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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1040 · 16.11

Алексей Калугин, «Там». Встречается название «Город крыс». Когда я слушал эту книгу, постоянно хотел бросить. Недаром она так похожа на «Град обречённый», который мне совсем не понравился. И уж точно не собирался писать о ней пост. Но прошло время, и я понял, что произведение оставило очень интересное послевкусие. Бывает, читаешь книгу взахлёб, а через месяц уже не помнишь, о чём она была. Тут же совсем наоборот: я прям еле-еле сквозь неё продирался, но через несколько месяцев всё ещё переживаю в уме сюжет и обдумываю идеи автора. Описан замкнутый со всех сторон город с абсолютно идентичными кварталами и домами. Всё под управлением ИИ. За все нужды людей отвечают роботы и компьютеры, да так, что человеку не нужно даже покидать своё жилище. Собственно, никто и не покидает. Общаются через подобие виртуальной реальности, еда доставляется автоматически. У одного из персонажей есть жена, но тему отношений, семьи и продолжения рода автор не раскрыл. Главный герой внезапно становится озадачен такой жизнью и начинает исследовать. Даже просто покинуть жильё — очень тяжёлый шаг, к которому он специально готовится. Сначала делает небольшую вылазку, потом побольше, потом с трудом вытаскивает из дома своего друга. Улицы пусты, хотя в городе есть робо-такси, робо-кафе, и вообще куча всякой инфраструктуры для людей. Атмосфера очень гнетущая, и детально описывается, как герой её изучает. С ИИ (который тут называется Инфор) можно общаться только косвенно, хотя обычные сервисные роботы без проблем поддерживают диалог, но толком ничего не знают. Кстати, присутствие роботов иногда доходит до абсурда: например, роботы-швейцары в каждом доме имеют по одной руке, которая намертво соединена с дверью, и вся их функция состоит в том, чтобы эту дверь открывать. В городе, где никто не выходит из домов, да. Надо сказать, что ответы на вопросы автор даёт скорее философские, чем материальные. С моей точки зрения это минус, один из главных, из-за которых я книгу рекомендовать не хотел. Но, уверен, есть люди, которым очень зайдёт. Вообще, всё произведение в некотором роде о смысле жизни. О том, что делает жизнь интересной и имеющей какую-то ценность, в том числе для нас самих. Общество, где людям доступно всё, кроме цели, выглядит совершенно удручающе. Концовка открытая, и опять же, лично я такое сильно не люблю. Пробежался по названиям и обложкам других книг Алексея Калугина — создалось впечатление, что сейчас он просто клепает всякий масс-маркет ради денег. Моя гипотеза такая: «Там» это такой творческий порыв автора. Не идеальный, с косяками, полу-артхаусный и, видимо, плохо продавшийся, но всё-таки оригинальный и поднимающий какие-то внутренние идеи из глубины души, а потому и оставляющий след. #fiction

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