Barret李靖

统计数据

80

文章

0

粉丝

0

获赞

22901

阅读

5个月前

最近看到了一个开源工具 Zotero，用了一段时间，感觉挺不错的，它是一个学术文献管理工具，支持一键导入论文、自动生成引用和参考文献、批注笔记和标签分类。并且可以多端同步（桌面端、浏览器插件、移动端和网页端），让论文管理和检索变得非常轻松，文献下载后，也支持离线阅读和批注。现如今“看论文”这项活动，已经不局限在学术圈，大厂的算法、工程师，包括产品经理也会关注最新的研究成果，很多创新和实践是可以直接被用到工业界的。我过去两年看的论文数量就有一百多篇了，大部分是主题式学习，例如大模型基础、Prompt 优化、音视频处理、Agent 增强等等，但好多论文看了之后忘了名字也找不到了🥲，一直想搞个工具管理下，Zotero 基本可以满足需求。另外再推荐一个 github 项目，zotero-arxiv-daily，这是一个基于 Zotero 的自动论文推荐器，它会根据你已有的文献偏好每天从 arXiv 获取最新论文，通过语义匹配和摘要生成筛选出高相关内容，并以邮件形式推送，非常适合想要持续跟进前沿研究的人。

#Zotero #文献管理 #论文推荐 #学术研究 #效率工具

5个月前

看到一个可以将文章直接转换成 PPT 演讲的工具，Paper2Video，一篇文章+一个头像+一段语音样本，它就能帮你生成一个生动的演讲解说视频。对于偏专业和学术性的场景，这个工具几乎能承担起人工完成的工作，做学术汇报和做课程的朋友有福了😄 仔细阅读了源码和论文，它的实现方式颇为精妙，整个 PPT 的渲染，主要基于 Beamer 这个声明式布局框架： 1）首先让大模型对内容做一次通篇的解说，并做好摘要分段，确保能够把核心知识表达清晰； 2）对于每页 PPT 的布局，通过视觉模型判断是否存在溢出、错位、拥挤等情况，如果存在类似的问题，就会让布局模块生成多套拼接方案，对图片和文字进行缩放后进行不同组合，再由视觉模型从中挑选出最优的一张； 3）过程中还添加了一个虚拟鼠标，方便捕获观众的注意力，也让整个呈现更具动态感与交互感； 4）口型采用的是 Hallo2，这是一种支持长时长、高分辨率、音频驱动的人像动画模型，能够让头像与语音同步地做口型/表情动画。这个工具主要解决的还是论文汇报场景，不过有几个思路值得借鉴，包括如何将文章内容做拆解、如何做好 PPT 排版，如何做好口型等。稍微改改，应该也能适配到更大众化的领域，例如做自动培训视频、技术方案的交互式解说，甚至产品手册的可视化呈现，把 Paper2Video 升级成 Doc2Video。

#Paper2Video #PPT生成 #AI工具 #学术汇报 #自动化视频

5个月前

维权没啥特别经验，我只知道一个原则，别事事只为自己，想一想问题的普遍性，去寻找更大的问题，同时为最大的问题找到责任方和监管方。租车的商家想坑点钱，这没啥错，但不能狮子大开口，否则就会出现行业乱象，最恶劣的那波人都会冲入平台；难道平台不知道这类问题么，他们知道，但考虑到 ROI，他们会在“非关键”环节减少投入，例如租车价变更的审批、预扣款的审批等等，这些环节重要但也容易产生沟通纠纷。这次糟糕的租车体验，一定有平台的疏于管控，有可能是缺少对商家的培训和教育，有可能是缺少对流程的优化，也可能是业务流程过于非标导致治理困难。因此投诉，首先要找到平台的问题。那平台为什么会出问题？一个行业，只要发展成熟，就会出现对应的监管部门，例如快递，十多年前是没有针对快递的监管部门的，因为乱象太多，后来专门成立了这个部门。监管部门有责任和义务应对行业乱象，因此投诉，一旦受阻，应该即刻去找监管部门。投诉的要点是什么？不是我被坑了多少钱，而是平台缺少哪些标准化的流程和监管机制，因此才出现问题，然后我才被坑，投诉的要点一定是朝着平台规范化治理去的。你试想一下，那些政府部门的人想拿到好的结果，是不是也得有几个真实 case 可以切入进去，才能做出改变。当然，最终的鞭子肯定会抽到作恶的商家头上，如果只是要个人赔偿，那么让商家感受到平台客服、平台治理和政府监管的多重压力，同时让他们意识到自己在法律的边缘游走，这事儿基本就成了。但如果需要平台认错，让他们发生变化，还得靠朋友们一起花时间去斗争。

