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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #334 · 4.05

Сегодня день Звездных Войн. Из-за того, что дата May the 4th читается так же, как начало фразы May the force (be with you), которую герои этой вселенной говорят друг другу. Для меня любовь фанатов к 4-6 фильмам и не слишком хорошее принятие ими, например, первого, вышедшего спустя столько лет — это заметное проявление мировой несправедливости. Старые эпизоды более наивные и детские по сюжету, в них больше логических проблем, на порядок хуже поставлены бои (а точнее, вообще никак), и, конечно, они не могут сравниться с более новыми фильмами по эффектам и графике. Да, для своего времени это крутое и прорывное кино, но и первый эпизод для его времени был очень даже на уровне. Так что в основном впечатления фанатов складываются из того факта, что при выходе четвёртого эпизода им всем было по 10 лет, и их детские эмоции при просмотре были значительно более яркими. А я первым в своей жизни увидел именно первый фильм, так что именно он сформировал в итоге впечатление о франшизе. При всех своих недостатках вселенная очень самобытна, и, думаю, в этом изрядная доля секрета её популярности. Ну и для гика есть, где развернуться: инопланетяне и роботы существуют в одном мире с магами и боем на мечах, Тёмный Властелин в чёрных доспехах, космические пираты и так далее :) Сомневаюсь, что существуют люди, которые в принципе интересуются фантастикой, но при этом почему-то не смотрели ЗВ, так что не буду давать каких-либо рекомендаций. #fiction

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