avatar
勃勃OC
1周前
特斯拉太成功了 英特尔不大行啊 🤣🤣🤣🤣
#特斯拉 #英特尔 #成功 #不行 #科技
avatar
这是 AI ？？？ #Sora2
#AI #Sora2
avatar
OpenAI 发布了 Sora 2，目前在美国和加拿大可用，但需要邀请码。支持音频，人物 remix（混合），对物理的理解提升了很多。这可能是视频生成模型的 ChatGPT 时刻。
#OpenAI #Sora 2 #视频生成模型 #ChatGPT时刻 #美国加拿大
avatar
Menuist 即将发布，支持将一个文件设置为导航网站，我用起来还挺好用的
#Menuist #导航网站 #文件设置 #好用 #积极
avatar
Line
1周前
看这个图 Deepseek 的这次注意力创新 DSA 几乎实现了“常数”成本的长上下文，似乎无限上下文也不远了。 但是, 看报告复杂度依然是: O(L²)，L 是序列长度。 怎么实现的？ DeepSeek-V3.2-Exp的更新主要多了一个注意力索引模块， 他们叫闪电索引 (Lighting Indexer), 输入的上下文序列在这里计算打分，然后，挑选出与当前问题最相关固定的 2048 个 tokens（Top-K 算法）, 接下来只需要计算这 2048 个 Token 的注意力就行了。 需要注意的是这个注意力索引模块复杂依然是 O(L²), 维度并没有减少，模型的维度是 7168， indexer 的维度是：64 × 128= 8192 ，一些人认为维度减小才高效是不对的。 高效的关键在于数据精度，通常 L² 复度的注意力计算的 Q，K 的值是用 BF16 表示的，而在 Indexer 内的 Q，K 是用 FP8 表示的 。如果不考虑后面的固定的 2048 计算量，主导计算量就由： `L² (BF16) -> L² (FP8)` 在 Indexer 只需要完成挑选最相关 Token 的工作，任务相对简单了很多，这种 Q，K 的 FP8 “量化” 也不影响。 （也就是如果可以用 FP8 无损计算注意力效果也是一样） 由 BF16 到 FP8 似乎只能实现 1 倍的效率提升。 可为什么成本曲线，几乎是常数呢？ 在空间占用减半的情况下，带宽占用也成倍增长了，同时寄存器缓存命中率也提高了，这些优化效果还有乘数效应的。 尤其是带宽的提升对榨取硬件性能最为关键。 这里的硬件具体就是矩阵计算加速单元 Tensor Core （Tensor Core 是Nvidia 的叫法，其他加速硬件应该也有类似的东西）。 Tensor Core 非常高效的，几乎可以实现 0 成本的矩阵运算。 因此它并不需要很多（一块卡也就几十个）， 就是因为它太快了， 把数据运送给它，取出数据的过程才是真正的瓶颈（这也是大寄存器，高速 HBM 的价值）。 Deepseek 通过将数据表示需要的位数变少，一次就能送进更多参数，实现了更加极致的硬件性能压榨。理论上， 如果带宽没有限制， 再多的计算量都可以常数成本完成。 上面的优化建立在 Deepseek 已经用 MLA， MQA 技术优化过的注意力计算之上的， 之前的技术优化已经让注意力的计算成本变的极低了， 这次是在之前的优化之上再做优化。 这些优化一起才就是的让成本曲线几乎变水平线的原因。 所以，能不能实现无限上下文？ 这个方案应该是不行的，随着上下文增长，还是存在 L² 复杂度的。
#DeepSeek #注意力机制创新 #Lighting Indexer #硬件性能压榨 #上下文长度优化
avatar
卫斯理
1周前
为什么我看到Swift就会有严重的不适应感？ 我想我已经完全脱离了Mac开发生态圈了吧 现在 在家做事情，Windows台式机。 在外面做事情，Windows笔记本。
#Swift不适应 #脱离Mac开发 #Windows开发 #技术生态变化 #个人平台转变
avatar
链研社
1周前
Suiplay 最终批次在 10 月中下旬发货
#SuiPlay #发货 #10月中下旬
avatar
卫斯理
1周前
deepvo不错哦，把我们开会的录音导入进去，直接AI提取内容生成脑图，很棒
#deepvo #AI提取 #脑图 #会议录音 #积极
avatar
