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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #724 · 29.12

Уже давно преимущественно пользуюсь такси Комфорт, а тут вот несколько раз съездил Экономом (в предновогодней суете цены на такси взлетели кратно). И, как ни крути, разница заметна. Но проявляется она не столько в моделях автомобилей и, тем более, не в мастерстве водителя. Разница в том, что в Комфорте тебе буквально комфортнее: машина помытая снаружи и чистая внутри, в ней приятный запах, водитель ведет себя вежливо и соблюдает некоторый этикет. В Экономе же довезут тебя с тем же качеством перемещения, но в салоне может висеть ядрёный ароматизатор, снаружи машина любого цвета будет серой, а водитель противно чавкает, шмыгает носом или мерзко и громко хрустит костяшками. Как вообще водители переходят из одного класса в другой? Вряд ли там есть пункт "Чтобы перейти в Комфорт чаще мойте машину". И не по оценкам тоже, в обоих категориях бывают как оценки, близкие к 5, так и ниже. И уж тем более не будет пункта "Не нужно периодически громко причмокивать". Сдаётся мне, какие-то критерии есть, касаются они общей аккуратности и внимательности человека, и так уж совпало, что люди, попадающие под них, ещё и сами по себе ведут себя приятнее. Уверен, есть водители, которых от более высокой оплаты в Комфорте отделяет не невозможность купить машину дороже, а тупо нежелание за ней как следует ухаживать. И за собой. Всё взаимосвязано, а разруха таки в головах, не перестаю из года в год в этом убеждаться. #life

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