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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #723 · 28.12

GamesIndustry подвели итоги рынка видеоигр за 2022 год. Любопытно и то, что рынок в целом упал на 4.3% относительно прошлого года, и некоторые детали. Например, внезапно выросли PC-игры на фоне падения консолей и мобилок. И уход консолей из России не мог так сильно повлиять, как ни крути. Это какая-то более общая тенденция. С чем такое может быть связано? Людям надоели однообразные ААА-тайтлы, и они стали больше играть в инди? Предсмертная агония крипты наводнила рынок дешёвыми видеокартами? Интересно, что будет ещё через год, неужели нас ждёт реинкарнация ПК-гейминга? Я последние годы был лютым сторонником консолей, но ситуацию с ними для русских вы и сами знаете, так что вот я обзавёлся 4090 и собираюсь с консолей потихоньку уходить. Прикольно, если и остальной мир (по другим причинам) тоже начнёт возвращаться на ПК. Ещё кстати зацените разрыв между продажами игр на дисках и в цифре. Диски для ПК вообще нет никакого смысла выпускать, только впустую материалы тратить. У меня в последних трёх или четырёх компьютерах не было привода даже. С консолями сложнее, конечно: там игры дорогие, и многие обмениваются дисками. Ну и нельзя не посетовать очередной раз на 50% мирового дохода с мобилок. Это как если бы продажи алкоголя превышали продажи всей остальной еды вместе взятой. Впрочем, просадка мобильного рынка почти самая большая, возможно, у этого человечества ещё есть шанс. Источник. #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