TGINSIGHT SIMILAR POSTS
Source channel @olddriverGDstudy · Post #102 · Oct 18
游龙历险记 孔子云:食色性也。本人自然逃不出圣人所料。于是踏上了这条不归路。能看到这篇文章的估计都已经在此道初窥门径，我便不再规劝各位，望各位好自为之。以下我分享一下个人探索世界的经历，希望各位能从其中吸取教训，少上当，多开好车。 探索篇 人生初体验： 资源途径是朋友分享的专业招嫖软件，名为51品茶。一日恰逢休假，兴致大发，遂行动。QQ约好800/pp（上门）。到了宾馆之后给她拍房卡，发送手机号，坐等上门。约半小时后，人到。人图不一，想退货，奈何是个新手在小姐的忽悠下同意了（这个小姐外形也还行）。付钱开搞。服务非常简单，口硬了开干。态度奇差，一直玩手机。一炮结束后，大为扫兴，要求退钱。小姐没同意，说给推荐其他资源。让人走了，发消息不回。两百块没了。 事后反省： 招嫖软件上的基本都是代聊，鸡头，层层转包，八百最后到小姐手机可能只有四百。尽量不要通过软件找。根据另一次经历，推测出一个人软件发布资源，然后转给鸡头，鸡头联系小姐。对小姐不要心软，人图不一的全是代聊，直接拒绝。路费都不要给。这种小姐能拿到手的都非常少，不可能有好的体验。不要对小姐的人品抱有期待，和小姐的交易必须当面完成，人走账清。 人生再探索： 去找同学玩，同学介绍了一家洗浴中心，398半套，技师年纪偏大，服务一流。不满意的可以换，多换几个总能找到个还行的。熟人带着才有全套。 事后反省： 熟人带着可以搞大活，要么就装老嫖客，技师可以私聊带出来。级别翻倍。随便搞。 斗智斗勇篇 洗浴中心第二天，同学给了一个QQ号，加上之后网上选人。888/p，本人选了两个1600。留下联系方式和房卡。约好时间，时间到了之后让转账后小姐上楼。觉得号是同学给的诚信有保障，遂给888。转账后暴露，各种借口让付另一半，小姐没上楼。期间双方斗智斗勇，互相忽悠。我想让对面给我把钱转回来，对面忽悠我转剩下的一半。最终恼羞成怒，报上我的姓名，扬言砍我一只手，（猜测酒店前台泄露了我的信息）同时发来一段视频，西瓜刀寒光四射。本人放话：有种上来。同时戴上口罩开门跑路，110已经拨好，随时可打。 反省：任何时候都不要放松警惕，哪怕同学给的资源，不见小姐不付钱。面对卖淫团伙仙人跳威胁不要怂，他刚你更刚。报警挂嘴上。（报警流程有不熟悉的建议有机会找个小事试一下，一般会问一些信息，提前准备好，比如出警地点） 安魂舒缓篇 找同学玩回来，欲找个熟女安慰一下受惊的心灵。人来略坦，无奈大莱莱迷惑了我的双眼，上门后推荐闺蜜双飞，怦然心动。共计2400。无奈服务相当机车，身材走样，下面松垮垮，除了奶子可以，其余都不行。没射出来就软了。实在下不去鸡儿。 反省：不要相信鸡头嘴里熟女这种东西，玛德二十多的他说是学生，30多的他说是二十的，四五十的才是他们嘴里的熟女。再次强调不要在床上相信小姐任何话，这时候男人每个清醒的，要谈也是提上裤子以后。 同一个地方跌倒四次： 一日兴起，招嫖，谈好价格1000pp，人来看中，付钱后准备洗漱。小姐借口自己来之前已经洗漱过了，让我自行洗漱，于是洗漱，途中和小姐聊天，指挥我洗一下鸡儿，不然口的时候不卫生。遂用肥皂擦洗，泡沫正浓时，小姐夺路而逃。跑了。又一日兴起，约好后酒店等人敲门后端详良久，这特么不是上次跑路的那个小姐，遂激动指控，逼其退钱，无奈忘记堵门，又跑了。再一日兴起，来一未成年，吓我一哆嗦，赶紧换了一个，由于兴致大起，已经洗好澡等待，准备人来直接开干。来后小姐说已经洗过澡了，没多久，提枪上马，干到一半，小姐私处异味严重，大为影响兴致。某一日，兴致再起，欲探索酒店小卡片。打电话后，人来。500一次，没啥服务，催人，质量不行，隆胸，关键隆过以后也只有B-，还特么硬，我都不敢捏，害怕摸坏了。 反省：之所以是一个地方跌倒四次，是因为开房地点都在万达中心。怀疑此地有诈。各位谨慎。小姐来了以后一定要洗澡，不论她什么借口。一定要注意卫生。不健康不说，还特么影响兴致。如果洗澡前付了钱，就同时洗澡，要么洗澡之后付钱。针对上门小姐服务机车，不认真的情况，各位可以尝试事后付款。（这点要约之前就谈好，省的浪费时间），另外远离未成年，绝对不能精虫上脑。万一被抓就不是换个星球生活的事了 云南之行： 微信约好1600包夜，小姐来到后，外形颜值良好。遂付款开整态度良好。体验良好。两炮结束后，小姐借口上厕所，卫生间内偷偷穿戴整齐，趁机夺路而逃。一日游玩结束后，浑身酸痛，想洗个澡。打车告诉司机说去洗澡。无奈司机会错意，直接拉到一家养生馆，说有当地特色。于是体验一把。没有大活298，洗澡加按摩加轻色情服务，最后大飞机。技师相当漂亮。听话。云南少数民族农村的，后悔没加微信。 反省：包夜一定要谨慎小姐偷偷溜走，思来想去只有钱给一半这个办法，这种方法也得提前说好。省的浪费时间。养生馆的小姐姐，我怎么就没要微信呢。真特么后悔。 青岛之行: 是一家spa馆，只做特殊服务的那种，小姐质量超高，服务非常机车。1399打了个飞机摸了一下奶。 反省：不要让妹妹迷失了双眼啊，看到漂亮姐姐就付钱是可耻的。 门店会员： 一家我工作城市的足浴店，挺大的，技师日常上班三四十个。质量有好有差，不满意就换，服务分档次，1000的会员，3000的会员，10000的会员。我是3000的，3000的不给口，可以打奶炮。服务挺好，单次消费666，按摩，加胸推，调情之类的，不给口，不给日。 反省：足浴店的技师因为按摩脚丫子，稍有不慎就会沾染脚气，再摸你的蛋蛋，容易引起蛋蛋瘙痒，或者各种皮肤病。要谨慎啊，事后一定要用肥皂清洗自己的二弟，别图省事用纸擦擦了事。别问我怎么知道的。 大本营： 一个外围2000两小时，相当漂亮，服务温柔，身材也好。 反省：我怎么这么穷？ 作者：王一 标签：#原创，#知识，#经验反省
Search: #dataset
@acidcrunch · Post #1912 · 12/11/2025, 06:32 AM
1250 интервью ИИ-датасет Большое исследование уникальных кейсов использования ИИ в разных областях. Создано Antropic, структурированно Денисом. 😂Прикольно, зайдёт любителям искать идеи для стартапов) #dataset | AcidCrunch
Hashtags
@data_stitches · Post #108 · 09/30/2021, 08:54 PM
AIST++舞蹈动作数据集 - by Google Research，该数据集提供了视频中1000万张图像的详细注释，以及1408个三维人类舞蹈运动的序列"，其中一些可以在网站上探索 #dataset
Hashtags
@data_stitches · Post #103 · 09/28/2021, 11:01 PM
