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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1099 · 16.05

Давно подписан на группу Mighty Box, автор которой придумывает и выпускает органайзеры для настолок. Изначально я просто следил за процессом, но недавно заказал два орга: для «Ведьмака» (ещё не собрал) и для «Подводных городов» (на фото). Органайзер в коробку с настольной игрой нужен по двум причинам: 1. Хороший орг позволяет вместить в одну коробку компоненты, например, из базовой игры и дополнения, и сильно экономить место на полке 2. Раскладывать такую игру гораздо проще, потому что достаточно вытащить части органайзера с нужными карточками и ресурсами, положить поле, и вы готовы Второй пункт особенно важен для меня, поскольку тот же «Ведьмак» чудовищно долго сетапится: около десяти колод, элементы из нескольких дополнений, жетоны, деньги, кубики... Уже расхочешь играть, пока это всё разворачиваешь. Ну ладно, орг для «Ведьмака» ждёт пары свободных выходных, а вот «Города» я склеил. Автор очень внимательно подходит к процессу проектирования: собственно, я изначально подписался на его группу, потому что мне нравилось наблюдать за инженерной составляющей. Проектируется всё на листовом ХДФ и акриле под лазерную резку. Помимо геометрической составляющей много внимания уделено UX: чтобы всё удобно было вытаскивать и складывать. Собирается на клей ПВА без особых проблем, укладывается чётко. Органайзер для «Городов» предусматривает место под фигурки подводных лодок вместо картонных токенов, так что я не удержался и сразу напечатал на фотополимернике лодки и здания (модельки нашёл в сети). Надо будет ещё их покрасить, чтобы проще отличать. В целом очень доволен. Сразу скажу: органайзеры не дешёвые, но для игр, которые точно останутся в коллекции годами, это, на мой взгляд, уместная покупка. #games#окр

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