#维权 #平台监管 #行业乱象 #消费者权益 #标准化流程

5个月前

跟携程的维权有了阶段性结果，平台跟我沟通，说不收我钱了，扣款全部退还。我没接受。之前一位客服沟通话术就是各种“对不起”，“不好意思，我们无权处理”，我让他换个好意思、有权限的人来沟通。我购买的平台保险未覆盖停运费，该赔的还是要赔，但平台需要给我支付精神损失和维权时间成本（可以商量），同时平台应该对违规商家做治理和公示，并做好自查改进工作。跟 ChatGPT 一起办案，列举了平台和商家存在的系列问题（初步整理），平台在事前、事中和事后处理都很失败，商家就懒得吐槽了，他们纯粹就是为了坑钱。接下来，给他们先发个律师函试试？

#携程维权 #退款争议 #平台责任 #精神损失赔偿 #律师函

5个月前

最近两年 AI 的发展，😂，太生动了！

#AI #发展 #生动 #积极

5个月前

携程越来越像一家诈骗公司了。国庆租车五天花了一千八，其中包含三百的全额保险费。路上不小心刮擦了一点点😅，结果还车时却要收取四天两千二的停运费，真是离谱到家，要知道低峰期日租价格才一百多呢，还有一个小小刮擦要修四五天，撕逼的时候给我乐笑了。更有趣的是，第一天取车，还想着线下骗保，说交七百，若有车衣刮擦和停运费等都可免。我长得这么好骗么🤣 投诉携程的时候，他自己一口一个商家行为不合规，结果还是让事情发生了。后面又投诉了消协、交通委和市长热线，看看这次的维权成本和效果如何。

#携程租车 #租车诈骗 #消费维权 #停运费 #差评

5个月前

推荐学习下微软搞的这个 R&D-Agent 框架，，它是一个让 AI 能够自己做科研的系统——能提出问题、设计实验、验证结果、总结规律，整套科研流程都能自动化执行。微软还基于这套框架，构建了一个用于量化投资研究的智能体 R&D-Agent(Q)，，并与开源量化平台 Qlib 结合，实现了自动化因子挖掘与策略优化。照这个趋势发展下去，未来的量化研究，恐怕真得交给 AI 来操盘了，😅 R&D-Agent 的整体架构分为两个阶段：研究阶段（Research Phase）和开发阶段（Development Phase）。研究阶段由四个部分组成：规划、探索路径结构、推理管线和记忆上下文，它们通过反馈机制持续循环，不断在假设、实验与分析之间往复，让系统在多轮探索中自动调整方向、积累知识、优化策略；开发阶段则承接研究成果，主要包括编码工作流与评估策略，前者把想法变成可执行代码，后者负责验证与对比结果，确保系统演化出的改进真实可靠。两个阶段形成首尾相接的闭环，让科研过程实现持续反馈与自我进化。从本质上看，R&D-Agent 不是在“模拟科研”，而是在“系统化科研”。它让科学探索从线性的人力流程，转变为并行的智能网络。每一次假设的提出与验证，都会被记录下来，形成一份不断扩展的知识图谱，让科研活动变得可编排、可追踪、可积累。相关论文：1）《R&D-Agent: An LLM-Agent Framework Towards Autonomous Data Science》，；2）《Qlib: An AI-oriented Quantitative Investment Platform》，

