蓝点网
3个月前
腾讯云推出全球唯一同时支持国际和国内加速的免费CDN,不限流量免费使用 腾讯云日前正在内测边缘安全加速平台 #EdgeOne,该也是目前全球唯一同时支持国际和国内加速的免费 CDN 平台,即不需要付费即可同时在国外和国内启用腾讯云 CDN 节点加速用户访问。 对于出海的企业和开发者,通常情况下我们会直接使用 Cloudflare 作为加速访问和安全防护的工具,但 Cloudflare 免费版不支持 CNAME 解析,同时国内访问的延迟也非常高。 而腾讯云 EdgeOne 则可以完美解决 Cloudflare 免费套餐的这些痛点,既可以加速国际访问,又可以使用 CNAME 分区解析,还可以加速国内用户的访问。 EdgeOne 免费加速方案主要特点: 1. 无需实名认证和绑定信用卡进行验证,注册后即可绑定域名使用 2. 可选全球加速 (含中国大陆)、全球加速 (不含中国大陆) 3. 即便是免费套餐也不限制 CDN 流量、不限制请求数、不存在超额账单等问题 4. 提供免费 SSL 自动申请和更新、提供平台级 DDoS 防护和基础 WAF 能力 关于域名备案和实名问题: 如果仅需使用全球加速 (不含中国大陆) 是不需要实名认证的,但按照规定如果要使用中国大陆 CDN 节点则需要域名备案,所以如果企业或开发者需要使用全球加速 (含中国大陆市场),则需要对账户进行实名认证以及绑定经过备案的域名,未备案域名无法开启中国大陆 CDN 节点。 目前 EdgeOne 正在内测: 该平台当前正在内测因此还无法直接使用,蓝点网已经收到内测邀请所以获得兑换码后绑定域名进行测试,有兴趣的企业、开发者和站长可以关注 EdgeOne 等待后续正式上线。 蓝点网将在下周一免费提供50个兑换码,有需要的站长和开发者请关注蓝点网。 蓝点网建立的测试站: 测试站:https://ping.landian[.]vip/ 100MB 文件下载测试:https://ping.landian[.]vip/landian-test-100MB.bin 300MB 文件下载测试:https://ping.landian[.]vip/landian-test-300MB.bin 500MB 文件下载测试:https://ping.landian[.]vip/landian-test-500MB.bin 从测试来看腾讯云也采用的 Anycast 任播技术,其中无论是国内还是国际连接延迟基本都在 1~5ms 以内,这得益于腾讯云在全球拥有的 3200+ 个 CDN 节点,所以无论用户身处何方都可以连接距离自己最近的 CDN 节点高速访问。 下面是完整开通和配置方法: 1. 获取兑换码后前往 EdgeOne 兑换免费套餐并注册账户 2. 添加主域名,免费套餐仅支持绑定 1 个主域名,但支持绑定多个子域名,例如蓝点网绑定的主域名是 landian[.]vip 3. 选择区域,未备案域名请选择全球可用区 (不含中国大陆),已备案域名可选择全球可用区 (该区域包含中国大陆 CDN 节点) 4. 绑定域名后需要先对域名进行验证,可选 DNS 解析认证或使用文件验证,使用文件验证速度更快 5. 配置域名和源站信息,支持域名回源或 IP 回源,支持选择网站加速模板,如无特别需求选择网站加速即可。 6. 配置完成后 EdgeOne 会生成 CNAME 解析记录值,前往域名 DNS 解析里添加子域名并指向这个记录值等待生效即可。 配置 HTTPS 安全连接: 腾讯云 EdgeOne 可选上传自有证书或直接由平台申请并签发证书,由平台申请并签发证书的好处在于不需要人为干预,所以也不需要担心未来可能因为证书到期而无法正常访问。 HTTPS 配置方法如下:在域名部署完成后点击域名后方的 HTTPS 管理,选择申请免费证书即可,接下来等待 2 分钟左右证书就会自动完成申请和部署。 