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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #849 · 26.07

Робот для мойки окон. Сейчас не так уж и редко встретишь обсуждение роботов-пылесосов. Тема более менее проникает в быт, не только гики и фанаты гаджетов завели себе таких зверей. А вот роботы для мойки окон — пока ещё диковинка. Мои родители пару лет назад поставили панорамные окна, и я им такого подарил. А теперь вот взял сам попользоваться, впервые в жизни. Он очень забавно ползает по стеклу. В целом, впечатления такие же, как от пылесоса: старательный человек уберет/помоет заметно лучше, но в выборе между "робот сделает средненько прямо сейчас" и "человек сделает хорошо, но никогда" побеждает первое. Да, окна мыть, это вам не квартиру убирать. Уборку обычно делают раз в неделю, а окна хорошо если раз в полгода. Казалось бы: "Ну раз в полгода то и самому не лень помыть!" Но, во-первых, всё-таки лень (точнее, некогда из-за работы и более приоритетных дел). А, во-вторых, у мойщика есть важное свойство, которого нет у пылесоса — повышение уровня вашей безопасности. В обычных условиях нужно вставать на подоконник или как-то свешиваться, даже при использовании длинной швабры. Есть хитрые механизмы на магнитах или со специальной ручной для безопасной мойки, но это всё равно требует орудовать в сравнительно опасных условиях. Робот же требует просто поставить его снаружи на край окна, а потом забрать с этого же края. #gadgets

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #crossmodal

当前筛选 #crossmodal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