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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1064 · 17.01

Навскидку, все видеоблогеры, на кого я подписан, поделились сейчас на три группы. 1. Те, кто просто стал заливать свои ролики сразу на ютуб, в ВК, иногда ещё в Дзен и на пару других площадок. День в день, ролики дублируются, аудитория выбирает, где смотреть. Левша, Розеткед, Антонов, Гикмедиа, Вилса, АлексГайвер итд. Кажется, бОльшая часть поступила именно так, хорошая стратегия без ущерба для аудитории. 2. Те, кого ВК, по-видимому, пригласил к себе эксклюзивом на каких-то условиях, и/или кого забанил ютуб. Они либо не выкладывают на ютуб вовсе, либо выкладывают с умышленным опозданием, а часть эксклюзивов оставляют в ВК: Лебедев, Крастер, Пушной. Видимо, на покупку Вилсы у ВК просто не хватило денег. 3. Ну и самая любопытная категория: те, кто саботирует ВК и либо не выкладывает там совсем, либо постит со специальной задержкой относительно ютуба. Имена перечислять не буду, потому что среди тех, кого я смотрю, этому эффекту подвержены ТОЛЬКО очень маленькие начинающие блоги (не все). Больших игроков с таким поведением я не припомню, но я уже давно отписался, например, от всех либералов, поэтому не знаю, как там. Постят ли какие-нибудь Кац и Варламов свои упаднические истерики в ВК? Не знаю, и не особо интересно, честно говоря. В любом случае, если саботаж российских площадок не является частью идеологии блога, то, как я понял, новички недовольны именно раскруткой: рекомендациями, охватами итд. Жалуются на очень небольшое число просмотров у развивающихся блогов. С этим спорить сложно, у ютуба конечно и система рекомендаций и привычка публики на порядки превосходит таковые в ВК. Но вот что мне кажется не слишком логичным: зачем постить в ВК с задержкой? Если в ВК нет твоей аудитории, постить не нужно совсем (в том числе и ссылками на внешние платформы). Если аудитория есть, то нет смысла специально причинять ей неудобства. Независимо от того, решатся ли фундаментальные проблемы ВК или нет, эта стратегия не ведёт ни к какой выгоде в долгосрочной перспективе. За собой заметил, что точно стал реже открывать ютуб (даже с DPI он работает плохо, а постоянно включённый VPN это неудобно по ряду других причин), но при этом в ВК смотрю только тех, кого уже смотрел и раньше. Рекомендации пока что ни к чёрту, глупо отрицать. Так что просто реже прокрастинирую с помощью видео и чаще с помощью чего-то ещё. #web

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