avatar
小弟调调
1个月前
DevTutor v1.31 发布 —— 一款 SwiftUI/Swift 开发速查手册应用，本次更新带来了大量全新示例。 📥 💬
#DevTutor v1.31 #SwiftUI #SWIFT #开发速查手册 #应用更新
avatar
图拉鼎
1个月前
今天起来发现青萍空气质量检测仪Lite离线了，之前是24小时连接电源线的状态。 看到它黑屏了，无法再次开机，摸着还能感觉到微微发热。凑近闻了一下还有奇怪的味道，但表面看不到异样，可能是主板烧掉了（不是锂电池就好）。 看了下订单记录差一个月就过保了，于是赶紧联系了客服。
#青萍空气质量检测仪 #离线 #无法开机 #疑似烧毁 #联系客服
avatar
铁锤人
1个月前
下次用大模型写文章可以考虑一下⽂⼼⼤模型5.0了 今天翻了下lmarena(一个大模型榜单) 发现，⽂⼼⼤模型5.0-Preview直接冲上⽂本榜中国第⼀、全球并列第⼆ 听说这次在写作和用户需求理解上，甚⾄超过了gpt-5-high。 据说不少海内外kol都会去百度世界⼤会，估计到时候可以看到更多信息。
#文心大模型5.0 #百度世界大会 #大模型榜单 #写作能力提升 #中国第一
avatar
涌现是复杂性科学中的一个概念，描述了多体系统如何展现出新型的高阶特性——这些特性可通过用低维有效变量和理论替代高维机制来描述。 这一现象可概括为"更多即不同"的理念。 智能作为一种完美的涌现特性，体现为运用涌现能力解决问题时效率的持续提升——成本更低且速度更快。 这可概括为"少即是多"的理念。 本文首先审视关于大型语言模型展现涌现能力的论断，回顾多种量化涌现现象的方法；其次探讨大型语言模型是否具备涌现智能。 Emergence is a concept in complexity science that describes how manybody systems manifest novel higher-level properties, properties that can be described by replacing high-dimensional mechanisms with lower-dimensional effective variables and theories. This is captured by the idea “more is different”. Intelligence is a consummate emergent property manifesting increasingly efficient—cheaper and faster—uses of emergent capabilities to solve problems. This is captured by the idea “less is more”. In this paper, we first examine claims that Large Language Models exhibit emergent capabilities, reviewing several approaches to quantifying emergence, and secondly ask whether LLMs possess emergent intelligence.
#涌现 #大型语言模型 #复杂性科学 #智能 #效率
avatar
sitin
1个月前
这两年折腾 AI 编程出海，有个很直观的感受： 写作 + AI 工具，是普通人最好上手的杠杆。 以前纯写作，产一篇就累一次。 现在用 AI 帮忙整理思路、生成初稿，我只要负责“说人话 +讲故事”， 同样一篇内容，能变成：社群长文、课程大纲、销售页、甚至是实战营讲义。 写作本来就是“边际成本几乎为 0 的产品”， 叠一层 AI 上去之后，杠杆感更明显了。
