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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #133 · 6.01

В итоге все четыре сериала, которые выпустили Marvel за год, оказались в лучшем случае средненькими. Да, во всех есть реально крутые моменты, пасхалки, хороший неназойливый фан-сервис. Во всех есть хотя бы одна серия, которую смотришь с удовольствием от начала до конца, да и в целом ни один нет желания бросать на середине. Но послевкусие вообще нулевое, а оправданность ожиданий ниже плинтуса. Эмоций после просмотра практически не остаётся, не более чем прочитать абзац с важной информацией для дальнейшего понимания вселенной. Думаю, Марвел стали одновременно заложниками высокой планки и высокого бюджета. С одной стороны, после театральных блокбастеров ожидаешь как минимум не хуже. Хотя даже последние удаются компании, скажем честно, не каждый раз. С другой стороны, высочайшая стоимость серии — тут тебе и дорогие актеры, и дорогая картинка. В итоге серий приходится делать мало, и их не хватает, чтобы хорошо раскрыть персонажей (даже уже известных), и в особенности чтобы сформулировать и разрешить достаточно глубокий конфликт. Если бы мне год назад кто-то сказал, что, в принципе, все четыре сериала можно пропускать, и я даже как фанат вселенной особенно ничего не потеряю, я бы не поверил. Но увы. Самый сильный крах ожиданий был на Локи, естественно. Такой потенциал потеряли, эх. #fiction

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #crossmodal

当前筛选 #crossmodal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