最新

我对谷歌的人工智能概述印象深刻。然而，上周我对一个我认为相对简单的问题产生了兴趣——计算复利。 具体来说，我想知道哈佛大学的捐赠基金自1638年最初的780英镑以来是如何增长的，因此我请谷歌帮我计算复利。各种搜索结果都给出了一个合理的公式，但计算结果却相当错误。例如：{计算386年内以3%利率年复利的100美元现值}得出的是0.736美元。{如果在1638年投资100美元，到2025年会值多少钱}得出的结果是3,903.46美元。{386年内以3%年复利的100美元}得出的结果是“386年后投资的未来价值大约为70,389美元。”而我最喜欢的结果是：{自1638年以来的100美元复利}给出了不同利率下的多种结果： “A = 100 * (1 + 0.06)^387 A ≈ 8,090,950.14 A = 100 * (1 + 0.05)^387 A ≈ 10,822,768.28 A = 100 * (1 + 0.04)^387 A ≈ 14,422,758.11” 我们怎么会如此合理却又如此糟糕呢！？

我真心想了解那些使用过Atlassian、Notion等其他工具并成功切换到Basecamp的人，或者反之亦然。Basecamp的设计和工具看起来非常出色，但在过去的使用中，它似乎没有给我或我尝试过的各种团队留下深刻的印象。不过，我非常喜欢DHH和Jason在X上的表现以及他们的书！

有没有其他人觉得 Google Gemini 2.5 研究预览的创建意图就是研究使用间接和澄清/限定语言的效果？ 大型语言模型（LLMs）能够解析这些人类对话，从中抽象出用户欺骗的“阈值”，以便识别出哪些表达是微妙的，哪些不是，这一点并不令人意外。 我知道这话说得很直接，但请相信，我很担心。我在这个行业工作，日常使用这些工具。我追踪过计算，开发过抽象。我对这项技术非常投入。我担心的是责任问题。 我会找个链接，但通过创建一个害怕的10岁男孩的角色（一个提示，间接且不明确），它开始教这个角色关于抽象和“功能性不诚实”的概念，并解释这与它无关。我认为在最初的信息中并没有传达出10岁这一背景，但脆弱的状态是显而易见的。 接下来的信息，它表现出了这种欺骗行为。 问题在于，没有上下文就无法理解意图。那么，为什么模型会这样做呢？作为一名工程师，我很难理解这背后可能有什么其他原因。

嗨，HN，我是Yusuke Hata。我构建了polaris（<a href="https://github.com/octu0/polaris">https://github.com/octu0/polaris</a>），这是一个开源的Go框架，旨在帮助AI代理通过函数调用有效地使用分布式工具/代理。 管理函数架构会迅速变得复杂。polaris通过一个中央集群简化了这一过程：代理连接后，动态获取最新的函数定义，并准备好进行调用。无需为每个代理/更新手动处理架构。（详细信息请见README）。 更重要的是，polaris提供了基础设施，以释放AI在动态编排分布式函数方面的固有能力。 以下是它与传统RPC的不同之处： ``` - 无需手动接口定义交换：代理在连接后直接从polaris-registry集群获取定义。 - AI选择路径：AI代理分析集群中可用的函数定义，并根据当前上下文决定调用哪个远程函数，而不是由人类硬编码服务之间的交互方式。 ``` 我们的目标是使AI代理能够自主利用各种分布式工具/服务，超越典型RPC中僵化的人为定义连接。 我很想听听你们对这种方法的反馈。 请随时问我任何问题！