#AI编程 #写作工具 #效率提升 #内容创作 #AI辅助
avatar
图拉鼎
1个月前
新款 Model Y 的后驱版也推出长续了，比后驱标续贵2.5万元。不知道是多少度电。
#Model Y #长续航 #后驱版 #电动汽车 #价格
avatar
Guoqi Sun
1个月前
Vibe Coding 究竟提高了多少倍的效率呢？🚀🚀🚀 我花了一两天的功夫就完成了 TailwindCSS 官方模版 Transmit 的复刻重构工作，而且比官方的更优雅😊😊😊 1. Next.js —> TanStack Start 2. 支持了 i18n 国际化多语言 3. 支持了深色模式以及主题色配置 4. 使用 Vidstack 重构了音频播放器组件 5. 新增 episode list 的分页组件 6. 新增 cmdk 快捷导航跳转组件 7. 新增图片 lightbox 预览组件 8. 其他细节优化 做播客的有福了 🎉🎉🎉 这套代码完全开源，你可以在 1 分钟内拥有你的播客网站😍😍😍 还望大佬们给个 Star 支持一下 ⭐️⭐️⭐️
#Vibe Coding #TailwindCSS #Transmit #Next.js #播客网站
avatar
大帅老猿
1个月前
有了 AI 后起号挺简单的，找到某个人群对于某些内容的 G 点就行了，比如简中区确实对中年夫妻情感话题特别敏感。 但是我没有什么起号的动力。起了号之后要干嘛呢，卖号？ 做独立开发，我感觉有个几千关注的号就足够了。
#AI #简中区 #中年夫妻情感 #独立开发 #起号动力
avatar
微信AI lab的这篇文章让我想起原来有个哥们收集了很多梗图和图片，在聊天时能很快找到合适，非常能活跃群里的气氛 😄
#微信AI #梗图 #活跃气氛 #社交聊天 #积极
avatar
cs50 和 cs61a/b系列 恰好我在转码时都看过了。 难度方面后者远远大于前者的，cs50适用于毫无编程基础的小白，第一次看的编程课。 cs50看完，你基本能跟着做一个带前后端的完整小系统了，而且整个课程10个小时左右。 相比之下，cs61系列更硬核了，整个系列完整更下来，你的计算机基础不亚于科班出身了。 但是时间更长，难度更大，需要你有耐心和一定基础了。 两个课程都能在网上找到免费且完整的资料，B站，油管，github都有详细的资料，只要你学，它们就在那里等你。
#CS50 #CS61A/B #编程入门 #计算机基础 #在线课程
avatar
belief shift正是icl可编程的所在 人与LLM投射与反投射的第三空间可以有自己的的信念？
#ICL #LLM #信念 #可编程 #第三空间
avatar
宝玉
1个月前
转译：AI 与社交媒体是如何导致我们“脑子生锈”的？——《纽约时报》... 科技行业总在告诉我们，聊天机器人和新的人工智能（AI）搜索工具将极大地提升我们的学习和发展效率，谁要是忽视了这项技术，谁就有被时代抛弃的风险。 但是，梅勒马德（Melumad）博士的实验，以及迄今为止其他已发表的关于 AI 对大脑影响的学术研究，却得出了一个令人不安的结论：那些严重依赖聊天机器人和 AI 搜索工具来完成写论文、做研究等任务的人，他们的学习表现普遍不如那些不使用这些工具的人。 “坦白说，我非常害怕，”梅勒马德博士说。“我担心现在的年轻人以后都不知道该怎么用传统方式上谷歌搜索了。” “技术是不是让人类变笨了？”这个问题几乎和技术本身一样古老。遥想当年，哲学家苏格拉底就曾指责“文字”的发明削弱了人类的记忆力。近一点看，就在 2008 年——那时候可还没有什么 AI 自动生成网页摘要呢——《大西洋月刊》（The Atlantic）就发表过一篇著名的文章，标题是 “谷歌在让我们变笨吗？” 事实证明，当时的那些担心有点杞人忧天了。 然而今年，美国儿童的阅读成绩，包括八年级学生和高中毕业生，双双创下了新低。