Covid19导致人类预期寿命自二战以来最大降幅 - 牛津大学发表的最新研究报告和可视化应用显示，大流行导致2020年人类预期寿命为二次世界大战以来的最大降幅，其中以美国男性的预期寿命降幅最大，以及这周经济学人的Daily Chart 的报道#dataset
Hashtags
@ai_machinelearning_big_data · Post #8455 · 09/05/2025, 08:35 AM
🌟На Hugging Face вышла обзорная статья об открытых ML-датасетах Автор новостного ресурса Daily Dose of Data Science собрал самые интересные релизы крупных датасетов и моделей. Среди них — Yambda-5B от команды Яндекса, крупнейший в мире открытый музыкальный рекомендательный датасет. В Yambda-5B 4,79 млрд обезличенных взаимодействий: прослушивания, лайки и дизлайки треков. Датасет уже привлек внимание мировых исследователей и обещает стать важным инструментом для развития рекомендательных систем. 🔗Подробнее @ai_machinelearning_big_data #ai#ml#dataset
@data_stitches · Post #133 · 10/09/2021, 11:52 AM
Manifest - by Matthew Hockenberry 一个记录全球供应链、生产线和贸易网络的数据调查工具 #tools#investigation#dataset
Hashtags
@datasciencejobs · Post #1723 · 10/10/2023, 03:07 PM
#вакансия#dataset#MLEngineer#AI#разработчик Компания: ВодоходЪ.Технологии (www.vodohod.tech) Позиция: ML-инженер/разработчик Опыт работы: 1–3 года Занятость: full-time проект Локация: Офис/удаленно Доход: 150-200K net Ищем активных, перспективных коллег для усиления нашей команды в работе над технологическим проектом по разработке системы поддержки принятия решений с использованием алгоритмов искусственного интеллекта. ▶️Задачи: Техническая проработка и техническое обоснование решений; Сбор Data set; Реализация и внедрение в ERP-систему AI-решений для моделирования и прогнозирования цен на основании статистических и исторических данных; Data-driven разработка инструментов автоматизации маркетинговых кампаний. ▶️Требования: Степень бакалавра (или выше) в области математики, информатики и смежных технических областей; Знание линейной алгебры и статистики применительно к Data Science; Понимание структуры моделей ML; Уверенное владение Python (NumPy, SciPy, PyTorch, Sklearn); Ответственность, внимательность, желание учиться новому. ▶️Будет плюсом: Уверенное знание PostgreSQL, Redis, Kafka, ClickHouse; Опыт работы с DVC, MLFlow, Airflow, Docker; Опыт разработки проектов в областях Data Science, Deep Learning; Умение работать с Git. ▶️Условия: Возможность работать в технологической компании; Конкурентоспособная заработная плата; Аккредитованная IT-компания: льготы для сотрудников; Адаптивный рабочий график; Возможно временное оформление: договор услуг, подряда, ГПХ, самозанятые, ИП. Отклики просьба присылать на почту [email protected]
@ai_machinelearning_big_data · Post #9494 · 02/09/2026, 10:05 AM
