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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1079 · 7.03

Авито конечно удивительный пример оторванности компании от реального поведения своих юзеров. Наверное, не слишком необычно, что богатые топ-менеджеры, принимающие решения в компании такого размера, сами не занимаются продажей и покупкой с рук, но уж для проформы то заглянуть разок могли бы в собственную экосистему. Например: Авито ввёл комиссию для покупки с доставкой, и заявляет, что эта комиссия списывается с продавца. Но доставка нужна покупателю, а не продавцу. Продавцу даже менее удобно носить вещь куда-то, вместо того, чтобы ждать, когда к нему заедут. В итоге 99% продавцов при заказе с доставкой готовы продать только дороже на процент комиссии. И хорошо, если они пишут об этом заранее в тексте описания, а не в личку после того, как ты уже оплатил товар по изначальной цене. В итоге приходится заказ отменять и перезаказывать. Или вот: Авито предлагает на выбор разные формы доставки, но продавцы отдельно ещё сами не готовы носить товар в какой-то далёкий для них пункт, поэтому иногда пишут, что, дескать, выбранный вами способ доставки не поддерживаем, выберите другой. Интерфейс опять же не даёт для этого никаких предварительных функций, приходится отменять. В целом Авито правильно делает, пытаясь уменьшить необходимость контакта с людьми. В идеале я при покупке хочу как на маркетплейсах, а при продаже чтобы ко мне приезжал курьер и забирал. Без обсуждения, без торга, без попыток договориться итд. Но реальные люди действуют так, чтобы минимизировать ущерб и объём возни для себя, и это нормально. И понятно всем, кроме руководства Авито. #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