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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1065 · 23.01

Вернулся в фотополимерную печать, и сразу с болью вспомнил, как много там возни. Да, детализация получается такая, что лучшим FDM не снилась, но всё-таки важнейший недостаток в том, что о возникновении проблемы при печати становится известно только к её середине, когда моделька уже на какую-то высоту покажется из жидкости. Из-за этого на тесты уходит и дорогой полимер и время. Тем более, после неудачи нередко нужно целиком сливать резину, очищать плёнку, всё мыть и так далее. Впрочем, за прошедшие годы это направление развилось. Фотополимер стал дешевле и, что самое главное, появились водосмываемые варианты. Если раньше приходилось вонять дорогим и сложным к добыче изопропанолом, но сейчас тёплая водичка, доступная в любых количествах, решает проблему отмывки. Хотя сам полимер тоже сильно воняет. Появились версии без запаха, но они-то как раз спиртосмываемые. Короче, почти неделю я бился с засветкой, менял настройки и расположение детали. То отвалится с поддержек, то слои смещаются, то к плёнке прилипнет. А оказалось всё просто: проблема механики. Рельса стала люфтить, пришлось разбирать её и натягивать эксцентрик. Никогда не стоит забывать проверять все аспекты. Если устройство состоит из химии и механики, то стоит учитывать возможный косяк и там и там. Увидел, что в какой-то момент в моей мастерской одновременно работало два принтера. Да у меня же... принт-ферма! #gadgets

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #researchagent

当前筛选 #researchagent清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8450 · 04.09.2025 г., 13:20

🔥 NVIDIA представила Universal Deep Research (UDR) UDR — настраиваемый агент для глубокого ресёрча, который «оборачивается» вокруг любого LLM. Почему это важно: 🟠**Гибкая настройка агента без кода** — UDR не ограничивает жёсткими сценариями, как большинство тулзов. 🟠Можно создавать, редактировать и комбинировать стратегии поиска и анализа. 🟠В репо есть примеры стратегий (minimal, expansive, intensive), но главная сила — в кастомизации под свои задачи. По сути, это гибкий ресёрч-агент, который можно адаптировать под любой рабочий процесс. 🟢Project: https://research.nvidia.com/labs/lpr/udr 🟢Code: https://github.com/NVlabs/UniversalDeepResearch 🟢Lab: https://nv-dler.github.io @ai_machinelearning_big_data #NVIDIA#UDR#UniversalDeepResearch#AI#LLM#ResearchAgent#AIAgents#DeepResearch