即刻App年轻人的同好社区
下载
App内打开
树不了洞
193关注10被关注1夸夸
🐧一个干产品的ENTP
😼版本已强化
💐热爱 探索 简单 审美 生活
树不了洞
1年前
上次给我震撼的还是球1，最终投资方赚爆。现在轮到黑神话悟空了,一轮轮涨停。他们爆火的原因有点太相似了，下一个球在哪里！
00
树不了洞
1年前
开始探索一下小儿美的AI工具出海了，第一站producthunt打榜！有互fo的朋友吗，给ph养养号🐰
00
树不了洞
1年前
老爸最近又找到了他的新乐趣，从咸鱼上买已经坏掉的电源，然后整吧整吧给整好了卖出去。卖了四个的他现在贼骄傲，只后悔当初买少了坏电源。
00
树不了洞
1年前

罗锴: Reddit流量激增｜Reddit的流量在五月同比增长了39%。对于一个已经存在将近20年的平台来说，这是一个巨大的增长。 Katie Notopoulos，科技与文化高级记者 2024年6月19日 根据Similarweb的数据，Reddit的流量同比增长了39%。对于一个已经存在将近20年的平台来说，这是一个巨大的增长。Reddit的流量激增可能是来自Google流量。哈！ 最近在您的Google搜索中是否看到更多Reddit结果？或者也许您是那些聪明的人之一，在搜索“最佳空调reddit”或“迪士尼快速通行证值得reddit”时在末尾加上“reddit”。 你并不孤单。绝对不孤单。 Reddit的流量在过去几个月激增，很大程度上是因为它在Google搜索结果中的突出位置。四月，Business Insider的Hugh Langley报道了Reddit如何“接管”Google搜索结果，这在很大程度上是由于Google最近决定优先显示“有用内容”，即论坛帖子（Quora问答网站也看到了流量的大幅增加）。 Google当时否认了Reddit流量激增与其6,000万美元的数据许可交易有关，该交易将Reddit数据用于Google的AI产品。 《华尔街日报》本周还指出，Reddit的流量大幅上升，部分原因是人们在Google搜索查询中添加了“reddit”。 数据分析公司Similarweb报告称，Reddit的流量在五月同比激增39%——这是一个巨大的增长。远远超过其他社交媒体公司，它们只看到了适度的增长甚至是下降（抱歉，Facebook）。 根据Similarweb的数据，Reddit流量的主要驱动因素确实是自然搜索（organic search），即Google。Reddit.com在四月大约有8.345亿次直接访问（这意味着人们直接在浏览器中输入reddit.com），但有13亿次访问来自Google搜索结果。 看看这个Reddit过去五年全球流量的图表。对于一个已经存在将近20年的公司来说，最右边的急剧增长，用数据科学术语来说，简直是“疯狂的”： 有几种方法可以解释这一现象。一种是Reddit是一个非常有用的信息来源，来自真实的人们，大家都喜欢它。 另一种解释是Google的搜索结果已经如此混乱，以至于人们迫切需要更好的搜索体验，才将查询范围缩小到Reddit的存档。 第三个，较不受欢迎的选择是，一些阴暗的人在使用Reddit作为肮脏的SEO技巧，通过SEO友好的联盟链接垃圾信息，给小型子版块造成了管理困扰。 也可能是这三者的结合！无论哪种方式，Reddit现在是一个流量巨头。哈！ https://www.businessinsider.com/reddit-traffic-surges-from-google-search-2024-6

