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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #818 · 12.05

Пока ждал одну книгу, прослушал совсем короткую "Этический инженер" Гарри Гаррисона (в других переводах "Специалист по этике"). Вообще, Гаррисона я когда-то начинал читать — "Крыса из нержавеющей стали" — но по каким-то причинам бросил, не помню. А тут вот вчитался (вслушался). По современным меркам сюжет избитый — человек из развитой цивилизации попадает в мир, едва дошедший до парового двигателя, и начинает там своими знаниями совершать революцию во всех смыслах. Но книга вышла в 1964 году, так что это скорее последующие авторы романов о попаданцах вдохновлялись ей, а не наоборот. Еще могу отметить, что повествование очень сжатое, без лишней воды, события идут плотно, поэтому даже при сравнительной простоте вполне цепляет и не даёт скучать. Задумался о том, что, если у школьной литературы была задача познакомить меня с, собственно, литературой, то эта задача в значительной мере провалена. Большая часть программы была сосредоточена на русской классике и практически полностью игнорировала как зарубежных авторов, так и — что самое обидное — другие жанры. Мне трудно представить, в каком восторге я был бы от вещей вроде "Этического инженера" в старшей школе. Я совершенно точно хотел бы узнать о существовании многих авторов, жанров и произведений еще в 14-18 лет, а не только сейчас, когда есть интернет, и когда я сам прикладываю много усилий к поиску книг. #fiction

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #omniembed

当前筛选 #omniembed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