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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #503 · 14.08

14 августа 2013 года, ровно 9 лет назад, я впервые установил Telegram. Вот такой скриншот был в промо-материалах: акцент на технологии, а про рюшечки для блондинок упомянуто вскользь с шуткой. Позавчера Telegram выкатил анимированные эмодзи и кастомные реакции. Перед этим Павел Дуров написал пост о том, что Apple очередной раз задерживает обновление, в котором будет революционный способ самовыражения. Обновление вышло, а революции что-то не видно: анимированные колобки были ещё в Qip десять лет назад, кастомные реакции есть в Slack и Discord. Ну да ладно. Меня больше удивляет фиксация команды Telegram на рюшечках: огромные силы тратятся на все эти стикеры, анимации, реакции, эмодзи. И среди последнего десятка крупных обновлений, кажется, не было ни одного без этой фигни. Почему так происходит? Некоторые говорят, это потому, что Телеграм уже полностью доделан, и в него банально нечего добавить. Но это не так: до сих пор нет средств дискавери для каналов, до сих пор нельзя адекватно прикреплять картинку к тексту, сжатие фотографий всё ещё очень шакальное, полноценно редактировать альбом невозможно, посты в каналах по интерфейсу всё ещё чат-монолог на 60% от ширины экрана, на главной странице всё ещё вперемешку сущности из всех папок, и вообще управление папками сделано через одно место. В общем, много всего ещё нужно править. Думаю, дело в другом: команда Telegram очень круто умеет в UI/UX и фичи, лучше всех на рынке. Но почти не умеет в бизнес и маркетинг. Она, как и Дуров, не понимают, как продавать свой продукт. Им сейчас надо привлечь широкие массы и, видимо, внутренняя статистика показывает рост активности и вовлечённости от всех этих рюшечек. А, значит, надо ещё больше рюшечек. Но это примерно как в продуктовом магазине обнаружить, что люди покупают алкоголь, и начать очень активно развивать это направление, подзабив на всё остальное. Расширять полки с бухлом, рекламировать его, ставить прямо на входе, заслонять спиртягой хлеб и другие продукты. Покупателей, возможно, станет больше, но они будут алкашами. #web

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