谷歌Deep Research：AI操作系统雏形？· 145 条信息

#微软 #R&D-Agent #AI科研 #量化投资 #自动化

5个月前

软件开发里有一种叫 TDD（Test-Driven Development）的方式，简单讲，就是先写好测试用例，然后再写程序。每写一部分代码就立刻跑对应的测试，看能不能通过。能通过说明实现符合预期，不通过就说明有 bug。TDD 的好处在于，它让整个研发过程可验证、可回归，也让开发变成一种持续的反馈循环。 AI 的发展其实也像是在做一场巨大的 TDD，只不过测试用例变成了数据集（Dataset）。每一次模型迭代，本质上就是在跑新的单测（Benchmark）。MMLU 测知识广度，GSM8K 测逻辑推理，HumanEval 测编程能力，AIME 和 MATH 则测严谨的数学推理。每个 leaderboard 都是一张 AI 世界的成绩单——DeepSeek 在数学推理上用 GSM8K 打出好成绩，Manus 则靠打榜多模态任务的数据集 GAIA 崭露头角。这些 Benchmark 像是模型进化的里程碑，每一代 AI 都得交卷。 2025 可以说是智能体（Agent）元年，模型不再只靠会算、会说来评估，而是要能动手。要让一个 Agent 真正好用，光靠写 Prompt、加检索、拼上下文是不够的，它得能使用工具，能执行 Python、Shell、SQL，能感知状态、理解任务依赖，更要能在反馈中调整自己的行为。评估 Agent 好不好用，也就不能只看单轮问答，而得看它能否完成一件真实的工作。 Anthropic 做的 SWE-bench 就是个典型例子，让 Agent 去修真实项目里的 Bug，看能否通过单测。OpenAI 的 MLE-bench 则更进一步，考察 Agent 在机器学习工程中的执行力，从读数据、清洗、编程、训练，到收集指标、分析再改进，形成一个完整的闭环。社区里还在探索更复杂的测试，比如 App-bench，看 Agent 是否能独立开发一个 Web 应用，从前端到后端再到部署上线；或者 Ops-bench，让它去处理运维任务，比如容器编排、日志分析、系统回滚。这些都在考验 Agent 的真实工程执行力。 AI 的进步，正在从“能思考”走向“能执行”。TDD 让软件工程可验证，而在 AI 世界，Dataset 和 Benchmark 是创新的发动机。Dataset 定义了模型学习的方向，Benchmark 则刻画了行业标准与竞争格局。未来的竞争，不再是谁的模型更聪明，而是谁的智能体更能干活。真正厉害的 AI，不一定语义最深、参数最多，而是那个能自己规划、自己验证、自己改进的 Agent。换句话说，AI 的未来不只是更聪明的脑子，而是更靠谱的手和脚，能想、能做、还能自己查错修正，这才是“用得上”的智能。

#AI #tdd #agent #Benchmark #智能体

5个月前

脚本地址：

5个月前

写了个“网页划词后生成卡片”的油猴脚本，QuoteSnap，我感觉 ChatGPT 的审美还是在线的，跟它结对编程一个小时就搞出来了，效果很不错。脚本用法比较简单，在网页上划词后，连续按四次字母 c（或直接按 card 四个字母），就会弹出如图的分享卡片。支持更换主题色、编辑文字内容；支持将生成的内容转为图片复制到剪贴板，也可直接下载下来。

#油猴脚本 #网页划词 #QuoteSnap #ChatGPT #分享卡片

5个月前

推荐学习：

5个月前

如何找到一个好的研究方向，这对于研究生和博士生来说，是一件极其重要的事情，当然也包含在工业界从事学术和技术研究的人。它直接影响了研究产物的交付品质。那什么样的研究才算“有价值”？又该如何让它的价值足够大？可以从三个角度来看。 1）创新性，说的直白一点，就是开脑洞。ResNet 开了一个“残差连接”的脑洞，Transformer 开了一个“注意力即一切”的脑洞，ViT 开了一个“把视觉当成语言建模”的脑洞。开脑洞也叫“挖坑”，只要坑挖得够大，填坑的事情完全可以交给别人。Transformer 论文的引用量达到十万之巨，可以想象有多少人进来“填坑”。 2）有效性，即学术或工业价值。好的研究必须能“跑得通”，不仅概念上新颖，还要在实验中奏效、在工程上落地。很多论文提出漂亮的理论，但没有可复现的结果，也没有能被行业采纳的路径，这样的创新是空中楼阁。 3）问题规模，它决定了研究的“杠杆”。如果问题只是微调参数、改良细节，那么影响力往往局限在局部最优；而当研究直击底层约束、改变范式，它的能量就能跨越领域。好的研究方向，是在世界的噪音中找到一个“尚未被解答的确定性”，并用一套可验证的逻辑，让它从思想变成现实。

