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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #610 · 27.10

Есть такая технология защиты от пиратства видеоигр — Denuvo. Не раскрывается, как именно она работает, но известно, что она очень агрессивная. Во-первых, сама по себе тяжёлая (к исполняемому файлу весом в сотню мегабайт может добавиться ещё 500). Во-вторых, она насилует компьютер постоянным шифрованием в реальном времени, из-за чего игра работает медленнее, чем работала бы без Denuvo. В-третьих, она ещё и насилует накопитель данных постоянными перезаписями. Есть несколько случаев, когда Denuvo сокращала срок службы SSD-накопителя, с которого запускали игру. Ну то есть, да, покупать лицензионную продукцию может быть плохо не только для вашего кошелька, но и для вашего оборудования. В первый раз Denuvo ломали месяц, взломали. Сейчас уже недели и дни. Чем популярнее игра, тем быстрее обычно она появляется на торрентах. Вот новая Gotham Knights, о которой я писал ранее, выложена на рутрекер этой ночью — спустя всего 5 дней после релиза. Казалось бы — зачем производителям игр так делать? Зачем ставить дорогую, тяжёлую, ухудшающую работу игры защиту, если её всё равно взломают за неделю? Дьявол тут в особенностях человеческой психики. Вся эта возня с защитой — как раз ради этих первых пяти дней. Разработчики даже сами выпускают патчи, которые через время защиту убирают. С одной стороны, многим людям важно поиграть в игру сразу после релиза, а не через неделю. С другой стороны, компаниям тоже выгодно продать игру людям в первые дни, пока на неё не вышла куча обзоров, видеопрохождений на ютубе и разной критики. То есть, смотрите, как выходит: • Человек готов заплатить за игру, и у него есть на это деньги, но только если не достанет её где-то ещё. Для меня это странно: либо мне продукт нравится, и я в любом случае его покупаю, либо не так нравится, и я в любом случае подожду условную неделю, чтобы скачать. Тут стоит сделать поправку на физическую возможность купить. Если компания сама отказывается брать мои деньги (например, блокировкой по гражданству), то никаких обязательств перед ней у меня на мой взгляд не сохраняется. • Человек готов купить игру, не имея о ней достаточно информации, даже точно зная, что через неделю может появиться информация, которая его от покупки отвадит. Для меня это понятно: люди покупают впечатления, но часть этих впечатлений может появиться после просмотра видео или прочтения статьи, а за оставшуюся часть впечатлений полную цену платить уже не готов. Но, возможно, я бы в такой ситуации скачал, понял, что мне понравилось, и купил бы. То есть наличие игры на торрентах в данном случае не превращает покупку в непокупку, а вот наоборот могло бы. #games

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