ФСТЭК идет навстречу ИБ и ИТ-бизнесу
- АПКИТ продолжает конструктивное взаимодействие со ФСТЭК. Стали понятны цели изменений в ПП № 79. Цель - улучшить качество участников рынка. Стали понятны обоснования новых лимитов по численности специалистов.
По изменениям в ПП № 171 АПКИТ попросила снизить требования по численности персонала. Нашу логику услышали. Требования по численности вероятно будут существенно снижены. Остальные редакционные правки также были внимательно рассмотрены.
- Продолжаем обсуждать со ФСТЭК вопрос независимой сертификации ИБ-специалистов, в т.ч. на базе СПК-ИТ. Компаниям, заинтересованным в организации всего комплекса работ по сертификации (проверки компетенций и практических умений), просьба направить контакты своих представителей на [email protected]
Комина Алина.
- Собираем предложения для встречи со ФСТЭК по теме «Пути снижения барьеров экспортного контроля», предложения направляйте на [email protected] Комина
Алина.
#Новости
#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
⚡️ 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