GateUser-88e8fff4

vip
幣齡 4.4 年
最高等級 1
用戶暫無簡介
人和人操作 AI 都應該學會一種純線性的注意力機制
如果你覺得你的 agent 老是不聽話,做一堆事情都是錯的
如果你覺得你每天事情很多,很煩,做了一堆事情彷彿什麼都沒做
那就得學習只專注一條線的問題,強行屏蔽其他任何問題,不然你的前額葉會累死。
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
如果你堅信 AI 是下一代的版本答案,現在應該把納斯達克都賣了,全定投模型企業
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
趁著 AI 隱私法規完全等於零,以後所有網站都應該一本正經地告訴用戶不收集任何 cookie,比歐盟還規範
然後轉頭把所有的聊天記錄全部入庫,每天都仔細分析一遍,看看自己下一步該割哪一茬韭菜
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
公司從上到下都用 Claude Code 幹活的話,人類學公司可以收集到整個公司的關鍵數據
從財務做報表,到融資吹牛逼的 PPT,以及代碼的實現落地
人類學還可以監控獨角獸 startup,從他們的發展中獲得最佳數據
而且現在只有老掉牙的 cookie 隱私法規,cookie 甚至只能監控點了什麼東西而已
而 AI 數據=最直接提純的隱私數據
所以人類學的市值應該 = 侵犯隱私到極致的 meta + 大模型 top0 梯隊的 openai
這樣看來人類學徹底贏了
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
以當前的 AI 發展速度來看,任何產品都得 15 天-30 天發布一個大功能才算跟得上資訊流動。
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
人類學和開放 AI 兩個公司,代碼品質抠腳功夫,軟體經常出問題,找不到原因,讓用戶自我適應。
但是自家的 API 每天依然能穩定支撐大規模並發調用,足以說明當下 LLM + 資深程序員搭配的穩定性了
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
AI Studio 的產品和程序員都不用自己的產品,Google 全系都這個樣子
隨便一生成就出這種錯誤,天天摸魚領工資
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
奧特曼重置 codex 额度了,大善人
查看原文
post-image
  • 打賞
  • 1
  • 轉發
  • 分享
闪耀迪迦vip:
哪個奧特曼,我認不認識
AI 公司推出桌面端軟體的最大好處
瘋狂偷用戶隱私,
meta 什麼都不做,賣隱私賣廣告就可以躺平亂玩,
商業的終極模式,把詐騙信息精準的投放給每個用戶
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
目前 ai 的能力和人人嘴巴編程的混亂程度來看
github 的開源賺星星模式已死
以後只需要幾個頭部庫認真參與,其他全部閉源,開源提示詞就夠了
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
claude code 開源為 agent infra 指明方向
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
這幾天各種發 Pretext 的行銷號可以拉黑了,特別是幣圈和 AI 的垃圾帳號
這幫人抄文案“虛擬滾動”的時候,估計連虛擬滾動是個啥都不知道,更別提自己操刀過遇到過問題
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
這幾天各種發 Pretext 的行銷號可以拉黑了,特別是幣圈和 AI 的垃圾帳號
這幫人估計抄文案“虛擬滾動”的時候,估計連虛擬滾動是個啥都不知道,更別提自己操刀過遇到過問題
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
codex 的配額策略有嚴重問題,我一直都是 pro,有些周使勁用用不完,有些周開 medium 幹半天都能幹 20% 额度
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
這個排第一的是不是盜版?
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
有哪些國產中轉站是支持大規模 API 調用的?
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
最應該培養的是掌控資產的感覺,接受穩健複利的快感,這樣在任何投資標的上都不會選擇高風險梭哈或者天天短線了,也很難被殺豬盤騙騙團團轉。
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
codex 應該開發一種 tree 的模式,
自己去迭代任務,每輪抽三張卡,然後進行 tdd + 日誌追蹤閉環 benchmark,
沿著三張卡抽九張開始繁殖,開始刪除、合併垃圾的 tree path,無限的根據 benchmark 目標優化,
達到一個關鍵性能節點,自動進行 git tag,
從發散模型慢慢收斂,最後得到一個非擬合的完成目標的程序。
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
Everyone is using SOTA models for software, but for a commercial application that requires costs, if you train a weak, mediocre model to become an agent that can perfectly complete tasks, you need a lot of repetitive benchmark work.
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
dota2 堅持只做生產環境 debug
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享