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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #726 · 30.12

При этом якобы пять тысяч подписчиков в VK это шум — подавляющего большинства этих людей нет, никакой активности они не проявляют никогда, и, думаю, даже не заходят читать ленту, а "подписаны" на меня в результате какого-то случайного клика. Поэтому вполне возможно, что именно небольшая живая часть подписчиков действительно выросла. Не так заметно, как в Телеграме, но прибавившаяся сотня человек по моим оценкам содержит куда бОльший процент настоящих людей, чем эти изначальные 5700. Ещё в Телеграме хорошо заметно непрерывное линейное падение с периодическими ступеньками роста (случайные репосты моих записей). Это падение вызвано серьёзным UX-просчётом, о котором я неоднократно писал: Телеграм наказывает автора за посты. Ну и, стоит отметить, что в VK всё ещё удобнее сам по себе механизм публикации. Единственное преимущество Телеграма это форматирование. У VK при этом нет тупых лимитов на длину текста и есть возможность прикреплять к посту фотографии без костылей. Я пишу этот текст именно в VK, чтобы потом скопировать в Телеграм, а не наоборот. По активности людей на удивление примерно одинаково. В умирающем VK нашёлся островок активных взрослых, которые меня читают. В среднем десятки лайков и комментариев к каждому посту, и там, и там. Кстати, этот показатель особо не изменился, и рост подписчиков на него не повлиял. Видимо, в обсуждениях участвуют в основном люди, которые уже давно меня знают. Так что, сделать однозначный выбор я не могу. VK удобнее. Но в TG взрослые. Однако, в TG абсолютно нет органического роста, если вы не пишете на одну и ту же тему или не словили хайп, набрав нужную критическую массу в удачный момент, то ваш единственный путь это неофициальный рынок платных репостов переводом на карту — говно полное, не хочу с этим связываться. Но в VK каждая новая инициатива это снова какая-то фигня либо для детей либо для отчётов и заголовков. Но в TG разработчики открыто клали хер на авторов с большой горы: годами не делают даже банальное прикрепление фото или, скажем, удобную форму ввода длинных текстов. Канал это всё ещё чат-монолог со всеми вытекающими. Но в VK неприятная атмосфера с вытеснением чего-то конструктивного в пользу одноразового контента для определённой прослойки пользователей. Видимо, пора переходить на короткие вертикальные видео. #web

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