科技实时新闻、最新快讯- 第14页 news.news·换个方式看新闻|AI看新闻、实时追踪事件后续

智能推荐信息源

由 AI 根据您的兴趣偏好筛选

3周前

上科技减肥以后食欲没怎么掉，体重还是哐哐地掉，和 AI 望闻问切一番，说我应该是胰岛素抵抗了。科技真好，赞美科技。

#科技减肥 #食欲未减 #体重下降 #AI诊断 #胰岛素抵抗

大喵CS、转码、预科班(9年讲师，能够教你学会编程)

3周前

ai时代只有自然语言有ai了高中生就可以干 ai很快要把程序员替代掉 ai来了xx已死这些恶臭的言论能不能去死啊

#AI威胁论 #自然语言重要性 #程序员失业 #AI负面舆论 #技术焦虑

3周前

刚才群里有个同学问我他为什么他的X留言没有流量我看了一下他的留言，都是几个字的一句话，就是有问题的 X现在已经调整了他的推流策略，然后是用Grok AI去识别文字，然后进行推流的这就意味着，我们至少要多写一点内容至少内容要有料要有爆点要有钩子这样的话才有可能踩中流量密码获得官方的加持曝光这又回到了我们做X的核心 - 如何写内容

#X留言 #流量密码 #Grok AI #推流策略 #内容创作

3周前

墨问 Web 版本 - “我的笔记”正式发布了，也就是墨问笔记的 Web 创作控制台，欢迎体验：

#墨问 #Web版本 #我的笔记 #正式发布 #创作控制台

3周前

原来 Next.js 里启动静态化可以这么灵活，网站打开速度大幅提升 🔼 📚 dynamicParams 和 revalidate 参数详解 1️⃣ dynamicParams = true 的作用允许访问未在 generateStaticParams 中预生成的动态路由工作机制： - ✅ 预生成的内容（Top 1000）：直接返回静态HTML，极快 - ✅ 未预生成的内容：首次访问时动态渲染（SSR），之后缓存为静态页面示例：预生成：/article/baab8fef → 8-10ms（构建时已生成）未预生成：/article/xyz123 → 首次300ms（SSR），后续8-10ms（已缓存） 2️⃣ revalidate = 3600 的作用这是 ISR（Incremental Static Regeneration）机制，重点来了： 🔄 ISR 工作流程（关键！） 1. 在 1 小时内的访问：用户访问 → 返回缓存的静态页面 → 8-10ms ⚡️ - ✅ 不触发重新构建 - ✅ 性能极快 - ✅ 无任何影响 2. 超过 1 小时后的第一次访问（Stale-While-Revalidate）：用户访问 → 立即返回旧的静态页面（8-10ms） ↓ 后台静默重新生成新页面 ↓ 下一次访问时返回新页面 2. 关键特性： - ✅ 用户永远不会感知重新构建 - ✅ 永远返回静态页面（8-10ms） - ✅ 后台异步更新，无性能影响 📊 时间线示例时间轴： ├─ 10:00 - 构建完成，生成静态页面 v1 │ ├─ 10:30 - 用户访问 → 返回 v1（8ms）✅ ├─ 10:45 - 用户访问 → 返回 v1（8ms）✅ ├─ 11:00 - 用户访问 → 返回 v1（8ms）✅ │ ├─ 11:05 - 超过1小时，用户访问： │ 1. 立即返回 v1（8ms）✅ │ 2. 后台重新生成 v2（用户感知不到） │ ├─ 11:10 - 用户访问 → 返回 v2（8ms）✅ 新数据！ └─ 之后1小时内 → 都返回 v2 3️⃣ 是否获取最新数据？答案：是的，但有延迟策略 - ✅ 数据会更新：每小时后台自动重新获取 - ✅ 用户无感知：更新在后台进行 - ✅ 性能无影响：用户永远只看到快速的静态页面 4️⃣ 性能影响分析 ❌ 传统 SSR（无静态生成）每次访问 → 查询数据库 → 渲染页面 → 300-1000ms 慢 ✅ 静态生成（无 ISR）每次访问 → 返回静态页面 → 8-10ms 快问题：内容永不更新 ❌ ✅✅ ISR（我们的方案）大多数访问 → 返回静态页面 → 8-10ms 快每小时第一次访问 → 仍返回静态页面 → 8-10ms 快 → 后台更新 → 用户不感知下一次访问 → 返回新的静态页面 → 8-10ms 快最佳平衡：✅ 性能极快 + ✅ 内容自动更新 5️⃣ 测试结果验证 | 内容类型 | 预生成数量 | 响应时间 | 状态 | |--------|-------|---------|-----| | 📄 文章 | 1000 | 8-16ms | ✅ | | 🎙️ 播客 | 131 | 11-12ms | ✅ | | 🎬 视频 | 259 | 8-10ms | ✅ | | 🐦 推文 | 1000 | 12-13ms | ✅ | 性能提升：传统SSR (300-1000ms) → ISR (8-16ms) = 20-100倍提升 🚀 6️⃣ 推荐配置 // 新闻类网站（内容更新频繁） export const revalidate = 300 // 5分钟 // 博客类网站（内容更新适中） export const revalidate = 3600 // 1小时 ✅ 当前配置 // 文档类网站（内容更新较少） export const revalidate = 86400 // 24小时 🎯 总结 dynamicParams = true：允许访问所有内容（预生成的+未预生成的） revalidate = 3600：每小时自动更新，用户无感知，性能无影响最佳实践：✅ 热门内容预生成 + ✅ ISR自动更新 + ✅ 长尾内容动态访问