这些数据来自“全国教育进展评估”（National Assessment of Educational Progress，（注释：简称NAEP，被公认为美国衡量学生学业水平最可靠的“黄金标准”考试）），这是自新冠疫情（Covid-19）扰乱了正常的教学秩序、并导致青少年刷屏幕时间猛增以来，首次发布的同类成绩报告。 下面，我们来总结一下目前已有的研究，看看怎样使用 AI 才能真正地“补脑”，而不是让“脑袋秀逗”。 当我们用 ChatGPT 写作时，我们到底还在“写作”吗？ 今年，要说 AI 对大脑影响方面最引人注目的研究，非麻省理工学院（MIT）莫属。研究人员试图搞清楚，像 OpenAI 的 ChatGPT 这样的工具，到底会怎样影响人们的写作方式。 这项研究只找了 54 名大学生，（样本量很小），但研究结果却引出了一个至关重要的问题：AI 会不会扼杀我们的学习能力？ 在研究中，学生们被要求写一篇 500 到 1000 字的论文。他们被分成了三组： 1. 第一组：可以用 ChatGPT 帮忙写作。 2. 第二组：只能用传统的谷歌搜索来查资料。 3. 第三组：啥也不能用，只能靠自己的大脑来完成作业。 所有学生都戴着传感器，用来实时测量他们的大脑电活动。结果显示，使用 ChatGPT 的那一组学生，大脑活动水平是最低的。这倒也不奇怪，毕竟他们让 AI 聊天机器人包揽了大部分的思考和写作工作。 但最让人震惊的发现，发生在写作练习结束之后。 在学生们交卷一分钟后，研究人员要求他们背诵自己刚刚写完的论文中的任何内容。结果，绝大多数（高达 83%）使用 ChatGPT 的学生，竟然连一个完整的句子都回忆不起来。 相比之下，那些使用谷歌搜索的学生还能背出一些片段；而那些完全不用科技、全靠自己大脑写作的学生，则能复述出大量内容，有些人甚至能一字不差地背诵几乎整篇文章。 “这才过去一分钟，你就真的一点都想不起来了？” 领导这项研究的麻省理工学院媒体实验室（M.I.T. Media Lab）科学家娜塔莉亚·科斯米纳（Nataliya Kosmyna）在谈到 ChatGPT 用户时，难掩惊讶之情。“如果你压根不记得自己写了什么，你（对这篇文章）就不会有‘主人翁’的感觉。你真的会在乎你写的东西吗？” 科斯米纳博士说，虽然这项研究关注的是写论文，但她真正担心的是，这对于那些在“记忆力”至关重要的领域使用 AI 聊天机器人的人意味着什么——比如，一个正在备考飞行执照的飞行员。 她强调，我们迫切需要进行更多研究，搞清楚 AI 到底如何影响人们“记住”信息的能力。 社交媒体可能与阅读成绩下降有关 上个月，《美国医学会杂志》（JAMA）发表了加州大学旧金山分校（UCSF）的一项研究。领导这项研究的儿科医生杰森·长田（Jason Nagata）博士和他的同事们，分析了来自“青少年大脑认知发展”（ABCD）项目的数据。 这是一个在 2016 年至 2018 年间，跟踪了超过 6500 名 9 至 13 岁青少年发展状况的大型研究项目。 怎样使用社交媒体和 AI 才更“健康”？ （长田博士）建议，父母应该在家里强制执行“无屏幕区”，比如严禁在卧室和餐桌上使用手机，这样孩子们才能在学习、睡眠和吃饭时保持专注。 Meta 公司 没有回应媒体的置评请求。TikTok 的一位女发言人则 指向了一个网页 ，上面有设置“休息一下”（Time Away）功能的说明，这个工具可以帮助父母设定青少年允许使用 TikTok 的时间表。 至于 AI 聊天机器人，麻省理工学院的那项研究里其实还暗藏了一个有趣的“转折点”，它为人们如何更好地利用聊天机器人来学习和写作，提供了一个可能的解决方案。 在研究的后续阶段，研究小组交换了角色： - 之前只能靠大脑写作的人，现在可以用 ChatGPT 了。 - 之前依赖 ChatGPT 的人，现在只能靠自己的大脑了。 所有学生都就他们之前选定的相同主题，再写一篇论文。 