最新

我正在观看Palantir的Apollo介绍视频（https://vimeo.com/745514542/c0ec314888），感觉它基本上是我通常通过AWS EC2、RDS和IAM查看的内容的新一套仪表板。为了明确，我并不是在做价值判断，我使用“只是”这个词是因为我觉得我可能遗漏了什么，但Apollo真的只是AWS上的一个仪表板层吗？

我写了一个简单的 Bash 脚本，用于在 Arch Linux 上安装程序、配置设置和安装 dotfiles。<p>我之所以制作这个脚本，是因为在安装 Arch 时，我总是会错过一些繁琐的小设置调整。<p>这个脚本非常简单，所以你可以根据自己的需要进行修改。<p>我还没有在全新安装的系统上进行足够的测试，但多次运行这个脚本应该是安全的（如果你想的话）。<p>这个脚本的美化部分仍在进行中。

免费PC瓶颈计算器 - 检查CPU和GPU瓶颈分析。了解您的处理器是否会限制您的显卡性能。

嗨，HN的朋友们， 我是HN的老用户（自2007年起）。 我正在整理HN用户在求职中使用AI的实际方法——哪些真正有效，哪些则没有。 如果你愿意，请分享以下信息： - 职位/级别/地区（可选） - 1-2个对你有帮助的AI工作流程，以及你使用的工具/模型（包括简历/求职信产品） - 你使用过的工具，比如Jobscan、Rezi、Resume.io等 - 这些工具在哪方面帮助最大（研究、简历定制、联系） - 招聘经理/招聘人员：AI生成的申请材料对你来说感觉如何？ 我将在大约两周内发布一份匿名总结。简短的匿名Google表单会在第一条评论中提供。我的个人资料中有联系方式，欢迎任何想深入交流的人联系我。

我们为临床医生和癌症研究人员构建了Onco-Insight，旨在提供生存分析和机器学习功能，而无需在SPSS/SAS中浏览复杂的菜单或编写代码。 Onco-Insight由Claude Sonnet 3.5（AWS Bedrock）驱动，但它采用了一种混合用户界面，而不仅仅是提供代码片段。您可以通过描述您的任务开始，例如：“按阶段分层的生存曲线（KM）分析；然后进行Cox回归分析，考虑年龄/雌激素受体状态。”AI代理随后会建议一个计划，包括模型、变量和检查项。 “人机协作”（HITL）步骤允许您审查并确认该计划。这包括检查模型列表、预测变量、删失规则、时间/终点以及诸如竞争风险等关键考虑因素，这些因素可能会显著影响生存结果。 经过一键运行，Onco-Insight会执行管道并提供结果、假设检查以及通俗易懂的解释。您可以通过接受或细化代理的下一步措施（例如比例风险诊断、RSF基准测试或校准）来进行迭代。 为什么采用这种方法？ 我们发现，虽然大型语言模型（LLMs）在规划方面表现出色，但如果只是让您复制和粘贴代码，它们可能不可靠。我们的代理+人机协作方法使您能够掌控，同时消除冗余工作。大多数运行会提供图表/表格、模型诊断以及方法论和解释的简明草稿。 今天包含了哪些内容？ 生存分析：Kaplan-Meier（分组）、Cox比例风险（带有PH检验）、加速失效时间（AFT，选择特定族）、随机生存森林（RSF，袋外指标）和时间依赖的AUC。 数据保护：缺失报告、事件/删失检查、泄漏检查，以及在可用时对mCODE/FHIR字段的基本协调。 数据源：您可以使用自己的数据集，也可以使用公共数据共享平台，如SEER。 输出：该工具生成图形/表格和可审计的“分析计划”，显示所运行的内容、使用的参数和质量控制步骤。 我们希望得到哪些反馈： 人机协作（HITL）检查点是否足够？（例如，指定变量类型、时间起点、左删失、竞争风险）。 在用户界面中，哪些生存/机器学习诊断最重要？ 临床期刊或登记所需要的基本输出是什么？ 我们仍处于早期阶段，目前正在与医院合作伙伴进行测试。我们很乐意回答您关于验证、可重复性和数据处理的任何详细问题。 谢谢！ DATAIZE团队（[https://dataize.me](https://dataize.me)）

我曾经为自己的文字技巧感到自豪，但现在它却让我和自己都陷入了耻辱或默默无闻的境地。不过，我坚决拒绝故意犯错或使用人性化应用程序。我甚至非常想回到在我的杰作中频繁使用破折号的日子。