home.social

#chroma — Public Fediverse posts

Live and recent posts from across the Fediverse tagged #chroma, aggregated by home.social.

fetched live
  1. طريقة تجميع بحث AI Vector من Oracle مقابل Chroma للتشابه:

    - Oracle AI Vector يركز على تخزين متجهات موزّعة مع تحسينات للـ GPU، ما يجعل الأداء عاليًا في استعلامات ضخمة.
    - Chroma توفر بنية خفيفة قابلة للتمدد بسهولة على الـ K8s وتدعم أدوات Open‑source مثل LangChain.
    - الاختيار يعتمد على حجم البيانات، ميزانية البنية التحتية، ومدى الحاجة لتكامل مع خدمات سحابية Oracle.

    #AI #Oracle #Chroma #VectorSearch #Fediverse

    🔗 news.google.com/rss/articles/C

  2. This is a piece of rubber.

    It has been

    • pulled Out of Nature
    • processed
    • folded
    • heated
    • sealed
    • provided with a Presta or Shrader valve

    And called an inner tube.

    These things are single point of failure

    Inner tubes are a single point of failure

    Because of this little piece of rubber I couldn't ride my race machine

    I had a choose another One

    We need redundant inner tubes while we keep riding on two wheels

    #Photography #Nikon #DSLR #no #filter #chroma #luma #exposure

    #ThreadedRodsForBeginners #cycling #training #tubes #inner #Presta #Schrader

  3. طريقة تجميع اختبار Oracle AI Vector vs Chroma للبحث المتجهى:

    - نجهّز بيئتين موحدتين، نولّد المتجهات باستخدام نفس نموذج الـAI.
    - نقيس زمن الاستجابة، الدقة (Recall@k) واستهلاك الذاكرة.
    - النتيجة: Oracle AI Vector يتفوق في الاستقرار وتوسّع الحمل العالي، بينما Chroma يقدم أداءً أسرع في مجموعات صغيرة.

    اختر الأنسب لتطبيقك بناءً على حجم البيانات ومتطلبات التوسّع.
    #AI #VectorSearch #Oracle #Chroma #تقنية_المفتوحة

    🔗 news.google.com/rss/articles/C

  4. Почему RAG — это не просто «добавить поиск»: latency, качество и выбор стратегии retrieval

    Когда говорят про RAG, его часто описывают как простой способ улучшить LLM‑систему: добавить поиск по внешним данным, найти релевантный контекст, передать его модели и получить более точный ответ. На уровне идеи это действительно выглядит логично. Но в реальной системе RAG — это не только способ обогатить ответ. Это отдельный операционный слой, который влияет на задержку, размер prompt, количество input tokens, стоимость запроса, качество ответа, SLA и требования к наблюдаемости системы. Я хотел посмотреть на это не в формате общих рассуждений, а на небольшом локальном стенде: где именно появляется дополнительная нагрузка, какие параметры сильнее всего влияют на latency, почему больше контекста не всегда означает лучшее качество и почему стратегия retrieval должна зависеть от типа вопроса и структуры данных. Это не промышленный benchmark и не попытка получить универсальные цифры. Скорее серия контролируемых экспериментов: посмотреть на механику RAG pipeline и компромиссы, которые часто остаются за кадром, когда RAG описывают просто как «поиск + LLM».

    habr.com/ru/articles/1040938/

    #RAG #LLM #retrieval #latency #Chroma #Ollama #vector_search #embeddings #topk #chunk_size

  5. When you have one SBC you will need more SBC.

    I will use the others for the specialist jobs for which I now have old systems that are not reliable anymore.

    One of them which should have an uptime of 2 weeks crashes every 24 hours. That's extremely unreliable. Eventually entropy kills everything

    #SBC #Raspberry #Pi5 #uptime #entropy #Photography #Nikon #DSLR #no #chroma #luma #technology #Azúl #focus

  6. These are the stats of a smooth ride on one of my Classic Race machines

    Always wear your PPE

    Make sure that everything is torqued properly!

    #ThreadedRodsForBeginners #Photography #Nikon #DSLR #chroma #luma #technology #cycling #training #bike #computer

  7. Chroma's Context-1 is a 20B agentic search model that prunes irrelevant docs mid-search with 94% accuracy. It runs 10x faster and 25x cheaper than frontier models while matching accuracy on complex multi-hop tasks. marktechpost.com/2026/03/29/ch #AIagent #AI #GenAI #AgenticAI #Chroma