科斯米纳博士说，结果出现了戏剧性的一幕：那些起初只靠自己大脑写作的学生，在获准使用 ChatGPT 后，他们的大脑活动反而达到了峰值（注释：这意味着他们在使用AI时也在积极思考如何优化和协作，而不是完全“躺平”让AI代劳）。 相反，那些一开始就用 ChatGPT 的学生，当他们反过来被限制只能用脑子写时，他们的大脑活跃度始终没能达到第一组人的水平。 这就给出了一个非常重要的启示： > 那些想用聊天机器人来写作和学习的人，应该考虑先自己动手（比如构思、打草稿），到后期修改润色的阶段再求助于 AI 工具。 > > 这就好比学数学的学生，总得先用纸和笔亲手学会了公式和方程，才能在之后用计算器去辅助解题。 对于这些研究发现，Google 和 OpenAI 均拒绝发表评论。 前面提到过那位研究 AI 搜索工具的沃顿商学院教授梅勒马德博士，她也表达了类似的观点。她说，那些 AI 搜索工具最大的问题在于：它们把一个本该由你大脑“主动”完成的过程——比如浏览一堆搜索链接、判断哪个来源更可信、然后点进去批判性地阅读——变成了一个完全“被动”的自动化过程（AI直接给你一个“标准答案”）。 因此，她说，要想更“健康”地使用 AI，关键可能在于我们用它们的时候要“更走心”一点。 梅勒马德博士建议，不要让聊天机器人帮你完成一个宽泛主题的全部研究，而是把它当作研究过程中的一个“小助手”，用它来回答一些零碎的小问题，比如“帮我查一下某个历史年份”。 但如果你想深入地学习某个学科，那还是老老实实去读一本书吧。 来源：
#AI影响 #学习能力下降 #社交媒体 #青少年 #教育
avatar
RamenPanda
1个月前
美国政府关门“导致”的下跌，你看看戏就好，千万别当真觉得AI泡沫要破裂了 TACO大仙在给全世界演戏呢 现在处于算力严重不足大基建的红利期。。M7现在是送钱的机会，能不能捡到钱，就看你认知高不高了
#美国政府关门 #AI泡沫 #算力基建 #M7送钱机会 #TACO大仙
avatar
宝玉
1个月前
看到这条留言有感而发随手写了一点：为什么依赖“自驱”的学习这么难坚持？ 答案很简单：你没有获得持续的正反馈。 所有依赖自驱的学习，想要有效果，都离不开两个核心引擎：正反馈和学习循环。 🆙 引擎一：正反馈（提供动力的“燃料”） 正反馈，就是那些能让你“爽”到的点，是你坚持下去的核心动力。 比如说： - 你写下 "Hello World"，代码真的运行输出了。 - 你写的一个小脚本，真的帮你节省了半小时的重复劳动。 - 你做的小软件，真的帮朋友解决了一个棘手的问题。 这些，都是价值千金的正反馈。 相反，什么是负反馈？ 比如说： - 花了一整天搭环境，最后还是跑不起来。 - 花了一个通宵调试，Bug 还是没找到。 - 精心写了很久的软件，压根没人用。 人是无法靠意志力对抗持续的负反馈的。 一直得不到正反馈，放弃才是最符合人性的选择。 ♻️ 引擎二：学习循环（内化技能的“发动机”） 光有“爽感”还不够，那可能只是短暂的兴奋。想真正“学会”，你需要一个能不断运转的发动机，一个把知识内化为自己真正技能的完整闭环。 拿学习编程来说，这个循环至少包含这三步： 1. 学习理论知识（学） 这是基础。通过看书、视频、课程，学习算法、数据结构、设计模式等。这是你的“弹药库”。 2. 动手实践（练） 这是最最最重要的部分。你必须去写代码、编译、运行、调试、修复错误，才能把抽象的概念具体化。 为什么现在都强调“干中学”？因为你看再多游泳视频，不下水，你永远学不会游泳。 很多人学不好编程，不是因为理论不懂，而是因为练得太少。 3. 解决真实问题（思） “练”一定会遇到问题。新手和高手的区别，就在于此。 你必须经历分析问题 -> 尝试解决 -> 撞墙 -> 查资料 -> 解决问题的完整过程。人，只有在解决问题的挣扎中，才能真正积累经验，掌握知识。 请注意：这一步，是 AI 无法替代的。 AI 可以帮你写出代码，但它无法帮你体验那个“从卡住到豁然开朗”的完整思考过程。这个经验，必须你自己去赚取。 