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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #528 · 3.09

Твиттер анонсировал редактирование твитов для платных подписчиков. Кто не знает: это предельно базовая функция, которую десятилетия просило подавляющее большинство активных твиттерян. "Редактирование твитов" было чем-то вроде высказывания "Карфаген будет разрушен" из известного фразеологизма. И вот его вроде как вводят. Только за деньги и только в первые полчаса после публикации. Здесь я хочу вспомнить об альтернативах. Позавчера был спор в Телеграме об айфонах и о том, можно ли называть монополией что-то, формально имеющее альтернативы. Так вот: отсутствие редактирования твитов причиняло многим активным пользователям феерические неудобства. Как вы думаете, ушли ли они в какую-то альтернативную соцсеть? А, может, сделали свою и довели до того же уровня популярности? На самом деле администрация твиттера могла всё это время делать с пользователями почти что угодно и причинять неудобства любого уровня. Таких случаев было немало: кропы картинок на десктопе, закрытие API для кастомных клиентов, бан Трампа и т.д. Пользователей могли ставить раком десятками способов, и они бы всё равно никуда не делись. Угадайте, почему. P.S. В январе я вам писал, а позже ещё моя знакомая Лена Савинова независимо от меня пришла к тем же выводам, что в Твиттере очень много нытья и страданий. Думаю, вместо нытья об отсутствии редактирования твитов теперь будет нытьё о платности этого редактирования. Запомните этот твит. #web

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