#python#ai#llm#rag#reasoning#retrieval PageIndex is an advanced AI tool that helps you find the most relevant information in long professional documents by thinking and reasoning like a human expert, rather than just matching keywords. It organizes documents into a clear tree structure, similar to a table of contents, and searches through this structure to give precise, trustworthy answers with exact page references. This method avoids the common problems of traditional vector-based search, making it ideal for complex reports, legal texts, or financial filings. You can use it easily via cloud services or run it locally, improving your ability to analyze and understand large documents quickly and accurately. https://github.com/VectifyAI/PageIndex

Machinelearning

@ai_machinelearning_big_data · Post #8801 · 17.10.2025 г., 10:13

⚡️ Omni-Embed-Nemotron - новая единая модель от NVIDIA для поиска по тексту, изображениям, аудио и видео Модель обучена на разнообразных мультимодальных данных и может объединять разные типы входных сигналов в общее векторное представление. - Поддержка всех типов данных: текст, изображение, аудио, видео. - Основана на архитектуре Qwen Omni (Thinker-модуль, без генерации текста). - Контекст - до 32 768 токенов, размер embedding — 2048. - Оптимизирована под GPU, поддерживает FlashAttention 2. Это делает её идеальной для: - кросс-модального поиска (поиск текста по видео или изображению); - улучшения RAG-проектов; - систем мультимодального понимания контента. Просто, быстро и эффективно - всё в одном открытом решении. 🌐 Открытая модель: https://huggingface.co/nvidia/omni-embed-nemotron-3b @ai_machinelearning_big_data #crossmodal#retrieval#openAI#NVIDIA#OmniEmbed#multimodal#AIModels#OpenSource#Search#UnifiedEmbedding