avatar
国产化自主可控 聚变堆遥操作系统测试平台研制成功
记者今天从中国科学院合肥物质科学研究院获悉，9月15日，大科学装置聚变堆主机关键系统综合研究设施的19个子系统之一——遥操作系统测试平台通过专家组测试与验收。经实验现场测试鉴定，该平台为目前聚变领域综合参数水平国际一流的遥操作系统。
#中国科学院 #合肥物质科学研究院 #聚变堆主机关键系统综合研究设施 #遥操作系统 #国际一流 #科技 #积极
avatar
Geek
3个月前
Maildrop 又一个自托管一次性临时邮箱服务
#Maildrop #自托管 #一次性邮箱 #临时邮箱 #服务
avatar
蓝点网
3个月前
极度精简系统 nano11_25h2.iso 镜像文件发布，基于 Windows 11 删除冗余组件后制作，仅占用 8GB 系统空间。由于太多用户希望开发者 NTDEV_提供镜像而不是自己制作，所以开发者现在上传已经处理好的镜像，有兴趣的用户可以在虚拟机中安装体验。下载地址：
#nano11_25h2.iso #Windows 11 镜像 #精简系统 #NTDEV_ #虚拟机体验
avatar
CRISPR基因编辑动物引争议
随着CRISPR基因编辑技术的不断进步，科学家已将其应用于马、绵羊、猪等动物的遗传改良。
#CRISPR基因编辑 #动物遗传改良 #科技进步
avatar
最近给出海去 AI 知识库又补充了 60+ 小时的内外部分享等视频内容、近 100 篇长文、推特运营至 25 年 8 月的所有推文，目前总共素材 270+ 个，还在进一步增加中，后续计划根据反馈购买一些海外的书籍资料来进一步完善。 👉汇总一下（19 个问题 但每个都很经典 建议收藏）早前内测时大家对这个知识库（加入方式见评论区）提问的最新回答（如图罗列了部分提问）： 评论区一起看看这些回答如何👇
#AI知识库 #出海 #知识库内容更新 #海外书籍资料 #用户反馈
avatar
向阳乔木
3个月前
Nano Banana厉害之处和潜在问题 速度：平均生成时间2-4秒 ，比如部分基准测试生成一张1024px仅2.3秒。 一致性：多次编辑，角色准确率高达95% 竞争表现：LMArena盲测，胜率达到70%，GenEval分数为0.89。 优于Flux Kontext（45%胜率）和DALL-E 3（0.76 GenEval） 效率：用先进的Token压缩技术，将图像数据压缩至约1300个，这是低价（0.04美元一张）高速的原因。 文本渲染：在图像正确渲染文本，行业领先。 提示词保真与编辑： 多步骤提示词表现卓越，能对现有图像编辑且无需遮罩 。场景完整性、光照和构图等异常出色。 ## 潜在问题 可靠性问题：模型有时会无法执行Prompt，而直接返回原图，某些情况下失败率接近50% 。 伪影与质量下降：模型有时会引入一层“轻微的模糊层”，降低图像的清晰度 。 AI生成的常见问题也都有：手部变形等。 尤其当主体物不处于中心位置或背景复杂时，图像质量可能会下降 。 特定弱点：尽管整体真实感出色，但处理精细面部特征时，与Qwen等竞对比，稍显逊色 。
#nano banana #图像生成 #AI模型 #潜在问题 #速度快
avatar
Cell 细胞
3个月前
所以，看空 高德扫街榜 的一个原因： 不够去中心化，不中立， 除非他把算法开源，数据开源
#高德扫街榜 #中心化 #算法开源 #数据开源 #负面
avatar
dontbesilent
3个月前
谁能想到抖音 400 万播放是 AI 课的同学的案例😂 ​ 昨天跟我说 AI 对话的提示词改过之后，抖音已经保底一万播放量了 今天直接干出来一个 423 万播放，现在还在涨
#抖音 #AI课程 #400万播放 #案例 #积极
avatar
Austin
3个月前
一定要警惕这些“独立开发者的 MCN 机构”，这几年独立开发的概念一直很火，推特上也出现了一些所谓的“孵化”机构。但是打铁还需自身硬，如果自身没做出来什么成绩，还总是想着搞噱头从独立开发身上抽血，你怎么好意思的。折腾2 年了，也没有水花，我建议直接解散。
#独立开发者 #MCN机构 #警惕 #负面评价 #自身实力
avatar
Austin
3个月前
我的推特时间线可能是废了，前几年上推特的时候，都是一些技术文章，还有各种前沿的科技资讯。比如又有什么什么 AI 发布了，大家都在晒自己注册了，使用了。现在充满了各种网络争论和虚假小段子，有资讯但都是同质化比较严重的 各类AI 测评。
