最新

这是我想了很久的一个想法的概念验证（POC）。与其使用大型语言模型（LLM）生成代码，不如直接将软件镜像写入内存呢？ 归根结底，编程语言是一种抽象，旨在让开发对人类更容易。使用LLM来编写代码就像让别人嚼你的食物再吐到你嘴里——虽然能完成任务，但直接自己动手会更快。 为此，我正在使用扩散模型为冯·诺依曼虚拟机生成图像。该模型将虚拟机的机器状态视为一幅图像（实际上可以保存为.bmp格式），其中像素代表比特。为了减少非确定性和噪声，模型会进行多次直接的x0预测，并对它们的对数几率进行平均，最终结果被阈值化为二进制像素。 由于扩散模型可能仍会偶尔出现像素级错误，因此图像中重要的逻辑比特会被存储多次，解码值则通过多数投票来选择。 这并不完美（目前它只能进行基本的算术运算），但结果是一个可执行的图像，生成一次性完成，存储在一个小的72x72像素的.bmp文件中。 我很想听听大家对此的看法！

我是一名重度的语言模型（LLM）用户，涉及编码和用户体验设计，但我发现语言模型具有一种上瘾的特性，因为它们提供了一种即时满足感。我希望有一个应用程序能做到以下几点： 1) 帮助我明确地抽出一些时间远离语言模型，在这段时间内不使用人工智能进行工作、生活等。 2) 鼓励我用自己的话思考，形成自己的观点。 3) 提供一个地方，让我在冲动想要请求人工智能生成内容时，能够写点东西。 这个应用程序允许你启动一个计时器并离开。当你感到想要请求人工智能为你思考的冲动时，你可以回到应用程序，它会问你一个随机问题，鼓励你形成自己的想法。基本上就是在你想要按下“简单按钮”时，进行一次“心理俯卧撑”。 如果你愿意，它会在本地保存你所写的内容。当你结束会话时，它会告诉你持续了多长时间。没有登录或追踪功能。

例如，在制作iOS游戏时，您可能希望让AI查看您的游戏截图，并生成具有更好图形效果的图像。<p>然后，您可以选择您喜欢的AI生成的图像，并要求AI编写Swift代码，以便为您的iOS游戏生成类似的可缩放图形。<p>为什么目前AI图像和代码生成尚未针对这种用例进行优化？