那些所谓的高手，不过就是这个循环跑得多了，积累了海量的“问题-解决方案”范式，仅此而已。 关键：让“循环”产生“反馈” 现在我们把两个引擎连起来： > “学习循环”是产生“正反馈”的最佳途径。 当你完整地跑完一次循环（比如，学了一个新框架，动手做出了个小功能，并解决了所有Bug），你获得的正反馈是巨大的！ 这种“我能行”的成就感，会给你充足的“燃料”，让你兴奋地开启下一次循环。 如何打造你自己的“正反馈学习循环”？ 场景一：“简单模式”（在企业中） 在企业里有个巨大的好处：你不需要自己找循环，公司会“喂”给你。 - 接任务（识别问题） - 了解需求（学习理论） - 动手开发（动手实践） - 联调测试（解决问题） - 上线发布（获得正反馈：任务完成/用户使用） 而且，你身边有同事和导师。遇到问题，总有人帮你。如果你的 Leader 水平很高，能“刚刚好”给你安排那些“跳一跳才够得着”的活，你的成长会快到飞起。 场景二：“困难模式”（独自摸索） 如果你是一个人学习，情况会难很多，你必须刻意为自己设计这个循环。这里有几个关键建议： 1. 从 Side Project 开始，而且必须“小” 不要一上来就想做“一个 ChatGPT”。你的目标是快速获得正反馈。 - 一个自动签到的脚本。 - 一个批量处理图片的小工具。 - 一个帮你管理书单的简单网站。 谨记：先去发现你或朋友身边的“真实需求”再动手，成功率最高。 2. 把 AI 当“领航员”，别当“代驾” AI 是革命性的工具，但它很容易中断你的学习循环。 ❌错误用法（代驾）： “帮我写一个xxx功能的代码。” -> 你只是复制粘贴，错过了“实践”和“解决问题”的环节。 ✅正确用法（领航员）： “我遇到了xx错误，可能是什么原因？” “我想实现xx功能，有哪几种方案对比？” 如果你只是让 AI 帮你完成，你永远无法真正掌握知识，循环没有跑通。 3. 用“费曼学习法”倒逼理论输入 很多人“干中学”久了，会变成“野路子”，只知其然不知其所以然，很快会遇到瓶颈。 怎么办？用“教”来倒逼“学”。 把你项目中的思考、遇到的坑、解决方案，记录下来，尝试分享出去（写博客、做分享）。为了能给别人“讲明白”，你就必须去补习那些背后的理论知识，确保自己真的懂了。 这，就是最高效的理论学习方式之一。 4. 别闷头造车，去社区“求助”和“帮助” 一个人学习，最怕卡在一个问题上几天都出不来，负反馈爆棚。 AI 能解决一部分，但很多复杂或特定领域的问题，还得靠人。 我们这一代程序员成长时，都泡在 CSDN 论坛、Stack Overflow、知乎里。当你在社区里提问，得到解答，是正反馈；当你用你的经验去解答别人的问题，更是强烈的正反馈。 真正的成长，从来不发生在看视频或者让 AI 写代码的舒适区里，而是来自“学习 -> 实践 -> 解决问题”这个完整、甚至有些痛苦的循环。 可以从一个身边的小问题开始：动手去解决它，积累经验，获取正反馈！
#自驱学习 #正反馈 #学习循环 #AI辅助学习 #解决问题
avatar
习惯了LLM，有一个很危险趋势，就是我们每个人都要借助LLM才能沟通😱
#LLM依赖 #沟通障碍 #技术依赖风险
avatar
Yadong Xie
1个月前
我们团队（Nvidia DGX Cloud Lepton）在美西有两个 Cloud Web Dev 的 HC，主要负责云平台构建和开发者体验，欢迎自荐推荐，私信联系 产品主页：
#NVIDIA #DGX Cloud #Lepton #Cloud Web Dev #美西
avatar
说明前端和测试本来就是低端程序员 你看搞算法或者搞架构的有没有那么容易被取代 起码现在还没那么容易
#前端 #测试 #低端程序员 #算法 #架构 #取代
avatar