#推特 #AI测评 #网络争论 #信息同质化 #技术资讯
avatar
背包健客
3个月前
张朝阳4点多钟到公司，每天只睡四个小时也不困。🥱
#张朝阳 #工作狂 #睡眠不足 #精力充沛 #效率高
avatar
向阳乔木
3个月前
朋友解读了一篇Anthropic 今年三月研究AI内部推理机制的论文，太有意思了。 1. 之前以为AI遇到不会的问题就会产生幻觉，其实默认状态是“我不知道”，只有被某些信号误导，才会产生。 2. AI会长远规划，比如写诗不是碰押韵，会提前规划好结尾的韵脚。 3. AI做数学题时会同时用近似估算和精确计算两条路，最后综合给答案。 4. AI解释自己的推理过程，往往正确，但输出时会为了让人满意进行“表演”。 AI+人解读的原文：
#AI推理机制 #Anthropic研究 #AI规划能力 #AI数学解题 #AI表演
avatar
sitin
3个月前
出海调研工具这块，除了 similarweb、ahrefs 这种付费的，免费好用我自己常用的三款：AITDK、SEOquake、Wappalyzer。
#出海调研 #工具 #AITDK #SEOquake #Wappalyzer
avatar
汉松
3个月前
从零实现 vLLM 的第三篇文章，我们来了解如何加速 Attention 计算，学习 FlashAttention 的原理。 要理解 FlashAttention 的巧妙，我们必须先理解传统注意力机制的“笨拙”之处。 匹配度计算（QK）：你（Query）拿着一个“科幻小说”的主题清单，去比对图书馆里成千上万本书的标签（Key），得出一个巨大的“匹配度”分数表。 权重分配（Softmax）：你将这张分数表转化为百分比，告诉你应该投入多少“注意力”到每一本书上。 内容加权（AV）：最后，你根据这些百分比，将所有书的内容摘要（Value）融合，得到一份为你量身定制的、关于“科幻小说”的综合信息。 这个流程在理论上无懈可击，但在实际的硬件执行中，却隐藏着一个致命的性能瓶颈。 想象一下GPU的内存结构：它有一小块速度飞快的“片上内存”（SRAM），就像你手边的工作台；也有一大块容量巨大但速度较慢的“全局内存”（DRAM/HBM），如同一个需要长途跋涉才能到达的中央仓库。 传统的注意力计算，就像一个效率极低的工匠。他在工作台（SRAM）上完成第一步，计算出那张巨大的“匹配度”分数表后，并不直接进行下一步。相反，他必须先把这张巨大的、还只是“半成品”的表，辛辛苦苦地运送到遥远的中央仓库（DRAM）存放。接着，为了进行第二步Softmax计算，他又得从仓库把这张表取回来。计算完成后，得到的“注意力权重”表，又是一个半成品，他再次将其送回遥远的仓库。最后，为了完成第三步，他需要同时取回“权重”表和所有书籍的“内容”，才能在工作台上完成最终的融合。 这个过程中，真正的计算（点积、Softmax）或许耗时并不长，但来回搬运这些巨大中间产物（匹配度矩阵和注意力矩阵）的时间，却成了无法忍受的开销。 这就是I/O瓶颈——当序列长度N增加时，这些中间矩阵的大小会以 N 平方 的速度急剧膨胀，频繁的读写操作会让GPU的大部分时间都浪费在等待数据上，而非真正的计算。 FlashAttention的革命：合并工序，一步到位 FlashAttention的作者们洞察到了问题的本质：我们需要的只是最终的结果O，中间过程的矩阵其实根本不必“留档”。 于是，他们进行了一场工作流程的革命。他们没有发明新的工具或公式，而是彻底改造了生产线，将三个独立的工序融合成一个在高速工作台（SRAM）上一气呵成的“超级工序”。 这场革命的核心武器有两个：分块（Tiling） 与 在线Softmax（Online Softmax）。 1. 分块处理： FlashAttention不再试图一次性处理所有书籍（整个K和V矩阵）。而是像一位聪明的工匠，把任务分解。他每次只从仓库中取一小批书的标签（K块）和内容（V块）到他的工作台上。 2. 在线Softmax的魔法： 这是整个流程中最精妙的部分。传统的Softmax需要“总览全局”才能计算，这也是为什么它难以被分块的原因。但FlashAttention通过一种巧妙的递推算法，实现了“在线”更新。 