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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #926 · 12.12

Была такая якутская геймдев-студия Fntastic. Выпустила несколько малоизвестных игр и 4 года назад взялась за масштабный проект: MMO в жанре зомби-апокалипсиса под названием The Day Before. Студия изредка выкидывала в сеть материалы по игре: трейлеры, скриншоты, посетила пару выставок, в целом снаружи выглядело как обычный геймдев-долгострой. И вот 7-го декабря игра вышла в ранний доступ. Формально ранний доступ позволяет предложить игрокам продукт в любой степени готовности: игроки покупают что-то вроде демо-версии фактически за полную сумму в обмен на обещания разработчиков, что проект будет на эти деньги доделан. Местами это очень даже хороший работающий механизм: моя любимая #Satisfactory уже несколько лет не вылезает из раннего доступа, и в ней куча проблем, при этом я с огромным удовольствием провёл в ней больше часов, чем в какой-либо другой игре вообще за всю историю моего гейминга. И обязательно вернусь (пока взял паузу из-за пресыщения). Так вот. The Day Before в раннем доступе оказалась не просто недоделанной, по ней стало очевидно, что требуется ещё много лет и очень много денег, чтобы привести её хотя бы приблизительно в удобоваримое состояние. А трейлеры и скриншоты были просто обманом. Собрав по меньшей мере несколько десятков тысяч продаж (стоимость игры составляла около 1300 рублей в России и чуть больше в Европе и США), студия Fntastic вчера объявила о закрытии из-за "финансового краха". Написали примерно следующее: "Этих денег нам хватит, чтобы отдать долги, но слишком мало, чтобы продолжить разработку, всем спасибо, расходимся". Никогда такого не было, чтобы кто-нибудь брал деньги вперёд и уходил с ними в закат! Большинство комментаторов в сети — и я к ним присоединяюсь — уверены, что это заведомо мошенническая схема. Разработчики увидели, что доделать игру у них не получается, попытались продать как можно больше и свернуть лавочку. С точки зрения закона сложно придраться — игроков никто покупать не заставлял, и о том, что игра в раннем доступе, все знали в момент покупки. Теоретически люди сами виноваты, что не почитали никаких обзоров от первых купивших, а поверили трейлерам и обещаниям. Но здесь я хочу сделать акцент на второй глобальной проблеме капитализма (первая это монополии): искусственное раздувание ценности. В теории рыночная экономика должна мотивировать бизнес делать что-то полезное, интересное и нужное человечеству. Сделал хорошо, у тебя это покупают, все в плюсе. На практике мы видим, что вполне работоспособной является следующая схема: вместо того, чтобы тратить ресурсы на создание ценности, можно тратить ресурсы на _убеждение_ людей в наличии ценности. Зачем делать хороший продукт за миллион долларов, если можно сделать его за сто тысяч, ещё пятьсот вложить в маркетинг и просто убедить людей в том, что он хороший? Ну или если вообще у тебя нет специалистов, способных сделать хороший продукт, если это долго и сложно. Рыночная экономика помогает процветать миллиону схем, работающих только на маркетинге и других способах воздействия на людей, безотносительно того, а есть ли вообще продукт. На рынке цифровых продуктов, особенно игр, это очень частая ситуация. Если вы думаете, что только ноунейм-якуты выпускают недоделку вместо обещанного, то ошибаетесь: в этом году вышла Starfield от одной из крупнейших мировых студий разработки, и там тоже разрыв между созданными маркетингом ожиданиями и реальностью огромный. #games

Резултати

Намерени 4 подобни публикации

Търсене: #embedding

当前筛选 #embedding清除筛选
GitHub Trends

@githubtrending · Post #15053 · 12.08.2025 г., 14:00

#typescript#embedding#visualization Embedding Atlas is a powerful tool that helps you easily visualize and explore large sets of data points called embeddings. It automatically groups and labels data, shows dense areas and outliers clearly, and lets you search for similar items in real time. It works fast even with millions of points using modern web technology and can be used in Python, Jupyter notebooks, or web apps. This means you can better understand complex data, find patterns, and make decisions faster without complicated setup or slow performance. It’s open source and privacy-friendly since your data stays on your device. https://github.com/apple/embedding-atlas