Geek
1周前
MenubarX 的 Windows 版? TrayChrome - 托盘浏览器 一个基于 WPF 和 WebView2 的轻量级托盘浏览器，专为 Windows 设计。
#MenubarX #Windows #TrayChrome #托盘浏览器 #WebView2
avatar
卫斯理
1周前
吐槽一下微信 - 登录新的电脑，无法发朋友圈，要等24小时，而且会给你发一个安全警告，“为了安全” - 电脑上如果有梯子，会随机退出，“为了安全”
#微信 #吐槽 #安全警告 #电脑登录限制 #用户体验
avatar
其实vibe coding对于程序员最大的伤害是 —— 破坏了心流 之前的我，可以嘎嘎一直写，现在却只能眼睁睁看着 AI 写， 还不给即时反馈（特别是 Codex CLI 人狠话不多这种 Agent） 于是乎，我只能做点儿其他事儿来找回专注的状态， 最近开始重新打游戏了，操作密集型，APM飙上200, 巨累，但是很爽！
#Vibe Coding #程序员 #心流破坏 #AI辅助编程 #游戏解压
avatar
近日，德国法兰克福大学研究团队在《JAMA Psychiatry》期刊上发表研究论文。 研究显示，经常饮用含糖软饮料，与增加抑郁风险以及症状严重程度显著相关，尤其是女性，软饮料通过改变肠道菌群，增加Eggerthella菌的丰度，通过肠-脑轴影响大脑功能，从而增加抑郁风险。
#德国法兰克福大学 #含糖饮料 #抑郁风险 #肠道菌群 #女性
avatar
今天错峰出行，带了MacBook Air， 才意识到升级了 macOS 26 梯子不能用！😂 但是，发现 Chrome 里面已登录 Typefully， 所以不用魔法也能跨平台发推，哈哈哈 接下来几天，如果我只发不看，会是一场什么体验？
#macOS 26 #Typefully #CHROME #梯子 #翻墙
avatar
卫斯理
1周前
superx插件，这个分析X文的chrome插件不错哦 直达地址：
#superx插件 #Chrome插件 #X文分析 #积极 #推荐
avatar
要学新东西，直接在BibiGPT搜索， 然后咔咔批量总结，太特么爽了！ 聚合搜索+异步总结+批量处理+自定义提示词+消息通知+自动保存Notion 这一套下来，整个视频知识管理流程无比丝滑~
#BiBiGPT #知识管理 #效率工具 #自动化 #Notion
avatar
瞎玩菌
1周前
豆包不可能数到1万只羊，我说的
#豆包 #数羊 #1万只 #不可能 #否定
avatar
Geek
1周前
Neovim AI 副驾驶，它将 GitHub Copilot 的“自动建议”与内置终端完美结合，让你在不离开编辑器的情况下就能与 AI 协作编程 。 sidekick.nvim
#NeoVIM #AI副驾驶 #GitHub Copilot #编程协作 #sidekick.nvim
avatar
响马
1周前
试了一下 chrome mcp tools，感觉不错，可以卸载 playwight 了。
#CHROME #mcp tools #playwight #卸载 #软件
avatar
Lex Tang
1周前
在真实 vibe coding 项目中打磨了一波 xcstrings_mcp，功能更强，更省 token。另外还给 web 编辑器加上了暗黑模式。
#Vibe Coding #xcstrings_mcp #web编辑器 #暗黑模式 #功能增强
avatar
LIN WEI
1周前
不知为何：网上只要是有人骂 Windows 所有人都是附和跟着骂，不会有人来劝你说要多学习 Windows 的长处人才会进步，天天盯着 Windows 的短处永远不会进步；也不会有人挑战你 “但是人家 Windows 商业上很成功啊”；更不会有人一副过来人的语气指导你说设计操作系统重要的不是做什么而是不做什么 “全球有60亿人每天都想教微软怎么做操作系统！” ，所有人都会异口同声的跟着骂 Windows 越骂越兴奋，但到了微信这里就完全不一样了，稍微提点意见，上面这些屁话就蜂拥而至，按理微信商业上再成功，对世界的影响力也赶不上 Windows 吧，为啥 Windows 人人骂得，它微信就骂不得了呢？区别到底是什么？