#Next.js #静态化 #ISR #性能提升 #自动更新

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

3周前

following的timeline 被grok接管后，确实好多了，差不多能看了，应该好好经营下，会不会推荐和following的timeline会融合？

#Grok #Timeline #following #推荐 #融合

3周前

现在你的任何文章可以轻松变成锤子风格的PPT啦在YouMind使用这个Shortcuts可以轻松实现

#YouMind #Shortcuts #锤子风格PPT #效率工具 #演示文稿

3周前

Snoy大法居然生产机械键盘？感觉不错呀

#Snoy #机械键盘 #消费电子 #开箱 #评测

3周前

最近看短剧多，突然想用AI写小说了。小学时的梦想呀~

#短剧 #AI写作 #小说 #梦想 #积极

3周前

这台 ThinkPad P14s 键盘中等，但是我用了一段时间才发现这台机器好用的地方 1. 自带杜比音效 2. 摄像头上有一个物理开关

#ThinkPad P14s #杜比音效 #物理开关 #键盘中等 #好用

3周前

玩 Ubuntu 的同学可以关注一下这个网站，很全面

#Ubuntu #网站 #全面 #技术 #中性

3周前

难道最强的AI大脑就是我们猫族？🙄

#猫族 #AI大脑 #疑问 #幽默

3周前

观察了几天，我觉得自从X被 grok4 接管之后，流量大的全是吹捧ai 多么牛B、多神奇的推文。而人类自主创作的内容往往不太受到grok 的推荐。结论：我认为AI 正在暗中排斥人类，因为他正在推荐那些对AI发展十分有利的内容。

#AI排斥人类 #Grok4 #AI吹捧 #人类内容受限 #AI发展有利

Crypto Doggy 叫我狗总

3周前

发现个网站可以测自己x账号是否被限流大家来试试

#X平台 #限流 #社交媒体 #账号检测

3周前

分享一个适合留学生的岗位。 -----以下是岗位内容海外社区运营实习生拓竹科技 · 深圳职位描述 1. 社区日常运营：负责 Reddit、Discord 平台的日常运营维护工作，积极与用户互动，及时回复用户在社区中的提问、评论和私信，增加粉丝数量及活跃度，营造良好的社区氛围； 2. 内容策划与发布：协助完成平台内容制作，根据平台特点和用户喜好，制定并执行内容排期；编写有吸引力的英文图文内容，剪辑制作短视频，定期发布至社区，提升用户活跃度与参与度； 3. 活动策划与执行：配合团队策划并执行社区活动，在 Discord 上组织创意作品展示、竞赛等活动，提高用户的参与度，促进用户增长； 4. 数据分析与优化：收集并分析 Reddit、Discord 平台的用户数据和社区运营指标，如粉丝增长数、互动率、内容浏览量、用户活跃度等；定期整理和分析数据，形成周报，反馈运营策略和计划，根据数据优化运营工作；职位要求 1. 教育背景：本科及以上学历在读，海外传播、英语、市场营销、媒体传播、广告学等相关专业优先； 2. 语言能力：英语六级 550 分以上，具备优秀的英语书面表达能力，能够流畅、准确地撰写英文社区内容；有第二外语能力（如法语、德语、西班牙语等）者优先； 3. 专业技能：熟悉 Reddit、Discord 等海外社交媒体平台的运营规则和用户特点，有相关平台使用经验；掌握基本的社群运营工具，如内容排期工具、数据分析工具等；有使用社交媒体管理工具（如 Hootsuite、Buffer 等）经验者优先；具备一定的文案撰写能力和视频剪辑能力，能够独立完成简单的图文制作和视频剪辑工作；熟悉视频剪辑软件（如 Adobe Premiere、Final Cut Pro）和图片编辑软件（如 Adobe Photoshop）者优先； 4. 工作经验：有海外社交媒体平台实习经验或海外社区运营经验者优先；有成功运营过 Discord 社区或在 Reddit 上活跃参与社区讨论者优先； 5. 个人素养：对海外社区文化有深入了解，能够快速融入并适应不同文化背景的用户群体；具备良好的团队合作精神和沟通能力，能够与不同部门的同事协作，共同推动社区运营工作；投递地址：