#研究方向 #创新性 #有效性 #问题规模 #学术价值

5个月前

大部分网站都支持倍速播放，但基本最大只有 2x，在遇到枯燥无味的剧情和解说时，2x 显然是不够的～于是，我手撸了个 0.5~5x-16x 倍速的油猴脚本，放置在网页右下角，可便捷操作。为啥还有个 16x？因为我发现，广告也是可以被加速的😂，16x 约等于跳过广告了。原理比较简单：定时监控 DOM 的变化，当遇到了 video/audio 标签时，就会展示右下角的控制器，然后通过标签的 playbackRate 属性来调整倍速。 P.S. 你也可以在油猴的配置里添加黑名单域名，避免打扰。

#倍速播放 #油猴脚本 #视频加速 #广告跳过 #网页工具

5个月前

最近在 B 站又跟着李沐读了不少 AI 论文，再次推荐他的《AI 论文精读》系列，论文的结构大多八股：摘要、引言、方法、实验、结论，一板一眼。但要把这样的内容讲得清晰易懂、让人愿意听下去，其实特别难。这考验的不是文笔，而是对问题本质的洞察力。 ResNet 是图像领域的奠基之作。李沐在讲这篇论文时，对它的写作风格评价很高——全文围绕一个核心思想：Residual Learning。简单一句话：别让网络从零学起，让它只学“差的那一点”。就是这个看似朴素的想法，改变了整个深度学习的训练方式。他读论文的风格也值得学习，不啃细节，而是“扫一眼、圈重点、问问题”三步阅读，关注的不是论文细节本身，而是作者在面对问题时的思考路径。这种方式能让人更快地看透论文背后的逻辑，而不是被推导公式困住。对作者来说，把简单的东西讲简单，把复杂的东西讲简单，都需要很深的功底。而对读者，要能抓住那个最核心的问题：“这篇论文到底想解决什么？”，当懂得用这种方式去读论文时，其实也在学习如何思考、如何写作、如何提炼本质。

#李沐 #AI论文精读 #ResNet #深度学习 #思考方式

5个月前

清理电脑时，找到了一个七八年前写的项目，为了将淘宝生态能力开放给 ISV，让 ISV 可以参与进来帮助商家把淘宝店铺体验做好，魔改了 VS Code 的源码，技术上做了非常多的定制化。为了方便调试 Weex DSL 的端容器代码，把 Chrome DevTools 直接给集成了进来，修改了部分 CDP 协议，也实现了一个适配 Weex 语法的 LSP；还劫持了插件市场，允许自定义插件跑在 IDE 上，自定义插件会暴露更多 VS Code 的能力，比官方的插件 API 要丰富很多；登录体系也替换掉了，改成了淘宝登录。 AI Coding 火起来之后，看到了很多基于 VS Code 魔改的项目，例如 Cursor、Trae、Kiro、Windsurf 等等，最近在搞这方面研究的时候，发现之前写的好多文章，仍有很大的参考价值： 1、《VSCode 是怎么运行起来的？》， 2、《让 VSCode 在本地 Run 起来》， 3、《带你开发和调试 VS Code 源码》， 4、《解密 VS Code 断点调试的原理》， 5、《NodeJS的代码调试和性能调优》， 6、《VSCode 调试中 launch.json 配置不完全指南》，当年改 IDE，是为了让人更高效；如今改 IDE，是为了让 IDE 更懂人。不过今天庆幸的是，你可能不需要学习这些知识也能把项目玩转起来，AI 对代码的理解力已经越来越强了，😄

#VS Code魔改 #淘宝生态 #ISV #AI Coding #IDE

5个月前

人性的底色是求变，稳定只是阶段性的幻象，而变化才是常态。唯有在变化过程中，迅速重建稳态，让情绪与行动跟上变化，才能走的更长远、更坚定。

#求变 #重建稳态 #情绪与行动 #长期发展 #积极

5个月前

再好看的风景，看多了也会腻；人亦如此。真正的发现之旅，从来不是奔赴远方，而是重新看待近处。换一个角度，哪怕是每天走过的路，也会看到不同的光影，不同的人情，不同的自己。新的视角，往往比新的目的地更重要。

#视角 #发现 #人情

5个月前

刚开始学开车的时候，坐姿总是拘谨，整个人几乎贴在方向盘上，眼睛死死盯着前方十米，每一脚油门下去，心跳和血压也跟着窜上来。后来，学会了把自己融入到环境，将人、车和路当成一个整体看待，开车就变成了一种本能。