🌟HY3D-Bench: 22 терабайта отборной 3D-геометрии. Tencent Hunyuan вывалили в опенсорс монструозный пак HY3D-Bench на 22.5 ТБ и это подарок для всех, кто занимается 3D Gen и робототехникой. Датасет разбит на 3 логических куска, каждый под свои задачи: 🟡Full-level Dataset (252K+ мешей, ~11 ТБ) База с полностью замкнутой геометрией, без дырок и non-manifold артефактов, которыми обычно кишат сканы. Все нормализовано и готово к скармливанию в DiT или GAN. В комплекте идут сэмплы точек и мульти-вью рендеры. 🟡Part-level Dataset (240K+ объектов, ~5 ТБ) Мёд для робототехников и тех, кто занимается geometric perception. Тут объекты с семантической сегментацией на части. Если учите сервоприводного друга манипуляциям или хотите генерить объекты кусками - вам сюда. 🟡Synthetic Dataset (125K+ объектов, ~6.5 ТБ) Очевидная синтетика, чтобы закрыть редкие категории, которых нет в обычных датасетах. Охват - 1252 категории. Ждем волну SOAT-level 3D-генераторов, дотюненных на этом наборе. 🟡Arxiv 🟡Датасет 🖥GitHub @ai_machinelearning_big_data #AI#ML#Dataset#HY3DBench#Tencent
Hashtags
@ai_machinelearning_big_data · Post #8459 · 09/05/2025, 01:00 PM
🌟InfoSeek: синтез данных для deep‑research с формализацией HCSP. BAAI представила InfoSeek — открытую методику синтеза данных и учебный контур для глубоких исследований. Задачи такого класса выходят за рамки обычного извлечения фактов: модель должна раскладывать вопрос на подзадачи, координировать многошаговое рассуждение и проверять ответы по источникам. Эти задачи формализуются как HCSP — иерархические задачи удовлетворения ограничений, решение которых возникает только при последовательном сужении кандидатов на нескольких уровнях, где каждый внутренний узел сам является подзадачей, а зависимость между узлами образует дерево исследования. Базовая идея проста: данные строятся вокруг древа исследования. Вершины - сущности или атомарные факты, ребра - проверяемые отношения из Википедии и открытых страниц. Алгоритм синтеза явно управляет структурой, чтобы исключить недоопределенность или ранние "короткие замыкания". В HCSP ответ формально равен пересечению множеств, заданных текущими ограничениями и рекурсивными подвопросами; в терминах дерева корень — финальный ответ. Такой подход не только задаёт глубину и ширину рассуждения, но и делает каждый промежуточный шаг проверяемым по конкретным утверждениям. 🟡Синтез выполняет связка из 2 агентов. Планировщик контролирует глобальную сложность, выбирая цель и тип расширения, а Браузер добывает факты и ссылки из страницы сущности. 4 операции покрывают весь жизненный цикл: 🟢Инициализация из "якоря"; 🟢"Размытие родителя" - добавление нескольких независимых условий, которые в совокупности определяют уникальный ответ без включений между кандидатами; 🟢Вертикальное углубление по гиперссылке для увеличения высоты дерева; 🟢Генерация текста вопроса лишь после того, как каждый узел имеет достаточный набор проверяемых ограничений и достигнуты заданные метрики сложности. Качество контролируется по 2 осям: сложность и проверяемость. Сначала вопросы прогоняются "в лоб": если мощная базовая модель отвечает правильно без поиска, образец исключается, так было отсеяно около 2%. Затем проверяется решаемость на фиксированном наборе страниц с примесями-дистракторами и все двусмысленное удаляется. Итог: датасет с 50 тыс. пар вопрос–ответ и 16,5 тыс. траекторий размышлений с метками извлечения. 