从SEO角度去思考问题是最不缺需求的，Keywords research就是一个源源不断的大宝藏，但是缺少一些深入思考需求的框架： 1) 谁付费？为什么现在就愿意掏钱？预算从哪儿来？ 2) 谁受益？与付费者是否同一方？若不同，价值如何传递？ 3) 用户要完成的工作（JTBD）一句话是什么？现有替代是什么？ 4) 价值能否量化（节省/增收/风险降低）？用具体数字表达。 5) 商业模式：一次性/订阅/席位/用量/抽成？免费与付费层如何分割？ 6) 分发/GTM：首个可行流量入口是什么（SEO/市场/插件/API/合作）？ 7) 单位经济：CAC、ARPU×毛利×周期= LTV；LTV≥3×CAC 是否成立？ 8) 核心风险与可证伪假设（列3条），对应的最小实验是什么？ 9) 北极星指标与AARRR各1个度量是什么？ 10) 护城河与合规：数据/工作流锁定/网络效应/品牌/集成；有何合规要求？ 11) MVP 只做什么最小闭环？两周内的里程碑与退出阈值？
#SEO #Keywords research #需求分析 #商业模式 #用户价值
avatar
Xiao Tan
1个月前
用ai写的东西的流量证明人类可以被ai骗，其实证明了一个悲剧的事—-大多数人的品味都不高，ai产的垃圾就能满足了，于是确实专门有人生产垃圾喂给他们反正都能赚钱，但是有没有可能有个平行世界，大家只做佳肴，全民都有品味。
#AI #低品味 #垃圾内容 #流量 #悲观
avatar
Andy Stewart
1个月前
怼的好 开源世界建设者的价值观： You can you up, no can no bb 开源世界安全黑客的价值观： 我艹，这个0day又要把世界搅翻天了，你们快修，你们不修，就是你们不重视安全 所以，建设派 (Linux、FFmpeg、OpenSSL) 这些开发者都鄙视安全圈的人就不足为奇了
#开源世界 #价值观冲突 #安全漏洞 #鄙视链 #建设者 vs 黑客
avatar
Andy Stewart
1个月前
支持 PyTorch 大佬！ 顶尖的黑客不光是技术牛逼，更重要的是，他们尊重自己的内心 用自己牛逼的能力去探索未知的世界，那样才好玩！
#Pytorch #黑客 #技术牛逼 #探索未知 #尊重内心
avatar
dontbesilent
1个月前
AI 写的东西有没有价值 我们假设它没有价值，那如果开始有真人去讨论它呢 没有对话，就创造对话 没有真人对话，就用 AI 强迫真人开始对话
#AI #对话 #价值 #真人 #讨论
avatar
背包健客
1个月前
近日，来自中国江门市五邑大学的研究团队在《 Food Research International》杂志发表研究论文。 研究发现，绿茶、白茶、黄茶、乌龙茶、红茶和黑茶提取物，均能延长秀丽隐杆线虫寿命并增强抗压能力。 令人惊讶的是，黑茶具有显著的抗衰老延寿功效，最高可将寿命延长34.61%。
#江门市五邑大学 #茶叶提取物 #秀丽隐杆线虫 #抗衰老延寿 #黑茶
avatar
初中时刚学英语，从词根能发现许多有意思的历史与文化故事，AI 的出现，让我当时收藏的有趣单字有了新的启发，以前遇到有趣的单词，问人也找不到，搜索的话只能看看 wiki 有没有人撰写类似条款，否则只能用外语查询，效率很低。 譬如我在东京经常去的一家法餐厅叫 l'algorithm，是法语算法的意思，英语中算法一词也来源于法语，但法语中这个复杂的词汇，却来自于阿拉伯世界的数学家 Al-Khwārizmī，由波斯语 -> 拉丁语音译 -> 法语得来。这个词我们读出来，会和古代中亚历史中的一个词汇很像，就是花剌子模，是曾经中亚某个三角洲流域的地名，史上有名的花剌子模王朝，后被蒙古所灭。 如果没有 AI，我们常用的语言和词汇中的有趣历史，也许就沉没前人编纂的百科全书中，永远无法触摸了，这样想来，互联网的发明，也许最终是为了成就 AI，人类的知识汇入同一个大脑，世间再无巴别塔。
#AI #语言学 #历史 #花剌子模 #文化
avatar
Jason Z
1个月前
中国在人工智能模型月下载量在过去两年间与欧盟和美国的对比。
#中国 #人工智能模型 #月下载量 #欧盟 #美国