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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #524 · 2.09

Издательство Лавка Игр выпускает на русском настолку Живой Лес. Мне за этот пост не платили, но хочу прорекламировать, потому что и игра кажется достойной, и то, как Лавка ведёт кампании, мне тоже импонирует. Живой Лес это семейная настольная игра в жанре "построение колоды" от датского дизайнера Аске Кристиансена. Она уже получила ряд престижных наград, и в целом отзывы положительные. Нужно будет спасать сказочный лес, собирая колоду из карточек с волшебными животными, дающими разные свойства. Очень хвалят иллюстрации и качество компонентов. Если вы вдруг думаете, что это что-то детское, то нет: современные семейные игры научились делать, с одной стороны, достаточно простыми для детей (не слишком мелких, а например школьного возраста), с другой стороны, взрослому есть где подумать и поразвивать стратегию. Мы с семьёй играем, например, в Wingspan или Everdell, и взрослые даже близко не скучают — котелок по полной разогревается, когда нужно построить движок для получения камней, на которые ты построишь дом, позволяющий бесплатно поселить зверя туда и получать по карте каждый ход, но только если... Короче, правда интересно. Вот Живой Лес обещает быть чем-то подобным. Я уже предзаказал. Отдельная крутая фишка: за каждые 10 заказанных коробок Лавка Игр посадит одно дерево (либо сами, либо силами специального фонда, пока не решили). #games

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #unifiedembedding

当前筛选 #unifiedembedding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