🟡Эксперименты. Тесты показали, что InfoSeek переносится за пределы домашнего домена. На классических наборах для извлечения фактов и мульти‑hop вопросов компактная модель InfoSeeker‑3B опережает типовые RAG и агентные пайплайны. На BrowseComp‑Plus с фиксированным корпусом 100K страниц и BM25 точность достигает 16,5% при среднем 8,24 обращения к поиску, что выше, чем у Gemini 2.5 Flash, Sonnet 4 и GPT‑4.1 и значительно выше Qwen3‑32B и Search‑R1‑32B. Замена обучающего набора NQ+HQA на InfoSeek поднимает точность с 3,0% до 16,5% и делает запросы осмысленно более частыми. ▶️ Из готового у проекта есть датасет, техотчет, конструктор древа данных и код для SFT- трейна. В планах - код RL и публикация весов InfoSeeker‑3B. 📌Лицензирование: Apache 2.0 License. 🟡Датасет 🟡Arxiv 🖥GitHub @ai_machinelearning_big_data #AI#ML#DeepResearch#Dataset#InfoSeek
@ai_machinelearning_big_data · Post #9243 · 12/12/2025, 02:09 PM
🌟OMC25: датасет для вычислительной химии. ОMC25 - крупнейший набор данных по молекулярным кристаллам, рассчитанный методом теории функционала плотности (DFT) в пакете VASP. В основе датасета лежат структуры, полученные из траекторий релаксации молекулярных кристаллов. Сами исходные кристаллы были сгенерированы с помощью инструмента Genarris 3.0, который, в свою очередь, использовал молекулы из известного набора OE62. Это обеспечивает преемственность данных и четкую привязку к проверенным химическим структурам, но масштаб здесь совершенно иной. Тренировочная часть содержит почти 25 млн. фреймов. Это данные по 207 тыс. кристаллов, которые, в свою очередь, произошли от 44 тыс. уникальных молекул. Валидационная часть меньше, но тоже весовая: около 1,4 миллиона кадров. Данные упакованы в формате ase-db как объекты LMDBDatabase, что является стандартом в задачах машинного обучения для химии. Исходные кристаллы были созданы программой Genarris 3.0. Она, в свою очередь, использовала молекулы из популярного набора OE62. Так что у данных есть четкая привязка к проверенным химическим структурам. Работа с данными сета происходит через библиотеку fairchem. Каждая структура хранится как объект ASE Atoms, что привычно для инженеров, работающих с атомистическим моделированием. Ключевые метки для обучения моделей включают полную энергию DFT, силы, действующие на атомы, и тензор напряжений . Это "каноническая троица" для обучения межатомных потенциалов. Помимо физических величин, в атрибуте atoms.info зашиты критически важные метаданные. Помимо самого набора, авторы выложили базовый чекпоинт eSEN-S, обученный на всём OMC25. 📌Лицензирование : CC-BY-4.0 License 🟡Датасет 🟡Модель 🖥GitHub @ai_machinelearning_big_data #AI#ML#Dataset#FAIR#Chemistry
Hashtags
@ai_machinelearning_big_data · Post #9412 · 01/21/2026, 09:07 AM