注意:EdgeOne 证书确实可以自动签发和续签,但你的源站服务器也需要确保证书能够自动续签,如果源站 HTTPS 证书过期而 TEO 设置的 HTTPS 回源则会报错。 腾讯云提供的免费 WAF: 既然要做可以替代 Cloudflare 的免费 CDN 套餐,腾讯云在 WAF 方面也提供不少功能,包括默认安全规则、请求速率限制、区域限制、针对国内市场的 PCDN 防盗刷等,这些功能可以满足基本使用需求,配合平台提供的免费 DDoS 保护机制,确保网站可以持续安全稳定运行。 蓝点网评价: 根据蓝点网的测试,腾讯云 EdgeOne 的优势还是非常明显的,相较于 Cloudflare 服务于全球客户,EdgeOne 的免费套餐更适合中国创业者和出海开发者使用,尤其是可以合并网站一个域名直接服务于全球客户。 所以接下来用户可以选择的也不仅仅是 Cloudflare 平台,通过使用腾讯云 EdgeOne 既可以解决 Cloudflare 的痛点,又可以长期免费使用,对创业者和开发者来说也可以显著降低运营成本和运维方面的麻烦,也可以节省时间和精力打造更好的产品。
人类学习闭环中的“编码”环节 quanta杂志的这篇文章,讲的是科学家如何通过llm来更好地理解人类大脑的运作机制,用人工神经网络来理解人类的大脑神经网络。 我的笔记(只提取了一点🤣): - 人脑的语言系统和视觉系统,都可以视为一种“特征编码器”(feature encoder),即能够对输入的信息(无论是视觉图像还是语言符号)进行处理并提取出特征。 - 语言系统不是简单地存储单词或句子,而是对语言材料进行编码,将语言输入信息转换成特定的神经表征(neural representations)。 - 就如同视觉系统接收外部世界的光学信号并将之转化为神经信号,从而在大脑中形成视觉特征表征一样,语言系统将单词、句子或概念转换为抽象的、能够在脑内被“解读”和“理解”的编码模式。 - 语言与视觉等认知功能共享类似的神经编码原理,这种认识打开了理解人类智能本质及AI与人脑深层次互动的大门。 在我的学习方法论(小能熊版费曼学习法)中,“编码”是学习闭环的关键环节。也就是说,一切输入,必须通过大脑积极主动、深度加工(关键是特征提取,和llm一样),encode为特定的心理表征(概念、模型等心理符号、知识砖块)。 这些表征,最好是用logseq、obsidian的砖块笔记,显式展现,结构化呈现,便于巩固、迭代(以及供llm+MCP来打通、调用、思想综合)。 结论就是:记录。尽可能多记录,多写笔记。并且,用符合大脑/llm认知原理的方式记笔记(而非随心所欲、经验主义乱记录)🤣
宝玉
3个月前
转译:从谷歌翻译看懂「氛围编程(Vibecoding)」 作者:Ingrid 最近,网上关于「大语言模型(LLM)将终结程序员职业」的悲观预测(甚至是有意炒作)屡见不鲜。这些讨论往往缺乏深度分析,因此我想补充一些自己的看法。有一方的人说:“我用 大语言模型服务商 写了一个小工具,以后所有程序员都会在 随便一个时间点 失业”;另一方则完全否定这种工具的实用性。¹ 为了更好地理解这些说法,我们不妨借助另一个领域作为参考,这个领域在AI的影响下,明显走在程序开发的前面:翻译。 谷歌翻译已经存在多年,并经历了数次技术升级。我尤其关注的是2016年后谷歌采用神经网络机器翻译后的表现。这些年来,不少人声称“翻译和口译职业要完蛋了”。我怀疑,这些人可能从未真正与翻译或口译人员合作过。他们喜欢举的典型例子是:“我去日本旅游,到处用谷歌翻译,根本不用再请翻译或学日语了。”虽然这体现了机器翻译的实用性,但后半句需要仔细审视,尤其是“再也不用”这几个字。我敢说,即使没有谷歌翻译,这些人也不会请翻译或特意去学日语。