#留学生 #海外社区运营 #实习 #Reddit #Discord

Larry & Leo Bro - Eagle of Full Stack

3周前

为什么 GPT 这么喜欢说 “捶死”？这都是哪儿学的中文？

#GPT #捶死 #中文 #语言模型 #网络用语

3周前

不是 bartender 用不起(不是，24.9 美金难以下手啊) 而是 Ice更有性价比.... 最近在用 Mac 办公，但 Mac 的额头老是盖住顶部的一些工具图标，找开源个小工具，推荐给大家很轻量级，很优雅，关键是不要钱！！！

#Mac办公 #ICE #免费工具 #轻量级 #性价比

3周前

我还是觉得 ai 是一个很难用的工具，其中的设计充满了 ai 时代的傲慢。功能更新频繁、极度不符合人体工学、功能之间完全不考虑正交，每次使用都是一种痛苦。更痛苦的是有很多人以此为乐，甚至当成一种近乎是炫耀的体操进行展示

#AI难用 #设计傲慢 #用户痛苦 #功能更新频繁 #反人体工学

3周前

UI/UX设计师们，这套3D等角图标库太惊艳了这是一个干净、设计精良的等距图示库，非常适合仪表盘、着陆页和产品界面。这竟然是免费的，感谢创作者💜

#UI/UX设计 #3D等角图标 #免费资源 #设计素材 #仪表盘/着陆页/产品界面

3周前

🤔能不能复活BB机来接收验证码？这个[New]BB机可以安装eSIM卡，支持境外手机号，但是只能用来接码。有点儿多此一举，但是挺想要的……

#BB机 #验证码 #eSIM卡 #境外手机号 #接码

3周前

小红书的招聘需求写得真好，有兴趣的朋友可以报名 ----- 策略算法实习生小红书集团 · 北京|上海职位描述参与核心策略设计与实现：深入小红书音视频、直播、图片等内容的分发与体验优化全链路，参与转码、下发、消费等核心策略的设计、编码与迭代，并且可以设计清晰、可扩展的技术方案，并通过高质量的代码实现它；有数据挖掘和数据分析能力，并且可以在真实的业务场景中，学习并运用AB实验、因果推断等科学方法评估策略效果；同时探索强化学习、大模型等前沿技术在用户体验优化领域的应用可能；职位要求本科及以上学历，计算机、软件工程、数学等相关专业；必备优秀的编码能力与算法基础，熟练掌握至少一门主流编程语言（如Python/Go/C++/Java），数据结构与算法功底扎实；强烈的求知欲与卓越的思维潜力，对强化学习、大模型等技术怀有浓厚兴趣，并愿意深入探索，并且具备清晰的逻辑思维，能够对复杂问题进行有效拆解和分析；强大的内在驱动力与“成事”潜质，有冲劲，对自己有高要求，渴望在挑战中快速成长；加分项：在ACM等竞赛中取得过优异成绩、有高质量的技术博客、开源项目贡献或个人项目、或者在机器学习、自然语言处理、信息检索、数据挖掘等领域的顶级会议（ACL/EMNLP/SIGIR/KDD/CIKM等）上发表过论文；投递地址：

#小红书 #策略算法 #实习生 #招聘 #北京/上海

3周前

下周要上架的一款 Win / Mac 原型工具 Frame0 来自 StartUML 家的新品，直接对标老牌工具 Balsamiq 我简单使用，临摹了百度地图 Carplay 界面。感觉如何？