想象一下，工匠在处理完第一批书后，会得到一个临时的、局部的结果，并记录下两个关键的“全局统计数据”：到目前为止见过的最高匹配分（m）和当前结果的归一化因子（d'）。当第二批书的数据被取到工作台上时，他不需要回头看第一批书的细节。他只需利用新一批书的数据和之前存下的那两个“全局统计数据”，就能计算出一个更新后的、融合了前两批书信息的新结果，并再次更新这两个统计数据。 这个过程不断重复，每一批新的K/V数据块都被加载到高速SRAM中，与Q进行计算，然后用来迭代更新最终的输出O以及那几个关键的统计量。自始至终，那张庞大的、完整的注意力分数矩阵从未在任何地方被完整地构建出来。 它就像一个在计算过程中短暂存在的“幽灵”，用完即逝，从而彻底消除了对慢速全局内存的读写瓶颈。 FlashAttention的成功，给我们带来了远超于算法本身的启示。它证明了，在AI的“摩天大楼”越建越高的今天，地基：计算机体系结构，它的重要性从未改变。 它的巧妙之处，不在于发明了更复杂的数学公式来拟合数据，而在于深刻理解了硬件的工作原理，并用最经典、最基础的计算优化思想：减少内存访问，去解决一个看似前沿的AI问题。 一个为 Attention 计算带来极大加速的技术，其内核只不过是一场计算机体系结构的大师级实践课。它证明了，最深刻的优化往往不是发明新事物，而是熟练掌握最基本原则，并应用于新的硬件之上。 山川地貌会变，但万有引力定律亘古不变。 对技术细节感兴趣的可以阅读公众号的原文，算法公式比较抽象，我画了很多图来辅助理解，链接在回复中。
#FlashAttention #Attention计算加速 #GPU内存优化 #AI算法优化 #计算机体系结构
avatar
世界第一独立开发者现在也不展示自己的MRR/ARR，因为这真的不是一个非常安全的行为。
#独立开发者 #MRR/ARR #信息安全 #商业策略 #谨慎
avatar
Geek
3个月前
Baseline更新了，新增了预设样式市场，其中的 Notion 主题样式太爱了。可以说 Baseline 是我近几年使用过的最出色的 Obsidian 主题，没有之一。
#Baseline #Obsidian主题 #Notion主题样式 #预设样式市场 #积极
avatar
独立开发前线周刊第13期：乐观的人更容易成功 👉
#独立开发 #前线周刊 #乐观 #成功 #积极
avatar
回归20年前传统营销方式，设了个landing page做订阅墙，用独家短篇小说做诱 很多年前积累了几千邮件列表，因英文写作不地道放弃运营，早有LLM的话就没这个问题了
#传统营销 #订阅墙 #短篇小说 #邮件列表 #LLM
avatar
Tw93
3个月前
发现 Mac 上一个有用的小技巧 caffeinate☕️，给电脑喝点咖啡，保持清醒，不会睡眠。有时候你需要长时间更新东西或下载东西，担心电脑会息屏或者休眠，可以试试这个命令。 caffeinate -d 防止显示器关闭，caffeinate -i 保持系统不休眠，caffeinate -t 1800 保持 30 分钟，很简单很易用。
#Mac #caffeinate命令 #防止休眠 #实用技巧 #电脑
avatar
便携式上网产品套路多
时下，能够随时随地上网，成为许多人移动办公或差旅出行的必备条件。由此，体积小、免布线、即买即用的便携式上网设备“随身WiFi”获得越来越多消费者青睐。然而，部分产品出现虚假宣传、强制预存、流量虚标等问题。
#随身WiFi #便携式上网 #虚假宣传 #流量虚标 #消费陷阱
avatar
AI观察｜AI眼镜能否成为下一代人机互动的超级入口？
#AI眼镜 #人机互动 #下一代技术 #技术入口 #AI观察
avatar
把论文写在浩瀚星河，他擦亮了中国安在太空中的“眼睛”
#浩瀚星河 #中国太空 #论文 #太空眼睛 #积极
avatar
解决腐败！外媒：阿尔巴尼亚成世界首个由AI担任政府部长的国家
报道称，阿尔巴尼亚将成为世界上第一个由AI担任政府部长的国家。
#阿尔巴尼亚 #AI #政府部长 #创新 #科技
avatar
摆脱对外依赖，日本押注国产AI
日本正加速开发本土（人工智能）AI生态系统以缓解对外国依赖加剧的风险。
#日本 #人工智能 #AI生态系统 #技术自主 #风险缓解
avatar
美国重返月球计划为何一拖再拖？
美国载人登月计划，现在到底进展如何？
#美国 #载人登月计划 #进展 #航空航天 #科技