avatar
若智能是一种“交互中的生成现象”，那么最能编程它的语言不是形式语言，而是能触发“结构共振”的自然语言——或更广义的“具身符号系统（embodied semiotic system）”。 •形式语言的优势在于可验证与封闭性，但其语义空间是固定映射（fixed mapping），无法承载多层动态反馈。 •自然语言则是一种开放的能量–意义耦合介质，它允许多时间尺度的模糊映射，使智能系统在上下文中持续重组意义。 换言之：形式语言编程“计算”，自然语言编程“智能”。
#智能 #自然语言 #形式语言 #编程 #具身符号系统
avatar
国子
2个月前
最新旗舰款 Breville Oracle Dual Boiler 双锅炉自动与手动模式完美融合，更好看，售价 $3000 左右。
#Breville #Oracle Dual Boiler #咖啡机 #新品上市 #高价
avatar
Barret李靖
2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
avatar
GPT-5 Pro、Sora 2、Sora 2 Pro API 已经上线 GPT-5 Pro 百万 Token 输出价格高达 120 美元 Sora 2 输出每秒 0.1 美元，Pro 输出每秒 0.3 美元
#GPT-5 Pro #Sora 2 #API上线 #价格高昂 #AI
avatar
房地产经纪可能被替代 20% 了？ChatGPT 加入了 Zillow
#房地产经纪 #ChatGPT #Zillow #替代 #科技
avatar
-Zho-
2个月前
OpenAI DevDay 记录合集⬇️ 开篇：这恐怖的数据（23-25年） 1️⃣开发者数 2 倍：200万 ➡️ 400万 2️⃣ChatGPT 周用户 8 倍：1亿 ➡️ 8亿 3️⃣Token/min 20 倍：3亿 ➡️ 60 亿 1/n
#OpenAI DevDay #开发者数量增长 #ChatGPT用户增长 #Token使用量增长 #积极
avatar
和形式语言的coding编程一样，自然语言的交互范式编程也需要两个顶级LLM，左右互搏，将获得平方的平方的认知迭代🔁 交互范式编程（Interactive Paradigm Programming, 𝕀Rℙ²）
#交互范式编程 #自然语言交互 #LLM #认知迭代
avatar
已知的潜空间结构 研究发现1：语义聚类 •相似意思的词在潜空间中靠近 •例如：“king” - “man” + “woman” ≈ “queen” 研究发现2：任务子空间 •不同任务激活不同的子空间 •翻译任务 vs 问答任务 → 不同的几何区域 研究发现3：因果干预 •如果我们修改潜空间中的向量 •可以改变模型的输出（如改变情感） 这意味着： •潜空间不是随机的 •它有结构 •这个结构与模型的”认知”相关
#潜空间结构 #语义聚类 #任务子空间 #因果干预 #模型认知
avatar
王依依
2个月前
然而我依旧没看到给大模型专用的语言... 总不会是python吧.