00
树不了洞
2年前
刚刚通关，最后同一个符号不同角度就是不同角色真的太棒了。这个游戏太多太多巧思了。

鲸酱菜菜子: 年底了，推荐一部今年喜欢的游戏，兼写些与工作生活相关的体悟。 在《巴别塔圣歌》的世界，你扮演一位异乡的游者，穿梭于不同画风和语言的国度，遇见信徒、战士、诗人、炼金术士和放逐者，破译五种陌生的文字，最后登上塔顶。从名字就可以推测一些内容，机制可以理解为语言文字解谜。喜欢它在安静中引人入胜的氛围、宗教与自然的配乐、莫比斯风格的美术、以及在这段旅程中发现的与个人意志的暗合。 有人把这个游戏叫做《我在巴别塔做外交官》，当下想到今年十月去跟瑞典Design System团队的同事交流时他们也把自己的工作戏称为不同团队间的外交工作：设计系统是他们所使用的通用语言。而我是来自中国团队的外交官。出于个人兴趣去理解文化之间的差异、传递不同文化语境下的设计意图是近年来业余发展出的“工作爱好”。 初始巴别塔中不同国度之间的族人相互误解、并因此隔离了交流。第一次翻译出完整句子的场景，是信徒在向上的城门前苦苦祈求，而「战士闭了那门」。人们敬奉着各自的神，把其他人称作「不洁之人」、「愚者」、「怪物」…而在塔顶会发现所追求的信仰是同一事物的不同侧面。这一寓言其实在现代社会仍有迹可循：不同圈层的人向内封闭、对外界的未知充满仇恨与戒备。关上的门越来越多、巴别塔一直都在。 从学生时起我对未来的期望就是「能持续打开更多扇门」。很开心到现在还能践行着这一点、并从中得到乐趣。「开门」意味着走出认知的边界、探索未知、开放交流。在《巴别塔圣歌》设计的门里，帮助不同族人翻译完成对话后，会发现人类的心愿是如此朴素、纯洁，也容易在合力下实现。「开门」固然是需要做功的（每次进入新国度后看到的内容宛若天书，探索的过程令人既无力又兴奋）。但随着游戏进程会发现，开放包容的世界真的比单一价值观的封闭国度美好太多啦。 在这期间还发掘了对语言学的兴趣。翻出了去年被 @跳岛FM 的@烧酒哲 抽送的《罗马日记》，当时以为自己在吃灰书架堆满的情况下很难去翻开一本以印度裔作家的意大利语写作为特征的文学探索，受游戏启发读起来却觉得尤其有趣。又因为我总在与国外同事的沟通中当外交官，最近被一个团队邀请去给一个印度研学项目做关于中国应用设计的讲座。看到材料中出现陌生的、我此前从未注意过的印度语时，恍惚间以为自己还身处游戏世界里。一切因此而相互串联起来。 之前总觉得自己太喜欢去开新的门、投入和体验的事物太过零碎而没有主题和向下的深度，但发现这些繁杂的线索间共通的体验时，感受就像翻译出几个小小国度之间语言的喜悦。我身体里仍有诸多等待破解的语言，我对此充满期待。

00
树不了洞
2年前
小红书上看到有家咖啡店老板也太会了，财神送到你碗里！
10
树不了洞
2年前
树不了洞
2年前

Barret李靖: 什么是 AI Agent？相比原生 LLM 的推理，Agent 能带来了哪些能力？为什么 Agent 需要具备这些能力？ 人类在决策的时候有两种思维模式，诺奖得主 Daniel Kahneman 称之为第一系统和第二系统思维。第一系统（System 1）是快速的、习惯性的、无意识的，第二系统（System 2）是深思熟虑的、自主的、有意识的。 LLM 的作用就是进行 Next Token Generation，它的表现跟 System 1 基本一致，也正因为这本能式的推理反应，LLM 会出现很多思维谬误和幻觉问题；AI Agent 可以帮助 LLM 搭建一套框架来进行深度思考和分析，激发 System 2 的潜力，从而做出更复杂和可靠的决策，之前提到过很多让 ChatGPT 加强思考的方法，例如 CoT（Chain of Thought）和 ToT（Tree of Thought）等，都是为了阻止 LLM 直线式思考，让它在触碰最终答案之前，迂回几次，试探更多的路径，剔除掉更多低置信度的选项。 这篇文论（https://arxiv.org/pdf/2309.07864.pdf）对 Agent 做了一个新的定义：具有自主性、反应性、积极性和社交能力特征的智能实体。人类的终极目标是期望 AI 能够自规划执行解决复杂的问题，很显然，单凭 CoT/ToT 这些简单的 System 2 思考策略是远远不够的，那还需要哪些东西呢？ 目前已知的能够很好提升效果的办法包括：1）让多 Agents 进行相互系统；2）能够与环境进行交互；3）具备中短期甚至长期的记忆能力；4）能够在寻求答案的过程中更智能的决策和选择最佳路径。ChatGPT 的 GPTs 提供了上传资料、执行代码、函数调用等能力，本质上也是在补齐 System 2 的能力，等到 GPTs 的生态丰富之后，也可以实现 GPTs 之间的调用，这样就很容易构造一个西部世界了。 十分推荐阅读这篇文章的第一部分，《关于 AI agent 的四个关键问题》，https://mp.weixin.qq.com/s/JYu_oXWbWbasT1fcBRo-cA，文章的第二部分和第三部分讲的是基于 AI Agent 的一些业界实践，以及未来需要去解决的一些问题，文章通俗易懂。

00
树不了洞
2年前
好冷，风真的吹得脑壳疼。
00
树不了洞
2年前
好的！

阿法兔:

00
树不了洞
2年前
最近接触了几个数字人厂家，为什么模型已经做好了还需要有长至十几二十天的交付周期啊。重点是最后的结果真的很像腾讯视频背景抠图，还能卖几万十几万的。这真的不是骗钱？
00
树不了洞
2年前
吃个早饭的时间，又被蚊子咬了
00
树不了洞
2年前
sos 请算法同学好好研究 🐶

