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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #828 · 1.06

Заблочили Medium. Я им не пользовался, но, кажется, это единственный нетематический текстовый портал в интернете. Задумался о том, почему в англоязычном мире Medium есть, а в рунете никакой аналог не взлетел. Какой-нибудь Teletype был заброшен разработчиками практически сразу после релиза. Дзен — ну вы сами знаете, мусорка. В Телеграме нет дискавери и средств оформления, и более менее заводятся, опять же, строго тематические каналы. Авторские тексты, например, в ВК убиты видосиками и продуктовыми решениями. Кстати, такой же эффект есть на Пикабу: администрация добавила возможность постить короткие вертикальные видео, и теперь вся лента в них. Я был в шоке, когда увидел. Вертикальные видео не просто разбавили тексты, а вытеснили их за считанные дни на площадке, которая всегда была про тексты и картинки. Но почему на русском языке нет живых аналогов Медиума? Вроде считается, что русский народ читающий, но вот что-то не сходится. Вот мои гипотезы: 1. Русские люди читают книги, и поэтому у них в жизни нет недостатка чтения, а от интернета они хотят чего-то развлекательного. 2. Все люди в мире в среднем не читают тексты, но небольшая горстка всё-таки читает. Поскольку Medium был англоязычный, он собирал не только англоязычных читателей, но и вообще читателей со всех стран, и в сумме получилось достаточно, чтобы он жил. 3. Бизнесам не выгодно делать текстовые площадки, потому что тем, кто читает тексты, сложнее что-то впаривать. Medium существует на инвестиции, государственные деньги, на энтузиазме и так далее. #web

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