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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #760 · 10.02

Почему в видеоиграх такие тупые мини-игры? Во многих видеоиграх есть мини-задачки, которые моделируют какое-то якобы сложное действие. Например, вскрытие замков, взлом компьютера, какие-нибудь типа научные исследования в сюжете. И я не помню, видел ли хоть раз в жизни не тупую мини-игру. В лучшем случае у вас будет что-то типа головоломки "Трубопровод". В худшем — задачка уровня цветной пирамидки для младенцев. Почему так? Нельзя сказать, что все видеоигры спроектированы для глупых или для детей. Иногда в основном сюжете или механике игры есть элементы, которые требуют уметь хотя бы чуть-чуть шевелить мозгами. Но почему нигде не делают интересные мини-игры, которые было бы сложно решать? Ведь образцов для этого дофига: начиная с какого-нибудь "Сапёра" и заканчивая Wordle. А там блин везде соедини точки, да подвинь квадратики. Кажется, попытка сделать интересную мини-игру была в Cyberpunk в системе взлома, но не удалась — хорошая идея реализовывалась авторами, которые плохо понимают, как работают игры и вообще интерактивные системы, в итоге для хоть какой-нибудь решаемости сделали сами наборы данных супер примитивными. Знаете ли вы примеры игр с интересными мини-задачками, если только вся игра не построена на них (как например The Witness, хотя там больше половины задачек очень скучные)? #games

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