🌟GenRobot RealOmni-OpenData: апдейт датасета для Embodied AI RealOmni - это не просто каталог видео, где роборука хватает кубик на белом столе. Это мультимодальный подарок с траекториями, аннотациями и движениями суставов. 🟡Сенсоры Картинка с Fisheye-камер, данные IMU (инерциалка), энкодеры и данные с тактильных датчиков с разрешением 1 мм. 🟡Сценарии Снимали в 3000 реальных домах, никаких стерильных лабораторий: складывание одежды, завязывание шнурков, разбор посуды и сортировка всякого хлама. 🟡Bimanual manipulation Почти все таски двурукие. 🟡Long-horizon Медианная длина клипа ~ 210 секунд. То есть это не "схватил-положил", а полноценные процессы "достать, сложить, убрать в ящик". В свежем обновлении добавили 35 тыс. клипов с фокусом на разгребание куч разнородных предметов. Это именно та задача, на которой сыпется большинство моделей. Немного цифр о всем датасете 🟢Объем (заявленный): 95 ТБ (об этом ниже). 🟢Количество клипов: 1M+ (в планах). 🟢Разрешение: 1600x1296 @ 30fps. 🟢Формат: .mcap (стандарт для ROS, внутри сжатый H.264). Весть проект запланирован объемом 95 ТБ и хронометражем 10,000 часов. Но если посчитать, то что уже залито (Stage 1 + Stage 2), то суммарно около 5.4 ТБ и ~1600 часов. Остальное обещают догрузить as soon as possible. 🟡Важно знать Данные собраны специфическим гриппером GenDAS, так что если у вас другой сенсорный массив (или его нет), transfer learning может стать болью. Ассеты заточены под железку GenRobot. Это все еще телеоперация. То есть мы учим робота копировать движения человека-оператора и если он тупил или руки дрожали сетка это тоже выучит. Тем не менее, это очень крутой релиз для тех, кто пилит домашних роботов. Данные по завязыванию шнурков и разбору предметов в open-source редкость. 📌Лицензирование: CC-BY-NC-SA-4.0 License. 🟡Датасет 🖥GitHub @ai_machinelearning_big_data #AI#ML#Robotics#Dataset#RealOmni#GenRoborAI
@DHRIsfu · Post #643 · 01/23/2025, 05:41 AM
😉 Благодарим всех, кто посетил онлайн-семинар с участием Ивана Викторовича Бегтина: теперь можно смело говорить о том, что дата-инженерия в DH интересна сотням людей! Вы можете найти все выпуски «Цифровой среды» здесь (в ближайшее время на странице появится и запись «Дата-инженерии в цифровой гуманитаристике»). Несколько полезных ссылок по мотивам доклада: 🔜 О глобальной инициативе OpenGLAM https://openglam.pubpub.org/ 🔜Наборы данных для ИИ Национальной библиотеки Норвегии https://ai.nb.no/datasets/ 🔜Открытые данные национальной библиотеки Финляндии https://data.nationallibrary.fi/ 🔜 GLAM Workbench коллекция культурных данных и API Австралии https://glam-workbench.net/ 🔜 Приоритетные площадки для работы исследователей – Hugging face https://huggingface.co/ и Kaggle https://www.kaggle.com/ 🔜 Веб-архивы Сommon Crawl https://commoncrawl.org/ и Internet Archive https://archive.org/ 🔜 Платформа для поиска данных Dateno https://dateno.io #opendata#dataset#glam#openglam#datacatalogs#данные#датасеты
@neuroport · Post #526 · 11/26/2025, 07:48 AM