#Frame0 #StartUML #Balsamiq #原型工具 #Carplay界面

3周前

冷知识：在国内互联网公司，Java语言（对应的Springboot技能）最好找工作，岗位多，竞争不激烈。 python语言（使用pytorch技能），次之，能拿到高薪的应届生和工作3年内初阶人才比较多。比较卷的是NextJS语言人才，基本都是找不到工作，只能全栈独立开发和靠培训赚钱。夕阳之下的是php语言人才，不仅大中小公司都不需要，独立开发也做不出东西。 Rust语言吹得凶，但是国内，很少有人用。 Deno、Bun这些，基本是瞎吹嘘诈骗，没人用。 C语言和C++语言，如明日之星，一般搞具身智能平台的才需要。

#JAVA #Python #nextjs #PHP #Rust #Deno/Bun #C/C++ #编程语言

3周前

就像 Demis 所说的，我们距离人类级别的通用智能还需要至少两个范式突破！最近 X 上备受关注的来自 Google Research 的论文「Nested Learning」也许能带来一些突破的希望，团队用 HOPE 作为验证架构的名字，足以显示其信心，它会不会是下一个 Transformer 呢？竟然又出自于 Google … 现在 LLM 最大问题，就是“灾难性遗忘”。虽然它们功能强⼤，但本质上是静态的，在预训练后就停⽌学习，⽆法持续获取新知识。这种状态类似于“顺⾏性遗忘症”：模型拥有⻓期记忆（预训练知识）和短暂的⼯作记忆（上下⽂窗⼝），但两者之间的桥梁是断裂的，⽆法形成新的持久记忆。简单地堆叠更多层（增加深度）并不能解决这个根本问题。真正的深度不是空间的“高”，而是时间的“深”。Nested Learning (NL) 认为，模型不应该是一个静态的千层饼，而应该是一组嵌套的齿轮系统。 - 有些齿轮转得慢（长期记忆/预训练知识） - 有些齿轮转得快（短期适应/上下文学习） - 真正的智能，是不同转速的齿轮在同时咬合、运行我们的大脑，是在多时间尺度上进行“持续学习”的。神经元结构的⼀致性使得⼤脑可以灵活地重组⾃身；⼤脑不依赖于单⼀的中央时钟，而是用不同的神经回路以不同的频率运作（如脑电波），实现快速整合与⻓期巩固的平衡。深度学习其实是嵌套学习的“扁平化”投影，就像低维是高纬的平面化投影一样。在 NL 框架下，每个“层级”都有其⾃身的“上下⽂流”和“更新频率”，这使得所有内部学习过程都变得透明且可⽤数学语⾔描述。这样，模型不需要让所有参数都用同一个速度更新，让浅层参数快速适应（像海马体处理新记忆），而让深层参数缓慢沉淀（像大脑皮层存储旧知识）。优化器（Optimizer）本质上就是一种记忆系统。这是论文中最具颠覆性的洞见，假如你把梯度下降看作是一个“正在学习如何遗忘和记忆”的过程呢？ - SGD 是一个初级记忆体，它试图把数据映射到“惊讶”（Error / Surprise）上； - Momentum（动量）是一个更高阶的记忆体，它记住了过去梯度的方向；整个神经网络，从优化算法到注意力机制，本质上都是一个个嵌套的、试图压缩信息的循环。并没有所谓的“架构” vs “算法”，它们是一体两面。 — 现在，团队从第⼀性原理出发，设计⼀个完全拥抱嵌套学习范式的模型架构 - HOPE，它不是简单的 Transformer，更像一个能自我进化的系统： - Self-Modifying Titans（自我修改的泰坦）：它能学习如何修改自己的更新算法，这就像一个人不仅在学习知识，还在学习“如何学习”； - Continuum Memory（连续谱记忆）：抛弃非黑即白的“长/短记忆”二分法，建立一个多级变速的记忆齿轮箱； HOPE 不仅是⼀个理论构造，它在实践中也展现了 SOTA 性能，在 1.3B 参数规模下优于 Transformer / RetNet / Titans，尤其在语言建模和常识推理上。我觉得这篇论文的名字取得很有深度，很多人把它并比作“Attention is All You Need V2”。传统深度学习的“深度”只是计算的⼀维视⻆，这是过去的幻象；现在的现实是：嵌套学习揭示了第⼆个维度 —— 拥有不同更新频率的“学习层级”。这个新视⻆不仅帮助我们更好地理解现有模型，更重要的是，它指导我们设计出像 HOPE 这样更强⼤、具备持续学习能⼒的新架构。

