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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #597 · 15.10

Я таки упросил VK включить мне новый дизайн (спасибо). Иронично, что его включили куче моих друзей: тем, кто не ведёт страницу, тем, кому пофиг, и даже тем, кто ненавидит редизайны. А мне не включили сразу, хотя я люблю редизайны и веду в VK блог. Ну, минус в том, что это опять калька с Фейсбука. Конечно плохо: у ребят из ВК точно много своих идей, непонятно, почему до сих пор копируется с FB, который прям очень очень плох по визуалу и удобству, почти худший крупный сервис в современном интернете. Тем не менее, конкретно обложка для профилей мне понравилась на Фейсбуке ещё 10 лет назад, когда я её впервые увидел. И очень хорошо, что VK сейчас сделал акцент на контенте. Не знаю, обозначает ли это начало каких-то более масштабных изменений, чтобы возродить текстовые блоги (кажется, их потенциальную аудиторию из ВК прогнали почти всю). Есть предположение, что визуальным изменением профилей всё и закончится, а ленты всё так же будут забиты пабликами, и взрослые люди, включая сотрудников самого ВК, всё так же будут постить и комментировать в Instagram/Telegram. Конкретно тут я бы убрал нафиг блок с подарками — не нужен. "Подписчики" теперь смешаны с друзьями, это сбивает, хотя привычная концепция друзей в соцсетях давно умерла. А вот в блоке "подписки" ставил бы индивидуальных авторов выше, чем паблики. Ну и, конечно же, отовсюду удалять "Клипы" обязательно. #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