GateUser-88e8fff4

人と人の操作AIは皆、純粋な線形のアテンションメカニズムを学ぶべきです
もしあなたのエージェントがいつも言うことを聞かず、多くのことをしてすべて間違っていると感じるなら
もしあなたが毎日たくさんのことに追われていて、とても煩わしく、たくさんのことをしてもまるで何も成し遂げた気がしないなら
それは一つの線に集中する問題を学ぶ必要があります。他の問題を強制的に遮断しないと、前頭葉が疲弊してしまいます。

もしあなたがAIが次世代の答えだと確信しているなら、今すぐナスダックをすべて売却し、モデル企業に全額投資すべきです。

AIプライバシー規制がほぼゼロの今、今後すべてのウェブサイトはユーザーに対して「一切のクッキーを収集しません」と真面目に伝えるべきです。EUよりも厳格に。そして、その後すべてのチャット記録をデータベースに保存し、毎日丁寧に分析して次にどの韭菜を刈るべきかを考える。

会社全体がClaude Codeを使って仕事を進めるなら、人類学会社は企業の重要なデータをすべて収集できる
財務報告から資金調達のプレゼン資料、コードの実装と展開まで
人類学はまた、ユニコーンスタートアップを監視し、彼らの成長から最良のデータを得ることもできる
そして今、古臭いクッキーのプライバシー規制しかなく、クッキーは監視できるのはポイントだけに過ぎない
一方、AIデータ＝最も直接的に抽出されるプライバシーデータ
だから人類学の市場価値は、プライバシー侵害の極致であるmeta + 大規模モデルのトップ0層であるOpenAI
こう考えると、人類学は完全に勝利したと言える

現在のAIの発展速度を考えると、どんな製品も15日から30日以内に大きな機能をリリースしなければ情報の流れに追いつけない。

人類学とOpenAIの二つの会社は、コードの品質にこだわりすぎて、ソフトウェアが頻繁に問題を起こし原因がわからず、ユーザーに適応させている。
しかし、自社のAPIは毎日安定して大規模な並列呼び出しを支え続けており、現状のllm + 経験豊富なプログラマーの打ち合わせや息の合った連携の安定性を十分に示している。

AI会社がデスクトップソフトウェアをリリースする最大のメリット
ユーザープライバシーを狂ったように盗ること、
metaは何もしない、プライバシーを売って広告を売るだけで横たわって好き勝手に遊ぶ、
ビジネスの究極のモデル、詐欺情報を各ユーザーに正確に配信する

現在、AIの能力と誰もが口頭でプログラミングする混乱状態を考えると
GitHubのオープンソースでスターを稼ぐモデルは終わった
今後は、数個の主要なライブラリに真剣に参加し、他はすべてクローズドにして、オープンソースのプロンプトだけで十分だ

claude code 開源は agent infra の方向性を示す

この数日、Pretextを使ったマーケティングアカウントはすべてブロックできる。特に暗号通貨界やAIのゴミアカウントは要注意だ。
この連中はコピーした文案で「仮想スクロール」と言っているが、おそらく仮想スクロールが何かも知らず、自分で操作したり問題に直面した経験もないだろう。

この数日、Pretextを使ったマーケティングアカウントをブロックできるようになりました。特に暗号通貨界やAIのゴミアカウントは要注意です。
この連中はおそらくコピーしたキャッチコピーの「仮想スクロール」のときに、仮想スクロールが何かすら知らないでしょうし、自分で操作したり問題に直面した経験もないでしょう。

codex のクォーターポリシーには深刻な問題があります。私はずっと pro を使っているのに、ある週は一生懸命使っても使い切れず、別の週は medium を開いて半日作業しても 20% のクォーターしか使えません。

いくつかの国内中継点で大規模なAPI呼び出しをサポートしているものは何ですか？

最も育むべきは資産をコントロールする感覚と、堅実な複利の快感を受け入れることです。そうすれば、どんな投資対象でも高リスクの一攫千金や日々の短期売買を選ばなくなり、詐欺的なポンジスキームに騙されることも難しくなるでしょう。

Codexは、ツリーのパターンを開発すべきです。
自分で反復的にタスクを進め、各ラウンドで3枚のカードを引き、その後TDDとログ追跡によるクローズドループのベンチマークを行います。
3枚のカードから9枚を引き出し、繁殖を開始し、不要なツリーパスの削除とマージを行います。ベンチマークの目標に沿って無限に最適化を続け、
重要なパフォーマンスのポイントに到達したら自動的にgitタグを付けます。
発散モデルから徐々に収束させ、最終的に過剰適合しない状態で目標を達成するプログラムを得る。

Everyone is using SOTA models for software, but for a commercial application that requires cost-effectiveness, if you want to fine-tune a weak or mediocre model into an agent that can perfectly complete tasks, you'll need a lot of repetitive benchmarking work.