TGTGInsightаналитика telegramLIVE / telegram public index
← Система Кадры

TGINSIGHT SIMILAR POSTS

Найти похожее

Источник @firstkadry · Post #1663 · 31 окт.

Как вручить сотрудникам повестки из военкомата? Отвечаем на вопросы подписчиков. Если сотруднику пришла повестка в военкомат, обеспечьте ему своевременную явку по вызову. Вызвать в военкомат работника могут на военные сборы в мирное время, для того чтобы пройти медосмотр, при призыве на срочную службу или для уточнения документов воинского учета. Независимо от причины, в день и час, который указали в повестке, освободите его от работы и сохраните за ним средний заработок. 📚Период освобождения от работы отобразите в табеле учета рабочего времени. Используйте буквенный код «Г» или цифровой код «23» — невыход на время исполнения государственных или общественных обязанностей. На время прохождения военных сборов сотрудника освобождают от работы. На это время за ним сохраняют постоянное место работы, должность и средний заработок. Расходы на выплату среднего заработка за время прохождения военных сборов возмещают военные комиссариаты по местонахождению работодателя. Какие необходимы документы и какие еще есть гарантии у сотрудников, которых проходят военных сборы, читайте в Системе Кадры через демодоступ↖️ ❗️ Напоминаем: трудовой договор с сотрудниками, которых призвали на военную службу по мобилизации, приостанавливают, но не расторгают. На время приостановки договора работодатель обязан сохранить рабочее место мобилизованного работника. #ответ 🟢 Подписаться на канал для кадровиков

Hashtags

Результаты

Найдено 1 похожих постов

Поиск: #unifiedembedding

当前筛选 #unifiedembedding清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8801 · 17.10.2025, 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