#Windows #微信 #用户评价 #商业成功 #产品对比
avatar
今天和AI对话时想到一个体验设计的方案。 痛点： 现在跟AI对话经常对话好几轮，有时候就想找到具体的某一轮对话，如果对话轮数很多的话，上下翻动，查找起来就很痛苦了。 思考： 其实在我看来，和AI进行多轮对话后，这个对话列表本质上就是一个文档。 方案： 如果能像 Notion 文档一样，在 AI 对话窗口的右侧，有一个目录导航，然后鼠标放在那里，就浮动出来这些对话的小标题。 我可以直接定位到具体的某一轮对话里面。 这样就方便很多了。
#AI对话 #体验设计 #痛点 #目录导航 #Notion文档
avatar
Susan STEM
1周前
在意义之海中寻找意义 当人类的知识被投射到一个连续空间之后，博士生的需求会大大减少，因为人人都可以是“博士生”。过去，博士生最核心的工作是花费无数时间去查资料、读文献、做 citation，把分散在不同学科、不同语境里的碎片知识一点点拼接起来。但在向量化之前，这种连接往往意味着高强度的人工劳动：生物学家的论文和法学家的评论彼此孤立，工程师的日志和历史学家的档案没有桥梁。人类理论上可以把它们联系起来，但代价是海量的阅读、交叉比对与翻译。 这种碎片化导致许多潜在的联系根本没有发生。原本可能引发突破的想法，被淹没在资料工作量的泥沼里。 向量化改变了一切。当文字、图像、表格、代码都被嵌入到同一个坐标空间时，知识不再是一个个孤岛，而是连续的语义地图。生物学与法学可以在邻近的向量里相遇，工程与历史可以在空间中自然对齐。许多过去“未被察觉”的联系，突然变得可见；许多需要高智力人群耗费数年才能完成的查阅工作，如今可以在几秒内生成。 这就是知识连续化的力量：它不仅降低了博士生式的资料劳动成本，更重要的是，它把人类尚未发现的知识联系，从沉睡的噪音中唤醒了。 而人类最缺失的就是“意义“。 The Sea of Meaning — Vectorization as a Continuous Substrate
#知识向量化 #语义地图 #知识联系 #意义 #科技
avatar
这篇分享很值得创作者收藏👇 a16z 大会，50 位顶级创作者总结了 7 个共识： 1️⃣ 建立私域（邮件/社区），别被算法绑架 2️⃣ 线上流量要转化为线下关系（Dinner、Meetup、活动） 3️⃣ 把广告打包卖：播客+简报+社交+活动 = 长期合作 4️⃣ 越细分的市场，越能变现（Niche is Rich） 5️⃣ 合作大于单干，跨界联动能加速成长 6️⃣ 先在一个平台称王，再考虑扩张 7️⃣ 真正的护城河 = 品牌 + 分发能力 📌 结论：创作者≠内容生产者，而是“经营品牌和分发的生意人”。
#创作者 #A16Z大会 #私域流量 #品牌经营 #变现
avatar
Susan STEM
1周前
只要你真正理解了：大语言模型的本质就是符号映射，它的通用性就是把语言压缩成一个最小原语——预测下一个 token，那么你就会明白： 1）语言和符号有边界。 LLM 是符号模型，它的疆域不在于重复旧的 NLP 技巧，而在于人类能否把符号宇宙推到极致，把更多经验、直觉和制度转写为符号。 2）传统 NLP 已经沦为低阶能力。 翻译、摘要、问答这些曾经的难题，如今已轻易被模型吃掉。什么故事书生成、教科书自动化，这些项目都不再是有壁垒的方向。小团队就不要再做了。 3）真正的关键是边界。 你要搞清楚什么是 language-modelable——可语言建模的领域。这个领域的最远方的边界与空白，就是符号宇宙的前沿，才是值得探索和能带来回报的地方。 人类在这个方向，要把符号宇宙拉伸，探索到极致。
#大语言模型 #符号映射 #通用性 #NLP #符号宇宙
avatar
通常来讲，AI 是作为业务提效工具，而不是创造新业务的工具 如果一定要创造业务的话，也不是不行，但难度会很高，主要是钱的问题 一种是研发大模型，就像梁文锋这种，这个需要的钱少一些，启动资金大概 100 亿就可以 另外一种是给 AI 厂商解决电力问题，比如弄个雅鲁藏布江水电站，这个需要的钱就多一些，得 10000 亿往上了
#AI #大模型 #电力 #资金 #梁文锋