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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1187 · 11.12

Последние месяцы у меня прямо заметное количество человек в Телеграме стали постить сторисы, хотя раньше эти люди обитали в публичном поле исключительно в Инсте. Сторисы, конечно, ужасный формат, и их существование — великое горе для человечества. Но вот появление Инстаграм-инфицированных людей в публичном пространстве Телеги это хороший признак — Инста, по-видимому, перестаёт давать нужный отклик аудитории в России. Возможно, ещё не всё потеряно. Что касается остальных блокировок, то наконец-то родительские чатики, сообщества домов и общение с арендодателями квартиры вылезут из Вотсапа (хотя у меня удалён уже много лет). Природа очистится. Ну и хочу прокомментировать новый закон из Австралии, где запретили соцсети подросткам до 16 лет. Давайте так: соцсети это современный цифровой алкоголь. Его можно уметь употреблять в меру, абсолютное большинство людей так и делает. А детям мы запрещаем его, потому что более менее сошлись в оценке их способности к самоконтролю и взвешенным ответственным решениям. То есть направление мысли понятно, и оно даже отзывается во мне. Хотя я бы может поставил 14 лет. Но совершенно непонятно: 1. Как вообще технически реализовать выполнение этого закона, если устанавливать VPN современные дети учатся раньше, чем читать? 2. Что мешает получать всё то же самое из источников, формально не являющихся соцсетями? Например, в групповых чатиках в мессенджерах (в том числе в официальных школьных мессенджерах, допустим). #web@clockstackwheels

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