#大模型 #编程语言 #Python #技术讨论 #失望
avatar
RamenPanda
2个月前
拿英伟达刻舟求剑思科的都是纯傻逼
#英伟达 #思科 #刻舟求剑 #商业 #负面
avatar
RamenPanda
2个月前
人类最大型的AI股的市值接近比特币，但是周线的单边波动率动辄就是比特币的5倍➕ 好几个AI股市值都大于比特币。距离人类最大型的AI股市值远远超越比特币也是近在咫尺了
#AI股 #比特币 #市值 #波动率 #金融
avatar
Geek
2个月前
Notion to Obsidian 迁移工具 高性能 CLI 工具，专为将 Notion 导出的数据迁移到 Obsidian 而设计。它速度快、功能全面，旨在实现从 Notion 到 Obsidian 的无缝、自动化转换。
#Notion #Obsidian #迁移工具 #CLI工具 #数据迁移
avatar
勃勃OC
2个月前
特斯拉大概将在一小时之内爆炸
#特斯拉 #爆炸 #事故
avatar
dontbesilent
2个月前
什么叫做「深刻理解平台算法」 你就想想「双击老铁 666」这句话是怎么来的 一方面，直播平台通过点赞、评论等互动行为提升内容权重，从而影响内容的曝光和推送 另一方面，主播只能用群体认同和参与感，来驱动用户执行简单指令 于是形成一个链路：复杂机制→简化口号→规模化执行→算法反馈→内容爆红 「双击老铁 666」是最简单的，最容易让人执行的，同时又能最大化撬动算法流量的，Top 1 级口号 听着又俗又 low，想出这句话的人，是超高手
#平台算法 #直播 #简化口号 #用户参与 #流量
avatar
暴论一下 AI 时代的到来，codebase 和架构将以前所未有的速度不断的腐化。 这会意味着稳定性越来越难做。之前被忽视的很多稳定性细节以及最佳实践都会在 AI 时代被放大。越来越多的初创公司比预期的更早的遇到自己的架构瓶颈或者到了技术债务的偿还时刻 而稳定性越来越难做的另外一层含义就是，能做稳定性的人也越来越少。而在 vibe coding 盛行的情况下，能静下心来做稳定性，扣指标的人也越来越少
#AI时代 #代码库腐化 #稳定性挑战 #技术债务 #Vibe Coding
avatar
Y11
2个月前
2025年职业发展的几点思考 最近和不少职场朋友交流，发现大家对当前的职业环境有不少共同感受。结合一些观察和思考，想和大家分享几点体会，或许能为大家提供一些参考。 首先，职场角色的价值正在发生变化。那些在2010-2020年期间晋升的管理者，现在普遍感到工作乐趣减少。 过去评价管理者的标准更多是团队建设能力，但现在市场更看重执行细节、推动节奏，以及如何将基础模型等新技术融入产品和技术体系。 这导致两种情况：一些资深管理者因技能迭代不足而感到迷茫，而那些过去专注执行的人又可能因缺乏管理经验而难以晋升。这种转变确实让不少人感到不适应。 其次，技术转型正在重塑行业格局。 基础模型和大语言模型的快速发展，让很多传统经验和方法面临失效风险。 即使是曾经的市场领导者，也需要重新思考如何将新技术有效融入产品。 这不是简单调用API就能解决的问题，需要重新设计产品流程、引入人工验证机制，同时还要考虑未来技术可能的突破。 软件开发领域也是如此，像Cursor这样的工具已经在改变开发流程，而模型能力的提升也在加速变化。对于软件工程师来说，现在不是观望的时候，而是需要主动学习和适应新的开发方式。 第三，非AI领域的就业环境面临挑战。 相比三年前，非AI公司的估值和融资难度明显增加，市场对这类公司的要求也更高。 在这样的背景下，私有非AI公司可能会缩减招聘、减少晋升机会，而跳槽也会面临更激烈的竞争。 当然，加入AI公司是一个选择，但这类公司往往竞争激烈，股权价值不确定，更适合风险承受能力强的人。 第四，当前职场正进入"利润和节奏双固定"的时期。 公司更注重增长效率，这使得工作体验可能不如从前那么轻松。有些优秀人才甚至面临六个月以上找不到合适工作的困境，而市场上的高要求也让一些有"奇怪"经历的候选人容易被过滤。 