#新手开车 #驾驶体验 #人车合一 #心态变化 #驾驶技巧

5个月前

慕强的人生活在恐惧中，因为他生怕自己不够强。狮子和兔子，兔子想说话，狮子说，你的牙齿呢，你闭嘴。可是狮子在大象面前，狮子又变成了那个弱者。如果把竞争当作一件重要的事情，内核就会不稳定，因为每次看到对手比自己强大，就会拼命提升对手强大的那一面，而忽视了自己的理想。关注自己想要的，心里默念着“我的敌人是现在的自己”，慢慢地就会发现，自己不仅在变强，也在走向想成为的那个自己。

#慕强 #恐惧 #竞争 #关注自己 #成为自己

5个月前

注意力是稀缺品，在一件事情上投入过多，就很难在另外一件事情投入。要保持高效和聚焦，就需要给自己做减法。做减法有两种方式，一是明确自己要达成的目标，目标一定是清晰、收敛的，及时清理与目标相关度低的任务，学会“断舍离”，学会放弃。什么都想要只能陷入局部最优，永远无法达到全局最优解。二是控制脑中的任务并发量。大脑能同时处理的任务数量有限，并发越多，关键任务能获得的注意力就越少。更严重的是，当并发过高时，人会感到压力，而一旦压力升高，注意力便会被转移到“压力本身”。这时，任何模糊不清的事都会被放大，成为焦虑的源头，让人陷入不安。关于这一话题，比较推荐《被讨厌的勇气》和《要事第一》两本书，断舍离的前提是自我接纳，要事第一首先要明确自己想成为怎样的人。只有在清晰的自我认知下，减法才真正有意义。

#注意力稀缺 #目标聚焦 #断舍离 #压力控制 #自我认知

5个月前

最近读《谷歌人不疲倦的工作术》，颇有感触。Google 的文化并不是要求员工拼命提高效率，而是努力把工作本身变成一件让人开心的事情。通过帮助员工做好专注力管理、能力管理、情绪管理、健康管理以及心理价值的确认，让人能够以更轻松的状态持续投入。最近同事跟我吐槽，他说之前在 Google 会很自然地把运动、休息写进自己的日程里，理所当然地认为，那也是工作的一部分；在这里，会有种不自在的感觉，工作和生活是割裂的。

#谷歌工作术 #员工关怀 #工作幸福感 #工作生活平衡 #企业文化

5个月前

一直在思考 iPad 可能用于哪些工作场景，这几年多次尝试和实践下来，均以失败告终，它天生就是个娱乐工具。不过，最近也想明白一个道理：娱乐是必需品，无需排斥。它的价值并不是追逐高效，而是让高效的事情变得轻松可持续。就像在 B 站看李沐讲神经网络，学习变成了追番；又或者在通勤路上听一档商业分析播客，信息获取像追剧一样自然。当娱乐与工作不再被切割，而是能够相互转化，工具的意义就发生了变化。真正的长期主义，从来不是死磕效率，而是找到一种能让自己长期沉浸其中的愉悦形式。

#iPad娱乐 #效率悖论 #长期主义 #工作娱乐转化 #轻松学习

5个月前

一些科普和资讯类的音视频，经常不想花太多时间看完，想着先将字幕扔给大模型总结，觉得有必要再回头细看。找了好几个抓字幕的 Chrome 插件，要么是抓不到内容，因为有些视频根本没提供字幕文件；要么是支持的网站有限，需要每个网站装一个插件。干脆就自己撸了一个😅，大概思路： 1）劫持网络请求接口，当探测到域名中包含类似 subtitle 的单词时，将内容打印出来。支持配置单词关键词。 2）当网页没有字幕文件时，通过浏览器自带的 Web Speech API 将文字识别出来。支持配置语言花了 20min，跟 ChatGPT 结对编程了一个油猴脚本，还挺好使。

#大模型 #字幕提取 #Chrome插件 #Web Speech API #油猴脚本

5个月前

费曼当年说的是，"What I cannot create，I do not understand"，他的用词是 create，这十多年一直理解为 teach/talk。后面还有一句，"Know how to solve every problem that has been solved"。

#费曼 #create #理解 #解决问题 #学习方法

5个月前

Andrej Karpathy 关于 Software 3.0 的演讲，看了好几遍，

#Andrej Karpathy #Software 3.0 #演讲 #人工智能 #技术趋势