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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1190 · 18.12

Деннис Тейлор, «Пока мы не сбились с пути» Вселенная Бобов — это серия, за рекомендацию которой меня чаще всего благодарят. Видимо, все остальные книги, о которых я пишу, либо очень хорошо известны, либо не находят отклика у настолько широкой аудитории. Пожалуй, нет смысла подробно писать о пятой части. Автор вернулся к рваному повествованию, состоящему из отдельных историй. У него это в целом получается хорошо, хотя тут некоторые истории меня зацепили (про центр галактики и исход, про ИИ), другие показались проходными или невнятными (про драконов, про виртуальную реальность для инопланетян). Многие темы стали максимально размытыми, вроде взаимоотношений с людьми. Ещё могу отметить, что, если первые книги сносно опираются на существующие физические концепции, то тут Тейлору пришлось больше фантазировать, иначе он бы упёрся в сюжетные границы. Это не плохо, если только вы не воспринимали «Бобов» как твёрдую НФ. Для меня такой ход был ожидаемым, разочарования я не испытал. Понравился момент установки взаимопонимания с инопланетными дронами, хотя конечно лучше, чем в «Аве Марии», первый контакт не описан нигде. Причина, по которой с центром галактики случилось то, что случилось, тоже подобрана хорошо, приостановку неверия лично у меня не сломала, но и угадать заранее я не смог. По итогу я бы сказал так: пятую книгу прослушал не без удовольствия, но шестую автору уже писать не стоит. Из этой идеи и вселенной выжато всё досуха.#fiction@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