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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #605 · 22.10

Посмотрел, наконец, Cyberpunk: Edgerunners. Ну такое, очень подростково. Всякие издания понаставили ему высоких оценок, а я вот не впечатлился. Сюжет и персонажи очень простые, без глубины, но при этом всё слишком гипертрофировано: если у кого-то проблема, то исключительно уровня "он умирает или умрёт". Если конфликт, то сражение с кровью и расчленёнкой. Если оружие, то супер-пупер технология, позволяющая в одиночку разгромить армию. Даже романтическая линия катит лет на 14, что очень забавно для мультика с рейтингом 18+. Тот же Arcane во всём лучше: и персонажи глубже, и сюжет не такой примитивный, и картинка техничнее. Хотя, учитывая сроки (и, вероятно, стоимость) производства, сравнивать не слишком честно. Но не скажу, что прям хотелось бросить или заставлял себя досматривать. Нормально, местами интересно. Может только последнюю серию заставлял, т.к. совсем уже трэш, и примерно было понятно, что случится. Мир у CDPR всё-таки довольно неплохой получился, даром что в игре его не смогли хорошо использовать. Некоторые звуки из игры во мне прям отозвались воспоминаниями, всё-таки я в ней несколько недель провёл. Но в целом нормальных пасхалок именно на сюжет и персонажей игры почти нет. Видел что в игру добавили приблуду как у героя мультика (хотя работает она ожидаемо в разы скучнее). Но возвращаться пока не хочется. Сомневаюсь, что там исправили стрельбу и другие моменты. Может быть на пенсии перепройду. #fiction#games

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