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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1045 · 5.12

Я веду блог одновременно в ВК и в Телеграме, и всегда для набора текста открывал именно ВК. Потому что в Телеграме набирать длинный текст очень неудобно, даже в десктопной версии. О мобильной вообще не говорим. Причина в фиксированной (и небольшой) высоте поля ввода в Телеге, которое в ВК расширялось. А вот вам свежий апдейт от ВК. На декстопе! Блок для картинки занимает 80% площади этой модалки, а текстовая подпись где-то там стыдливо прячется внизу. При наборе длинного текста, к счастью, скроллится содержимое модалки целиком, а не только поле под дроп-зоной, и это всё ещё удобнее Телеги, но уже максимально не тексто-ориентировано. Я не первый год пишу, что интернет планомерно убивает тексты, и вот очередная веха этого процесса. Иронично, что сегодня обсуждали случай, когда человек либеральных взглядов лайкнул в инсте не слишком либеральный текст, а потом оказалось, что лайкал он картинку, и о наличии под ней текста особо не подумал. Потому что да, UI/UX инсты он вообще не про тексты, и попытка отдельных людей, охочих до дешёвой (во всех смыслах) аудитории, вести там текстовые блоги выглядит, как забивание гвоздей микроскопом. Тем не менее, всё ещё не хочу переходить на какой-нибудь видео-формат. Хорошее видео это дорого, плохое не хочется. Вертикальное тем более не хочется. #web

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #unifiedembedding

当前筛选 #unifiedembedding清除筛选
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