✍️ SuperCaption Qwen3-VL ● Ультимативный генератор описаний ● Portable by Nerual Dreming & Slait Ссылка на оригинальный GitHub: https://github.com/timoncool/SuperCaption_Qwen3-VL Репакеры:#NerualDreming, #Slait Дата обновления: 26 ноября 2025 Версия: 1.0 Категории:#captioning, #img2txt, #AIvision, #video2txt, #OCR, #dataset Платформа:#Windows Язык: RU, EN, CN Место на диске: ~15 ГБ (зависит от модели) Системные требования: NVIDIA GPU (минимум 6 ГБ VRAM для 2B модели, рекомендуется 12+ ГБ для 8B+) Совместимость:#Nvidia 🖥Описание софта SuperCaption Qwen3-VL — это мощнейший комбайн для анализа визуального контента. В его основе лежит модель Qwen3-VL, которая "видит" мир лучше многих конкурентов. Главная фича — использование Abliterated моделей, у которых отключена цензура. Это значит, что софт опишет абсолютно всё, что вы ему покажете, без морализаторства и отказов. Идеальный инструмент для дата-сайентистов, контент-мейкеров и всех, кому нужно превратить гигабайты картинок и видео в структурированный текст. 😬Основные возможности SuperCaption Qwen3-VL Работа с изображениями (50+ режимов): 🟣Генерация промптов: Создает готовые промпты для Stable Diffusion и MidJourney, теги в стиле Booru. 🟣Маркетинг и SEO: Пишет продающие описания товаров, SEO-тексты (до 160 символов), посты для соцсетей. 🟣 Продвинутый OCR: Распознает текст на 20+ языках, конвертирует таблицы с картинок сразу в HTML-код, извлекает данные в JSON. 🟣Сравнение и анализ: Режимы "До/После", сравнение товаров, контроль качества (поиск дефектов), анализ временных рядов. 🟣Object Detection: Находит объекты и выдает их координаты (bbox) в JSON или рисует рамки прямо на фото. Интеллектуальный анализ: 🟣Thinking Mode: Режим "рассуждений" для сложных задач — модель сначала думает, потом отвечает. 🟣Решение задач: Пошаговое решение математики, физики, разбор учебных заданий. 🟣Аналитика: Читает графики, диаграммы, технические чертежи и медицинские снимки. Видео-аналитика: 🟣Таймлайны: Создает хронологию событий с таймкодами. 🟣Саммари: Делает краткую выжимку содержания длинных видео. 🟣Анализ монтажа: Оценивает склейки, переходы, темп и операторскую работу. 🟣Поиск действий: Находит конкретные моменты (например, "когда человек начал бежать"). Прочее: 🟣Пакетная обработка: Закидываете папку с тысячей файлов -> идете пить кофе -> получаете TXT/JSON/CSV файлы для каждого. 🟣Гибкость: Полная поддержка кастомных промптов на русском языке. 💿Установка и запуск ⁍ Скачайте архив SuperCaption_Qwen3-VL. ⁍ Распакуйте в удобное место (путь без кириллицы!). ⁍ Запустите install.bat и выберите свою видеокарту. ⁍ Нажмите Enter и дождитесь окончания установки. ⁍ Запустите run_with_update.bat для старта. ⁍ Интерфейс откроется в браузере (http://127.0.0.1:7860). ➡️Скачать SuperCaption с GitHub — исходный код ➡️Скачать Portable установщик — скачает все что нужно ➡️Скачать Portable архив с окружением — Окружение под Win 11 и RTX 4090 💬Обсудить в нашем чате 👾НЕЙРО-СОФТ - делаем нейросети доступнее