阿法兔: 【资料】xAI 的Greg Yang提到的xAI书单：关于@xai空间的书是Axler的“Linear Algebra Done Right”和Halmos的“Naive Set Theory”。多年来他真正喜欢的其他数学书籍： 《算法导论》（Introduction to Algorithms），作者：Thomas H. Cormen、Charles E. Leiserson & Ronald L. Rivest & Clifford Stein 《Information Theory， Inference and Learning Algorithms》作者：David J. C. MacKay 《量子力学导论》（Introduction to Quantum Mechanics），作者：David J. Griffiths 《概率论：科学的逻辑》（Probability Theory： The Logic of Science），作者：E. T. Jaynes & G. Larry Bretthorst 《拓扑学》（Topology），作者：James R. Munkres 《RepresentationTheory： A First Course》作者：William Fulton & Joe Harris 《概率与随机过程》（Probability and Random Processes），作者：Geoffrey R. Grimmett & David R. Stirzaker 《Computational Complexity： A Modern Approach》作者：Sanjeev Arora & Boaz Barak 《数学家数理逻辑课程》作者：Yu.I. Manin & Neal Koblitz & B. Zilber 《模型理论：简介》（Model Theory： An Introduction），作者：David Marker（英语：David Marker） 史蒂夫·阿沃迪（Steve Awodey）的“范畴论” 《量子计算和量子信息》（Quantum Computing and Quantum Information），作者：Michael A. Nielsen & Isaac L. Chuang “递归可枚举集合和度”作者：Robert I. Soare 马丁·阿科维茨的《同伦理论导论》 托马斯·杰赫的“集合论” Klaus Weihrauch的“可计算分析：简介” 列昂尼德·利布金（Leonid Libkin）的“有限模型理论的要素” “测度理论第1卷+2”弗拉基米尔·博加乔夫 《光滑流形导论》作者：John M. Lee 《流形导论》作者：Loring W. Tu 约瑟夫·罗特曼的《代数拓扑学导论》 《品种和方案红皮书》（The Red Book of Variety and Schemes），作者：David Mumford 桑德斯·麦克·莱恩（Saunders Mac Lane）的《工作数学家的类别》（Category for the Working Mathematician） 《代数》作者：Saunders Mac Lane&Garrett Birkhoff “Introductory Functional Analysis with Applications”作者：Erwin Kreyszig 《同调代数导论》（An Introduction to Homological Algebra），作者：Charles A. Weibel 《Modal Logic》作者：Patrick Blackburn & Maarten de Rijke & Yde Venema 《黎曼流形：曲率导论》作者：约翰·李 “拓扑流形导论”作者：John M. Lee Ryan O'Donnell的“布尔函数分析” “Certified Programming with Dependent Types： A Pragmatic Introduction to the Coq Proof Assistant”作者：Adam Chlipala。 《Machine Learning： A Probabilistic Perspective》作者：Kevin P. Murphy 《信息几何方法》（Methods of Information Geometry），作者：Shun-Ichi Amari&Hiroshi Nagaoka “非线性动力学和混沌：在物理，生物学，化学和工程中的应用”，作者：Steven Henry Strogatz 彼得·沃尔特斯（Peter Walters）的《遍历理论导论》（An Introduction to Ergodic Theory） “数学控制理论：确定性有限维系统”作者：Eduardo D. Sontag 《强化学习：简介》（Reinforcement Learning： An Introduction），作者：Richard S. Sutton和Andrew G. Barto 《多面体讲座》（Lectures on Polytopes），作者：Günter M. Ziegler 《Combinatorial Commutative Algebra》作者：Ezra Miller & Bernd Sturmfels 《Information， Physics， and Computing》作者：Marc Mézard， Andrea Montanari 《随机矩阵论中的话题》作者：Terence Tao “P-Adic分析课程”作者：Alain M. Robert 米歇尔·塔拉格兰德（Michel Talagrand）的《什么是量子场论》（What is a Quantum Field Theory？）

00
树不了洞
2年前
树不了洞
3年前
树不了洞
3年前
有点意思
原动态已删除
00
树不了洞
3年前
树不了洞
3年前

Causality_Z: 关于LLM自生成数据集，Sam Altman也说他们几乎不需要人工标注了。在开源拥有更多可能性的图景中，直接生成更高质量的数据集也成为趋势。 目前看到最新颖的相关研究是上个月微软和北大的WizardLM（基于开源的LLaMa 7B）【https://arxiv.org/abs/2304.12244】，模型能力上，复杂表现能够超越GPT3.5；研究方面也是少有的系统性地呈现自训练数据集的探索。 WizardLM把扩展数据集完全交给LLM。利用一个「精心设计」的prompt，模型自主将一个简单的问题/指令扩展、深化、复杂化。比如，可以从简单指令“1+1=？”扩展出更复杂、更具有难度的指令（图1）。简单翻了一下他们的prompt（虽然原本就是中国人写的XD）。 开玩笑地说，自生成数据集的路上，我们向着被LLM替代又近了一步。下一步很可能就是让LLM更有参照性地自生成prompt来自监督指令扩展，从而让训练更具效率。 * 这两天和老前辈工程师“友好交流”了LLM的表现，上一辈的技术人员相信精细的工艺和细末的细节，这是工业化的传统沉浸在程序和端口中的习性。但LLM明显更像一种认知体系、一种逻辑和行为的重塑框架，遵循着LLM，我们会走到更宏观的、边界模糊的世界中去吗？虽然有些过分乐观，但我常常“不得不”这样想。

00