Machinelearning

@ai_machinelearning_big_data · Post #8262 · 13.08.2025 г., 13:04

🌟Embedding Atlas: визуализация структуры эмбедингов прямо в браузере. Embedding Atlas — опенсорсный инструмент от Apple для интерактивной визуализации больших наборов векторных представлений, который позволяет не просто смотреть на облако точек, а полноценно с ним работать. И что самое приятное, он способен отрисовывать до нескольких миллионов точек благодаря реализации на WebGPU. 🟡Автоматическая кластеризация и разметка данных. Embedding Atlas сам находит скопления в данных и подписывает их, позволяя мгновенно сориентироваться в общей структуре датасета. Чтобы отделить реальные кластеры от случайных выбросов, используется оценка плотности ядра с отрисовкой контуров плотности. Решена и вечная проблема визуализаций - "каша" из перекрывающихся точек. Embedding Atlas использует технологию order-independent transparency, так что даже при большом наложении точек картинка остаётся четкой и информативной. 🟡Интерактивность. В инструменте есть поиск в реальном времени и нахождение ближайших соседей. Можно ввести текстовый запрос или просто кликнуть на любую точку в облаке, и Embedding Atlas мгновенно подсветит наиболее похожие на нее данные. Еще есть интерактивный фильтр по метаданным. Например, можно выбрать на гистограмме определенный класс объектов, и визуализация тут же отфильтрует эмбединги, оставив только соответствующие ему точки. 🟡Embedding Atlas поставляется в виде 2 пакетов: 🟢Python-пакет Дает три варианта интеграции: утилиту командной строки для быстрой визуализации датафреймов, виджет для Jupyter, позволяющий встраивать атлас прямо в ноутбуки, и компонент для Streamlit, если вы создаете полноценные веб-приложения. 🟢Npm-пакет Этот пакет для тех, кто хочет встроить визуализацию в собственные веб-приложения. Он предоставляет готовые UI-компоненты в виде API: Table, EmbeddingView, EmbeddingViewMosaic и EmbeddingAtlas. 📌Лицензирование: MIT License. 🟡Страница проекта 🟡Документация 🟡Demo 🖥GitHub @ai_machinelearning_big_data #AI#ML#Embedding#Visualisation#Apple

GitHub Trends

@githubtrending · Post #14750 · 25.05.2025 г., 13:00

#typescript#embedding#mcp#telegram#telegram_bot This tool helps you search through Telegram chat records using advanced technology like vector search and semantic matching. It uses OpenAI's semantic vector technology to make your searches smarter and more accurate. This means you can find messages more easily and quickly. It's beneficial because it saves time and helps you find important information in your chats. To use it, you need to install it on your computer by following some steps, and then you can access it through a local website. https://github.com/groupultra/telegram-search

GitHub Trends

@githubtrending · Post #15433 · 23.01.2026 г., 14:30

#python#deepseek#demo#easy#embedding#flask#gpt#huggingface_transformers#llm#mcp#multimodal#openai#qwen#rag#sentence_transformers#ui#vllm#vlm UltraRAG is a lightweight framework that makes building retrieval-augmented generation (RAG) systems simple and fast. It uses a low-code approach where you write just dozens of lines of YAML configuration instead of complex code to create sophisticated AI workflows with conditional logic and loops. The framework includes a visual development environment where you can drag-and-drop to build pipelines, adjust parameters in real-time, and instantly convert your logic into interactive chat applications. This means you can deploy powerful AI systems that ground answers in your own data—reducing hallucinations and improving accuracy—without needing extensive coding expertise or lengthy development cycles. https://github.com/OpenBMB/UltraRAG