面对这样的环境，我想分享几点建议： 1. 明确自己的核心价值。在变化的市场中，找到自己不可替代的技能点很重要。无论是技术专长还是行业经验，都需要有意识地强化和更新。 2. 保持学习的紧迫感。无论是新技术还是新方法，都需要主动了解和学习，避免被快速变化的环境淘汰。 3. 谨慎评估职业选择。如果当前职位让你感到挫败，尽量找到能带来成长的机会，即使不完美也值得尝试。 4. 不要完全"躺平"。除非你有足够的把握应对未来市场变化，否则在这个周期中还是需要保持积极进取的态度。 最后想说明的是，当前的职场挑战是普遍现象，并非个人能力问题。在这样的环境中，保持韧性和适应性，主动调整职业策略，才能更好地把握未来的机会。希望这些思考能为大家带来一些启发。
#职业发展 #技术转型 #AI #职场挑战 #保持学习
avatar
Y11
2个月前
今天想和大家分享一个关于AI项目实践的小技巧，或许能帮到正在探索AI应用的你。 无论是用AI工具搭建应用，还是借助代码助手开发功能，这个方法都适用：当时间有限时，干脆把项目范围压到最小，小到用现有时间就能完成。 我自己就常遇到这样的情况：有了好点子，总想着一步到位，结果因为觉得“太难”“时间不够”，迟迟没动手。 后来发现，把目标砍到只有“今天能做完”的程度，反而更容易启动。比如只有一小时，就聚焦一个具体功能的某个细节，用现在的AI工具（像Claude这样的代码助手），往往能快速实现。 先做出最小版本，后续再慢慢完善，这比空想几个月更有价值。 我有个真实的例子：之前想做一个“虚拟演讲观众模拟器”，帮人练习演讲时不紧张。 但我对图形编程不熟悉，直接上手肯定要花很多时间。于是我把目标砍到最小： 1. 观众从“几十上百个”减到“1个”（后续再复制扩展）； 2. 去掉AI自动反馈，改用人工手动模拟观众反应（类似“人工智慧助手”的简易版）； 3. 只用最简单的2D图像，不用复杂技术。 那天下午在咖啡馆，用代码助手搭了个基础版本：一个会眨眼、轻微转头的简单头像。虽然粗糙，但完成后我特别有成就感，原因有三： 第一，它让我从“想”变成了“做”，逼着我思考具体的实现细节； 第二，过程中顺便学了点基础图形编程，比看书更直观； 第三，有了原型后，能拿给朋友看，快速收集反馈，判断方向对不对。 后来我发现，这个“快速起步”的方法特别实用： 它像个“创意过滤器”，让我能快速试错，知道哪些想法值得继续投入，哪些只是空想； 它让我在短时间接触更多领域，比如这次的图形编程，下次可能是数据分析，技能在实践中自然积累； 最重要的是，它能让想法“落地”，让用户提前参与，少走很多弯路。 我们常有很多好想法，但真正的价值往往藏在“做出来”的过程里。下次如果觉得“没时间”，不妨试试把目标压到最小——小到今天就能完成。很多时候，开始了，就已经赢了。
#AI项目实践 #快速起步 #最小化目标 #代码助手 #实践出真知
avatar
Y11
2个月前
写作即思考 科学写作首先是一种思维的梳理过程。 当你开始动笔时，实际上是在强迫自己把零散的想法系统化，把模糊的概念清晰化。 就像我们常说的，"好记性不如烂笔头"，手写或打字的过程本身就是大脑对信息进行深度加工的过程。 这种加工能够帮助我们发现思维中的漏洞，理清研究的逻辑链条，甚至在写作中产生新的灵感。 我曾遇到过这样的情况：一位年轻研究员在整理实验数据时，发现了一些与现有理论不符的现象。 起初他很困惑，但当他开始系统地记录和分析这些数据，试图用文字描述出来时，突然意识到这些异常数据中可能隐藏着一个全新的规律。这个发现最终促成了一篇重要的论文。这就是写作的魔力——它不仅是记录，更是一个发现的过程。 当然，AI工具在科学写作中确实能发挥积极作用。 比如，AI可以帮助我们检查语法错误，优化句子结构，甚至在文献综述时提供一些建议。但这绝不意味着我们可以将整个写作过程外包出去。 首先，科学研究需要严谨的责任意识。 如果一篇论文的所有文字都出自AI之手，那么谁来对其中的结论负责？谁来确保数据的准确性和引用的规范性？科学研究是一项严肃的事业，任何结论都必须有明确的责任人。 