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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #25 · 22.05

В старших классах меня привели в мир настоящих настольных игр (то есть не Монополия и не карточный дурак, а прям серьёзные вещи со стратегией и глубиной). Мы с друзьями часами залипали в Сумерки Империи, и было это похоже на то, что вы могли видеть в подвале у героев Очень Странных Дел: «Я кидаю три кубика, чтобы атаковать колонистов на планете, и если захвачу её, получу дополнительный ресурс». Потом у меня был период казуалок и патигеймов (то есть игр для вечеринок вроде «Крокодила» и «Шляпы»). Я, как и многие вошедшие в мир настолок, в первую очередь покупал разные попсовые Манчкины, чтобы привлечь к настолкам своих друзей, которые в них не играли. Ну и, разумеется, использовал игры как средство социализации и знакомств. Ох, сколько десятков часов в Шляпу было наиграно на квартирниках... Но по мере взросления создание новых социальных связей перестало быть нужным: жену я нашёл, а круг друзей стабилизировался вокруг тех людей, с кем мы наиболее взаимно интересны друг другу. И, разумеется, все они либо уже привлечены к миру настольных игр, либо никогда не станут :) Так что сюжет сделал виток — я снова вернулся к глубоким долгим играм на небольшую компанию. И некоторые мои друзья регулярно поставляют мне информацию о новинках в этой области, советуют что-нибудь, приносят поиграть. Вот, например, один друг подсадил меня на Brass — игра на тему промышленной революции в Великобритании в 18-19 веках. Это высочайшего качества «Еврогейм» (стратегия на менеджмент ресурсов) с очень сбалансированной механикой, в которой у вас несколько путей развития. Игра на текущий момент занимает 3 место по всему миру на самом популярном настолочном сайте BoardGameGeek. Если говорить грубо, то Brass — это такой Ticket To Ride, в котором вы строите сеть дорог не саму по себе, а для обеспечения экономической системы производства и продажи товаров. Важный плюс игры лично для меня: сильное влияние игроков друг на друга. Можно прокладывать дороги для доставки ресурсов и товаров другого игрока и получать за это бонус. А можно создавать ресурсы, которые нужны другим игрокам, и за это игра тоже вас наградит. У многих еврогеймов игроки копаются в своих собственных планшетах, и просто параллельно друг с другом набирают очки, а здесь же нужно очень внимательно следить за тем, что делают все. По сложности это игра для любителей глубоких стратегий — вы не посадите за неё ребёнка или казуального игрока. Первые 1-2 партии будете постоянно смотреть в правила и ошибаться в деталях, это нужно перетерпеть. Но она того стоит, играть очень интересно и не надоедает. Дополнительно в книжке есть небольшая историческая справка с обоснованием того или иного правила — мелочь, а приятно. #games

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