返回首页
最新
我在意识到大多数阅读工具都是为了提取信息而优化，而不是为了阅读本身后，开发了这个应用。<p>这个应用旨在让你专注于一本书：
- 简约、无干扰的用户界面
- 优先离线使用，数据本地存储
- 不强制做笔记，不提供摘要，不进行游戏化<p>你打开一本书，阅读一个章节，然后思考。
除非你主动请求，否则没有任何东西会打扰你。<p>这不是为了让你阅读得更快。
而是为了让你更专注地阅读。<p>我分享这个是希望得到那些关心书籍和深度阅读的人的反馈。
嘿，HN——我开发了一个名为“Take a Break”的Chrome扩展，它可以在流媒体网站上启动计时器，并在该睡觉时间温柔地提醒你。它显示倒计时和贪睡选项，并在午夜时分提醒你，而不会自动关闭。你可以自定义计时器和网站。
我非常希望能得到关于用户体验的反馈，以及这些提醒是否显得过于强硬或过于温和。
演示/列表： [https://chromewebstore.google.com/detail/ehhhemnkemficpheoidniabkoohmolaj](https://chromewebstore.google.com/detail/ehhhemnkemficpheoidniabkoohmolaj)
代码库：[https://github.com/hardiksondagar/take-a-break](https://github.com/hardiksondagar/take-a-break)
我在一家为农村地区农民提供技术支持的公司工作。我们有本地团队提供支持，但他们经常需要与远程团队或专家合作。我们的想法是让现场技术人员配备智能眼镜，以便远程专家能够获取比静态图像和口头描述更多的信息。有没有人对在恶劣环境下（比如潮湿、尘土、温度变化）使用工业级解决方案有过正面或负面的经验？理想情况下，这种解决方案应该耐用、易于操作，具备良好的图像和音质，并且能够得到供应商的良好支持。由于农场通常位于5G网络覆盖范围之外，离线录制的功能也非常重要。
我遇到了一个奇怪的情况：在公共部门，有一个隔离网络（由OPPO制造的WiFi-5G接入点、路由器和调制解调器，由无线运营商品牌化，一台通过以太网连接到OPPO路由器的Linux桌面，一台通过WiFi连接的安卓电视，以及几部通过WiFi连接的员工手机）。这个不寻常的问题是，尽管网络设置（DNS、2.4/5GHz等）正常，YouTube在电视上无法使用，但在其他地方却可以正常访问。电视显示网络访问受限，无法加载YouTube应用（但可以加载Netflix应用）。在通过以太网连接的桌面和通过WiFi连接的手机上，YouTube都可以正常使用。在Linux桌面上使用Curl命令访问YouTube网站时，能够得到正确的HTTP响应。路由器控制面板可以访问，且没有任何异常条目可能会阻止电视访问YouTube。你有没有什么想法，为什么YouTube会在电视上被屏蔽？
使用我的工具创建的示例工具，将提示转换为“原生外观”的可执行文件：
```
$ READFORME.md --help
用法：READFORME.md [选项] --repo <repo> --info <info>
提示输入：
--branch <branch> 分支名称，默认为“main”
--repo <repo> GitHub 仓库名称
--info <info> 需要哪些信息 [可选值：summary, installation, example, quickstart]
```
这是一个非常实用的工具：从 GitHub 仓库的 README.md 文件中提取信息，例如，使用方法：
```
$ READFORME.md --repo tgalal/promptcmd --info summary
一个定义和运行可编程提示作为原生 CLI 命令的工具：创建 .prompt 模板，通过 promptctl 启用它们，并通过参数解析、标准输入/输出、多提供者模型支持、缓存和负载均衡来执行。
```
来自一则招聘信息（在论坛上发布）<p>> 必须具备：高自主性，极强的人工智能编程经验，热爱代理人胜过人类<p>在一家小型初创公司，我想拥有一位能够与最终用户互动并重视他们的工程师是非常重要的。<p>或者他们是在开发一种会对用户造成伤害的产品，因此更倾向于找一个愿意这样做的人？<p>或者这只是意味着与同事的互动会减少？<p>还是说这只是暗示可怜的工程师将被抛在一旁，不应期待得到支持？
我正在开发一种名为稀疏门控共振（Sparse Gated Resonance，SGR）的架构。这是一种序列建模方法，旨在避免传统自注意力机制的平方扩展。我已经在维克多·雨果的《巴黎圣母院》（英文版）上对比了一个722k参数的SGR与一个921k参数的Transformer模型。
SGR用“因果脉冲”替代了注意力机制。它使用门控一维卷积生成一个导航向量，与字符嵌入的脑图进行共振。这使得模型能够保持“活细胞”状态，并以线性复杂度进行更新。
完整源代码和实现： [https://github.com/MrPan2048/GeometricTransformer](https://github.com/MrPan2048/GeometricTransformer)
基准测试数据（《巴黎圣母院》）：
| 步骤 | 架构 | 损失 | 困惑度（PPL） | 熵 | 时间 |
|------|------|------|---------------|----|------|
| 3900 | SGR | 1.4481 | 4.26 | 1.5476 | 19.0ms |
| | STD | 2.0275 | 7.59 | 2.1476 | 40.3ms |
语义比较（生成自“卡西莫多”）：
SGR: “卡西莫多。然后思考着那种……”
STD: “卡西莫多 ng, o uer tre the todo hemo’He wand at tine.”
技术观察：
计算效率：SGR保持了显著的延迟优势，运行时间稳定在约19ms，而Transformer则约为40ms。这证实了线性脉冲相较于平方注意力的效率。
收敛质量：到第3700步，SGR达到了4.46的困惑度（PPL），而Transformer则滞后于8.36。SGR成功生成了可识别的英语短语和标点，而Transformer仍然表现出“口吃”伪影（例如，“卡西莫多多多”）。
熵稳定性：SGR的熵稳定在约1.54，这代表了英语文本的最佳“掌握区”。而Transformer的较高熵（约2.14）与其缺乏结构连贯性相关。
我希望能获得支持，以便在arXiv（CS.ML）上发表关于此架构的正式论文。我相信这些结果表明，“活细胞”共振模型在参数受限和延迟敏感的环境中可以超越注意力机制。如果您是一位愿意支持或审阅数学形式化的研究人员，请通过GitHub与我联系。