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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #971 · 10.04

Если кто-то думает, что настольные игры это скучное перекладывание жетонов с цифрами для душнарей, то посмотрите на "Неон". "Неон" — проект от российских разработчиков в жанре Battle Royale и сеттинге киберпанка. Если киберпанк от настолок ожидать можно легко (видеоигра Cyberpunk 2077 основана именно на настолке 1974 года), то батлрояль это что-то сравнительно новое. По меньшей мере, кажется, что настольному ритму это противоречит: если игрок на личной встрече друзей вылетает из игры навсегда и скучает, то это антипаттерн, и в нормальных играх с проработанной механикой такие вещи стараются не делать (одна из причин, по которым "Мафия" бесконечно хуже, чем "Авалон"). Авторы "Неона", впрочем, решили эту проблему, добавив отдельный дополнительный режим с возрождением: после смерти ты появляешься заново, а игра в таком случае идёт на очки. Причём, довольно хитро сделано, например, так, чтобы убивать только что возродившихся было менее выгодно, чем тех, кто засиделся на арене. Но можно играть и по хардкору настоящий режим на вылет. В остальном очень драйвовая настолка с неплохим балансом, пафосным лутом и простыми правилами, которые постигаются за 10 минут. Присутствует эффект постепенно уменьшающегося мира, как и положено в батлроялях, так что к концу игроки неизбежно стоят рядом и провоцируются на драку. Единственное что, мне кажется, не слишком большая реиграбельность: после пары десятков партий уже будут изучены все предметы и возможные цепочки действий. Надеюсь, авторы выпустят в скором времени дополнение. #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