TGTGInsightаналитика telegramLIVE / telegram public index
← [404] — программирование

TGINSIGHT SIMILAR POSTS

Найти похожее

Источник @procode404 · Post #3107 · 12 июл.

​⌨️Уроки по HTML для начинающих Язык гипертекстовой разметки HTML — основа любой веб-страницы, поэтому это первое, что следует изучать начинающему фронтенд разработчику. В своих коротких видео автор рассказывает про все детали, которые большинство упускает. 1. Установка brackets. Настройка brackets. Создание веб страницы [10:00] 2. HTML что такое тег. Парные, непарные теги. Тег i [8:12] 3. Структура HTML документа. Атрибут html тега. Параметры тега [13:37] 4. Атрибуты тега meta: name, content, http-equiv, charset, description, keywords, robots [11:31] 5. HTML теги для форматирования текста. html5 работа с текстом [17:19] 6. HTML список. Маркированный список. Нумерованный список. Атрибуты списков [6:48] 7. Cписки определений HTML. Теги dl dt dd. Frontend разработка [4:52] 8. HTML5 работа с изображениями. Тег img. Атрибут alt. Фон body картинка [16:29] #верстка

Результаты

Найдено 3 похожих постов

Поиск: #retrieval

当前筛选 #retrieval清除筛选
GitHub Trends

@githubtrending · Post #15265 · 03.11.2025, 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, 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