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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #336 · 6.05

Останкино закрыли из-за постоянных угроз минирования. Мне кажется, такие угрозы могут исходить от людей, которые подобным образом хотят устранить источник пропаганды. Что, конечно, очень наивно и глупо. Так что из-за каких-то идиотов не удалось попасть в этот раз. Несколько новых для меня наблюдений про Москву. 1. Я попытался оценить движение, как автомобилист, и, мне показалось, что это жесть. В Питере конечно есть отдельные места, которые и плохо спроектированы, и пользуются большой популярностью у автомобилистов, из-за чего проезжать их — невероятное страдание и почти вечные муки на Земле. Например, Светлановская площадь. Но в Москве водители просто живут в Аду. Чудовищно частая многополосность, толкотня, разметка неочевидной сложности, многоуровневые развязки — я бы в таких условиях автомобиль купил с куда меньшей вероятностью. Хотя, наверное, те, кто живёт тут постоянно, банально привыкли. 2. С парковками, наоборот, какая-то магия. Куда люди девают свои машины? В Москве больше автомобилей, чем в Питере. Но Питер по сравнению с Москвой просто вусмерть запаркованная свалка железа. На Питер в этом отношении буквально невозможно смотреть, причем, как в центре, так и на окраинах. Но в Москве каким-то непостижимым образом этой проблемы нет: улицы чистые и в центре, и в спальных районах. Всегда знал, что нытьё водителей "А где ещё парковаться?" это фейк. Где-то, видимо, можно, если городская администрация имеет волю этим вопросом заниматься. 3. Почти нет каких-то кафешек и подобных бизнесов, вообще нижние этажи зданий очень не развиты. У нас в Питере практически в любой части города нельзя пройти и 20 минут, не наткнувшись на едальню, кондитерскую итд. Здесь же под это могут быть отдельные улицы, но в целом в обычных местах всё очень туго. Мы жили недалеко от ВДНХ, и там на огромный район полтора ноунейм-ресторана, в которых официанты банально не справляются с потоком людей. Интересно, связано ли это с какими-то запретами со стороны города? Гулять по Москве конечно очень круто и приятно, Питеру далеко до такого уровня урбанистики. Но жить в Москве всё ещё не хотел бы. Слишком много всех тут. #travel#life

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