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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #349 · 19.05

В сеть попал «Морбиус», я посмотрел, и не понимаю, почему его так хейтят. Рейтинги прям супер низкие, да и в комментариях везде в основном недовольство. А по мне так вполне нормальный. Конечно, есть недостатки, да и послевкусия почти никакого не оставляет. Но, на мой взгляд, картина вполне цельная, последовательная, с прикольным визуалом, и каст попал в точку (видеть Мэтта Смитта в необычном образе было прикольно). Да, у фильма какой-то не слишком современный ритм, если можно так выразиться. Он, как бы сказать, слишком прямой и буквальный: вот тебе, зритель, пересказ событий. Напомнило мне боевики и ужастики девяностых, конкретно даже возникли ассоциации с фильмом «Муха»: там тоже учёный в результате эксперимента над собой получил сверхсилы, но потерял человеческий облик. Отдельно мне понравилось, что герой очень логичен и действует реалистично. Он переживает о своих действиях вполне правдоподобно: сокрушаясь, но не слишком. Ещё он сразу берётся исследовать себя, вести записи и замеры — так сделал бы любой разумный человек после подобных изменений. Ну и никакие сюжетные интриги не держат долго, потому что раз зритель догадывается сразу, то и персонажи должны сообразить. В общем, таких разгромных рейтингов «Морбиус» точно не заслуживает. Я думаю даже вполне получил бы удовольствие от просмотра его в кино, если бы показывали, чего не могу сказать, например, о новом Бэтмене (про который я рад, что в кино попасть не смог). #fiction

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #omniembed

当前筛选 #omniembed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