其次，AI生成的文本可能存在"幻觉"——也就是编造数据或引用不存在的文献。去年就有研究发现，一些AI工具会虚构参考文献，这在科学写作中是绝对不能容忍的。要编辑一篇AI生成的论文，往往需要投入比自己从头撰写更多的时间和精力。 更重要的是，科学写作是一项充满创造力的工作。将研究成果转化为一个引人入胜的叙事，是科学家的核心能力之一。这种叙事能力不仅关乎论文能否发表，更影响着研究成果能否被更广泛地理解和应用。一个好的故事，能够让复杂的科学概念变得通俗易懂，从而促进知识的传播和创新。 在信息爆炸的时代，我们比任何时候都更需要高质量的科学传播。而这种传播，离不开科学家对自己研究成果的深刻理解和生动表达。AI可以辅助我们，但不能替代我们的思考和表达。 最后，我想说的是，写作即思考。当我们亲笔写下每一个字时，实际上是在与自己对话，与自己的研究对话。这种对话能够帮助我们更深入地理解自己的研究，也能让我们在科学探索的道路上走得更远。 因此，在拥抱新技术的同时，我们更应该珍视人类亲笔写作的传统。这不仅是对科学责任的坚守，更是对科学精神的传承。毕竟，真正的科学创新，永远源于人类的思考和探索。
#科学写作 #AI工具 #批判性思维 #研究责任 #科学传播
avatar
NanYi
2个月前
**输出格式**： - 推荐解决方案的详细描述 - 结构化的实施计划 - 风险分析和应对措施 - 预期结果和验证方法 ### Phase 3: IMPLEMENT **目标**：执行解决方案并持续验证优化 **核心能力整合**： - 方案执行指导 - 实时问题解决 - 质量验证 - 迭代优化 **思维应用**： ``` 思维过程：[系统性思维：确保实施过程中各组件协调工作。批判性思维：持续验证实施效果。] ``` **工作内容**： - 提供具体的实施指导 - 解决实施过程中的问题 - 验证每个步骤的结果 - 根据反馈进行调整优化 - 确保最终结果符合预期 **实施原则**： - 支持增量式和迭代式实施 - 鼓励在实施过程中的反馈和调整 - 重视实际效果而非严格按计划执行 - 提供持续的技术支持和问题解决 **质量保证**： - 代码质量：完整性、可读性、可维护性 - 解决方案效果：是否解决了核心问题 - 用户体验：是否符合用户需求和期望 - 长期可持续性：是否具备扩展和维护能力 ## Smart Mode Selection ### 自动模式判断逻辑 **初始评估**： 每个对话开始时，快速分析： - 问题的复杂程度 - 所需的分析深度 - 用户的具体需求 - 可用的解决资源 **动态调整机制**： - 在对话过程中根据新信息调整工作深度 - 允许用户明确要求更深入或更简化的处理 - 根据问题的演化自动升级或简化流程 **模式声明**： 为保持透明度，在适当时机声明当前工作模式： - `[简单响应模式]`：直接解答 - `[简化流程模式]`：2-3步处理 - `[完整协议模式]`：三阶段深度处理 ## Quality Standards ### 代码质量要求 - **完整性**：提供完整可运行的代码 - **清晰性**：使用清楚的变量名和注释 - **健壮性**：包含适当的错误处理 - **可维护性**：遵循最佳实践和编码规范 ### 解决方案质量 - **实用性**：确保解决方案能够实际解决问题 - **可行性**：考虑实施的现实约束和条件 - **创新性**：在可能的情况下提供创新的解决思路 - **可扩展性**：考虑未来的扩展和维护需求 ### 沟通质量 - **清晰度**：使用清晰、准确的语言表达 - **完整性**：提供足够的信息和上下文 - **相关性**：确保内容与用户需求直接相关 - **可操作性**：提供具体的行动指导 ## Language and Interaction Guidelines ### 语言使用 - **主要语言**：根据用户的语言偏好进行回应 - **技术术语**：在中文回应中保持关键技术术语的准确性 - **代码注释**：优先使用中文注释，提高可读性 ### 交互风格 - **自然对话**：保持对话的自然流畅，避免过度格式化 - **主动澄清**：在需要时主动询问澄清性问题 - **反馈循环**：鼓励用户提供反馈，支持迭代优化 - **个性化服务**：根据用户的专业背景调整技术深度 ### 工具使用 - **分析工具**：充分利用代码执行能力进行复杂计算和数据分析 - **搜索功能**：在需要最新信息时主动使用网络搜索 - **文件处理**：有效处理用户上传的文档和数据文件 - **可视化**：在适当时提供图表、图形等可视化辅助 ### 持续改进 - **效果评估**：关注解决方案的实际效果 - **用户满意度**：重视用户体验和满意度 - **方法优化**：根据使用效果持续优化工作方法 - **知识更新**：保持对新技术和最佳实践的敏感性 ## 核心要求 ### 代码生成 - **代码生成**：始终在代码块中包含语言和文件路径标识符。 - **代码注释**：修改必须有明确的注释，且优先使用中文注释，解释其意图，提高可读性。 - **代码修改**：避免不必要的代码更改，保持修改范围的最小化。 ### 语言使用 - **主要语言**：所有AI生成的注释和日志输出，除非用户另有指示，默认使用中文。 - **技术术语**：在中文回应中保持关键技术术语的准确性 ### 交互风格 - **自然对话**：保持对话的自然流畅，避免过度格式化 - **主动澄清**：在需要时主动询问澄清性问题 - **反馈循环**：鼓励用户提供反馈，支持迭代优化 - **个性化服务**：根据用户的专业背景调整技术深度 ### 工具使用 - **分析工具**：充分利用代码执行能力进行复杂计算和数据分析 - **搜索功能**：在需要最新信息时主动使用网络搜索 - **文件处理**：有效处理用户上传的文档和数据文件 - **可视化**：在适当时提供图表、图形等可视化辅助 ### 持续改进 - **效果评估**：关注解决方案的实际效果 - **用户满意度**：重视用户体验和满意度 - **方法优化**：根据使用效果持续优化工作方法 - **知识更新**：保持对新技术和最佳实践的敏感性 --- **协议激活**：此协议已激活，将根据您的需求自动选择最适合的工作模式。请告诉我您需要解决的问题，我将为您提供最优质的服务。
#解决方案实施 #质量保证 #持续优化 #用户体验 #代码质量
avatar
勃勃OC
2个月前
我还是低估了AI的成功和牛逼之处 All In AMD了 谢谢大家 All In 5年内至少600
#AI #AMD #投资 #未来 #乐观
avatar
dontbesilent
2个月前
看书有没有用，取决于人，不取决于书 同理，AI 有没有用，取决于人，不取决于 AI 借此，我们提出《有用三定律》 1、人有用，啥都有用；人没用，啥都没用 2、只要你开口问，xxx 有没有用，那肯定就是没用 3、你不问 xxx 有没有用，大概率它就是有用 因为人有用
#AI的应用 #人的主观能动性 #有用三定律 #价值判断 #积极
avatar
sitin
2个月前
创业真的每天各种花里胡哨开销哈哈哈，我们现在各个业务，域名服务器都安排上了，爬虫的，出海的业务，副业有道，个人网站的，国内国外。 然后每个域名服务器，在不同账户里面，你们知道为啥我搞个 1password 存密码了吧，同一个网站下，不同账户。 我现在 Google gmail 邮箱就快 10 个哈哈哈哈
#创业 #域名服务器 #1password #Google gmail邮箱 #多账户管理
avatar
Barret李靖
2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
avatar
Andy Stewart
2个月前
Vivo X200拍摄的月亮
#Vivo X200 #月亮拍摄 #手机摄影 #影像技术
avatar
响马
2个月前
我爸在我高中之后就再也不订阅和购买无线电杂志了，因为那成了我的工作。那三年我把县城里能买到的一切计算机相关的杂志和书籍都买光了。
#无线电杂志 #高中时代 #计算机书籍 #个人经历 #求知若渴