24小时热榜

Ringup旨在简化语音支付。我的假设是，语音人工智能将导致人们通过电话进行交易的激增。<p>Ringup帮助消费者一次性保存他们的卡片信息，并在各处使用。它帮助商家将付款直接发送到他们的处理器。它还通过减少集成复杂性来帮助开发者。<p>如果你是正在开发语音人工智能的开发者，欢迎尝试。

我意识到，一些顶尖的美国人工智能实验室由缺乏制造专业知识的人领导，他们对现实世界中的事物是如何制作的并没有深入了解。我并不怀疑他们作为世界级研究者的经验，但研究实验室并不代表真实世界，真实世界中存在复杂的动态。 他们所有的“模型”都是在寻找解决方案的问题，但这并不意味着这些模型对某些任务没有用处。 在发布模型之前，他们从未停下来问自己：“我们在朝什么方向努力，或者我们在解决什么问题？”因此，才会出现那些毫无意义的基准测试。 这让我想起一句话：“如果你不理解一个过程，你就一无所知。” 即使他们现在所称的“人工智能”能够编写软件，这也表明他们认为软件等同于代码行或功能，忘记了软件是一个或多个个体在对世界观进行交流和妥协后产生的复杂或简单过程的结果。 而在人工智能领域，可能只有Yann LeCun对这个世界有真正的把握。

当我们为同一大型语言模型（LLM）选择高努力与中等努力时，背后实际上发生了什么？

嗨，HN， 我在过去几个月里一直在用TypeScript构建一个软件光栅化器，想和大家分享一下。我的目标是支持自定义顶点布局、可编程的顶点和片段着色器，并提供足够的灵活性来实现更复杂的渲染技术，类似于使用GPU图形API的体验。 这个项目基于Nikolaus Rauch出色的C++软件光栅化器（[https://github.com/nikolausrauch/software-rasterizer](https://github.com/nikolausrauch/software-rasterizer)），但进行了适配以便在浏览器平台上使用。 该项目旨在作为一个教育项目，强调可读性和实验性，而不是追求极致的性能。 GitHub: [https://github.com/vangelov/ts-rasterizer](https://github.com/vangelov/ts-rasterizer)

请访问以下链接： [https://github.com/CzaxStudio/proton](https://github.com/CzaxStudio/proton)