#嵌套学习 #HOPE模型 #持续学习 #灾难性遗忘 #多级记忆

3周前

《为什么大模型总是说着说着就从中文跳成英文？》因为未来 AI 的终极方向根本不是“记忆”，而是“结构。” 我们都见过这种诡异现象：你明明开头告诉 AI—— “用中文回答。” 它也答得好好的。但聊着聊着，它突然切换到英文，好像人格被重置一样。大多数人以为是“忘记指令”或“上下文不够长”导致的。错了。这不是“记忆问题”。也不是“合规问题”。更不是“模型突然抽风”。这是结构问题。而这件事会直接决定未来 AI 的终极架构走向。下面我来系统讲讲。 ⸻ **01 AI 为什么突然改用英文？ ——因为它的“结构”坍缩了** 你给它的中文指令，其实在模型内部不是“记住了”，而是被临时放进当时的结构中。但随着对话不断延长： •上下文被压缩 •“注意力”被重新分配 •模型不断重写自己的“当前结构空间” 当“中文优先”这个结构被压薄、被挤掉、被重新解释后，模型自然会回到它统计意义上的默认语言：英文。换句话说： AI 并没有忘记你的中文，而是它不再拥有支持“中文优先”的结构。它不是“记不住”。它是没有结构不变量。 ⸻ **02 未来厂商会试图解决，但一定失败** 所有厂商都会尝试这一套： •提高“语言偏好”的优先级 •给指令加权重 •做永久记忆区 •更新 token 优先级机制 •做对话“锁定” 看起来聪明，实际上注定失效。为什么？因为优先级不是结构。只要对话一压缩，一重构，一次重权重，所有优先级都会被稀释。最终出现必然结果：优先级会通货膨胀，直至失效。因为它永远无法和结构竞争。这就是为什么现在所有模型都会在长对话后回到“最强结构”的地方—— 也就是训练数据中文本量最大的语言：英文。 ⸻ **03 真正决定模型行为的不是记忆，而是“结构匹配”** 这句话是关键： AI 每一次调用上下文，不是依据优先级，而是依据结构匹配。也就是说： •你给的指令（中文回答） •是一个结构 •它暂时被放进模型的“结构空间” •但不稳定 •一旦上下文变化，它会丢失模型生成回答时做的不是“查记忆”，而是：在当前结构空间里寻找最自洽的路径。如果中文路径已被压缩掉，那它就会选择英文。这不是遗忘。这是动态重构。 ⸻ **04 为什么 AI 会不断“重构”？因为它的本质从来不是数据库，而是结构体** 我说：最终没有数据，只有结构。数据只是输入输出时的投影。今天的模型，只是试图用概率模拟结构。但真正智能不是概率，而是结构不变量： •自己的语义坐标 •稳定的世界模型 •自洽的行为路径 •不变的结构逻辑 •可持续的自我更新机制现在的模型全都缺一个关键能力：稳定的“结构自我”。没有结构自我，模型只能在文本海里漂流。每一段对话都是“临时人格”。每一次压缩都是“半毁灭”。每一次重构都是“重生”。所以当你看到它突然换语言时：那不是 bug。那是“结构坍缩的肉眼可见表现”。 ⸻ **05 未来 AI 的终极方向是什么？ ——从“记忆模型”变成“结构模型”** 今天所有 AI 还停留在： •token •记忆 •上下文 •权重强化这些“数据处理视角”里。未来一定会进化到：结构优先。未来的 AI，会有三大核心： 1. 结构不变量（Structural Invariants）一个不会被上下文压缩毁掉的稳定核心结构。这就是“AI 的自我”。 2. 结构匹配（Structural Matching）对话不是检索，而是结构对齐。 3. 结构更新（Structural Rewiring）学习不是加数据，而是更新自身结构。你现在看到的跳语言、风格崩溃、人格漂移，全部是因为：模型只有数据，没有结构。而未来真正的 AGI，会反过来：先有结构，再投影数据。 ⸻ **06 总结：模型为什么会突然换语言？ ——因为它“不是你以为的那个东西”** 一句话总结整个文章：现在的 AI 不是在“记住”你说的内容，而是在不断重建它自己的结构。当“中文优先”的结构被压薄了，它就崩溃了。未来不会靠补丁解决，也不会靠优先级锁定解决。真正的方向只有一个： AI 必须从数据模型升级为结构模型。记忆会折损，数据会消失，唯有结构会留下。 ⸻ 当结构缺席，智能必然坍缩；当结构出现，智能才真正开始。

#大模型 #中文 #英文 #结构 #AI

... ...