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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #993 · 9.07

Trigger Warning: санкции, вкусовщина, личное мнение. Прочитал новость о снижении посещаемости кинотеатров в России. Спустя почти три года могу сказать, что нынешняя ситуация целиком уничтожила лично в моей жизни только две вещи: дроны и походы в кино. Всё остальное или чуть-чуть видоизменилось (перешёл с Fusion 360 на Компас, проблем не испытываю), или подстроилось вообще без заметных внешних эффектов (вместо Google Pay теперь платёжный модуль банка, например Alfa Pay, работает не хуже). Какие-нибудь 3D принтеры от топовых брендов всё так же продаются на Aliexpress с доставкой из России напрямую от производителя. Для покупки видеоигр и софта тоже куча вариантов. Стройматериалы есть (сделал 2 ремонта за последние 2.5 года), инструмент есть, электроника есть. Наверное, люди, которые любили путешествовать по Европам, испытывают больше неудобств. А пользователи Инстаграма и Фейсбука неудобств не испытывают, потому что они и так непрерывно едят кактус. Как и пользователи айфонов, впрочем, эти вообще готовы терпеть что угодно. И если с дронами всё очень трагично, то вот от кинотеатров я, похоже, отказался сам. Рефлексировал этот момент и понял вот что: иногда в кино выходило что-то, что я хочу посмотреть. Я порывался купить билет, но не из-за того, что в кинотеатре удобнее или качественнее, а просто ради возможности посмотреть что-то уже сейчас. Почти во всех случаях меня в итоге закручивали дела, и через пару месяцев я уже смотрел нужный фильм у себя дома. В этом смысле фильмы являются заложниками тех правил, по которым их сначала выпускают в кинотеатры и только потом уже в широком доступе. Был бы я готов платить деньги просто за получение фильма в момент выхода? Билет в хороший кинотеатр стоит порядка 1000 рублей, но ты отдаёшь эти деньги за инфраструктуру: комфорт, зал, звук, большой экран. Билет в плохой кинотеатр на тот же фильм будет стоить рублей 150-300. Если я не использую инфраструктуру кинотеатра и плачу только за доступ, то именно по этой цене и нужно смотреть. В таком случае да, пожалуй: дайте мне возможность заплатить эти 300 рублей и посмотреть дома фильм в момент его выхода, а не через несколько месяцев. Тем более, качество и комфорт дома будут кратно выше, чем в кинотеатре за 300 рублей. Понятно, что так не делают в первую очередь из-за пиратства, потому что кинотеатры позволяют гарантировать платёж, а цифровое распространение не позволяет. Но, всё-таки, надеюсь, современный тренд со всеми этими стриминговыми сервисами приведёт куда-то туда. #life

Hashtags

Резултати

Намерени 3 подобни публикации

Търсене: #retrieval

当前筛选 #retrieval清除筛选
GitHub Trends

@githubtrending · Post #15265 · 03.11.2025 г., 12:00

#python#ai#llm#rag#reasoning#retrieval PageIndex is an advanced AI tool that helps you find the most relevant information in long professional documents by thinking and reasoning like a human expert, rather than just matching keywords. It organizes documents into a clear tree structure, similar to a table of contents, and searches through this structure to give precise, trustworthy answers with exact page references. This method avoids the common problems of traditional vector-based search, making it ideal for complex reports, legal texts, or financial filings. You can use it easily via cloud services or run it locally, improving your ability to analyze and understand large documents quickly and accurately. https://github.com/VectifyAI/PageIndex

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