他们可能干脆就不去日本旅游,或者去了之后仍然做一名一头雾水的外国游客。 事实上,如今翻译和口译的工作机会反而增加了。这并不意味着机器翻译不够好,相反,我认为它已经非常接近当前技术能达到的最佳效果。这也不意味着机器翻译没有改变翻译行业本身:正如美国翻译协会代表布里奇特·海拉克(Bridget Hylak)所说:“自2016年神经网络机器翻译(NMT)兴起以来,这种技术相比传统的机器翻译(如早期的谷歌翻译)明显提升,我们(翻译和口译从业者)也一直在将AI融入工作流程。” 要理解这一表面矛盾,我们必须先搞清楚翻译人员到底在做什么。与程序员类似,翻译人员经常被外行误解。很多人眼中,翻译人员就是一本活字典,随时能从一种语言切换到另一种语言。可现实中,翻译工作更多是关于理解上下文、处理歧义,以及敏感地对待文化差异——这些都是谷歌翻译目前还无法做到的。 举个简单的例子,挪威语与英语非常相似,按理说翻译应该轻而易举。两种语言有大量相似词汇、相近语法,甚至很多习语都能逐字翻译。但仍存在明显的文化差异,例如挪威人日常说话极少使用礼貌用语,比如“请”。尽管挪威语可以用「vær så snill」或「vennligst」表示“请”,但实际生活中他们更喜欢简单直白的表达方式。如果晚餐时挪威人想要土豆,可能直接会说:“Jeg vil ha potetene”(字面意思是“我要土豆”,英语中显得过于傲慢),但英国人可能会委婉地说:“Could I please have some potatoes?”(请问我能要些土豆吗?)好的口译员了解这些细微差别(或至少懂得及时询问澄清),而谷歌翻译只能给出简单的直译。如果是与国外亲戚的家庭晚餐,或许还能应付过去;但若是法庭审理现场,直接用谷歌翻译就非常不妥了。而挪威语已属“简单案例”,对于我们的游客而言,日语与英语差别巨大,例如经常省略显而易见的主语,但谷歌翻译却不得不凭空补上主语。你会放心地让电脑任意补充你没说出的内容吗? 以上并非意味着谷歌翻译做得差。如果没有任何上下文或者澄清的机会,要求我翻译“Jeg vil ha potetene”,我也只能给出相同的答案。毕竟,这个人可能确实想表现得无礼,我怎么知道?作为双语人士,我经常使用谷歌翻译,但不是让它帮我把一整段文字翻译出来,而是更细致地融入日常表达的过程中。比如,“我知道想表达什么,也知道该如何表达和理解其中的文化细微差别,但我对自己的用词还不够满意,想看看别人最常见的表达方式是什么样的。”事实证明,这正是语言模型非常擅长的任务。我猜测,布里奇特所说的“融入AI的工作流程”可能也是这种意思(当然她的工作流程肯定比我的复杂得多)。² 程序员面对的问题类似,我们甚至可以把程序员看作是“翻译”,只是他们要将人类模糊、充满文化差异的语言转译成电脑能理解的精准语言。³ 当然,程序员还需要创造抽象的概念,这也解释了为什么机器翻译应用于程序语言的进展相对较慢。不过,如今“巨头公司™”已经把大量开源代码全扔进了数据“粉碎机”,机器翻译程序语言的能力已经突飞猛进了。 当然,我并不否认,未来的某种AI或许真的能像人类一样敏锐地捕捉上下文与歧义。但我认为,要实现那一天,我们至少还得经历一轮新的“AI寒冬”。毕竟目前掌控AI技术的大佬们,似乎缺乏必要的细致思考,他们更在乎产品外表的光滑流畅,而非真正负责任地提供可靠的输出。 --- 1. 当然,说这种工具的用途有限、负面影响大过其作用,也是合理的。↩︎ 2. 尽管我已经说出了这个使用场景,但近期内我并不打算真正这么做。因为我觉得效率提升并没有显著到让我忽略目前AI工具存在的伦理风险。↩︎ 3. 我遇到过很多程序员,似乎真的相信自己存在的唯一意义就是不断写代码,而且越多越好。我原本希望拥有一台“喷代码机器”能让他们意识到这种想法的错误,但遗憾的是,这些人很可能继续依靠公司组织中的混乱而存活下来。↩︎