最新

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。

我遇到了一个问题，我的定时任务“成功”了，但实际上并没有正确执行它们的工作。 例如： - 备份定时任务运行，退出代码为0，但生成了空文件。 - 数据同步成功完成，但只处理了部分记录。 - 报告生成器完成，但输出的数据不完整。 日志显示一切正常，但结果却是错误的。实际上，错误可能在日志的某个地方，但谁会主动检查日志呢？我可不想每天都翻阅日志文件，看看是否有什么悄悄失败了。 我尝试过： - 在脚本中添加验证——有效，但仍然需要检查日志。 - 使用Webhook警报——但你必须为每个脚本编写连接器。 - 错误监控工具——但它们只捕捉异常，而不是错误结果。 最终，我构建了一个简单的监控工具，它监视作业结果，而不仅仅是执行状态——你将实际结果（文件大小、记录数等）发送给它，如果有异常，它会发出警报。这样就无需翻阅日志了。 但我很好奇：你们都是怎么处理这个问题的？你们真的定期检查日志吗，还是有其他方法可以主动提醒你们结果与预期不符？

嗨，HN 我们刚刚发布了RepoSquirrel的新版本，重点关注开发活动和运营事件的深入洞察。 此次发布新增了： - 显示各子系统随时间变化的工作负载分布的新可视化图表 - 通过用Tokei替代cloc，实现更快、更准确的代码分析 - 一个新的PagerDuty集成，直接将事件与Git用户和代码库连接起来 通过PagerDuty集成，您可以可视化以下内容： - 未解决事件和解决趋势 - 按严重性划分的事件频率 - 每小时事件数量（时间模式） - 随时间变化的事件严重性及其平均值 - 负责解决和分配事件的人员 - 每个响应者处理的事件及其时间的视图 - 任意事件搜索（例如，客户特定事件）及其可视化 关于PagerDuty集成的文档（含截图）可以在这里找到： [https://github.com/reposquirrel/reposquirrel/blob/main/docs/pagerduty_integration.md](https://github.com/reposquirrel/reposquirrel/blob/main/docs/pagerduty_integration.md) 我希望能得到一些帮助：由于我只能公开有限的演示数据，我非常希望能获得来自真实系统的截图（当然需要匿名处理）。如果您正在使用PagerDuty和RepoSquirrel，并愿意分享实际使用中的情况，将不胜感激。 欢迎提出问题或深入探讨这些功能的工作原理。

Threat Road 是一个免费的漏洞数据库，每天都会发布最新的 CVE 数据。 - 没有中介。 - 没有延迟。 - 没有付费墙。 我为什么要建立它： - NVD 的界面感觉像 Windows XP，更新速度慢。 - CVE Details 只是重新包装的 NVD 数据，延迟相同。 - 高级数据库价格高达五位数，对大多数团队来说过于奢侈。 它的不同之处在于： - 每日更新 - 干净、现代的界面 - 可按供应商、类别、CVSS 分数筛选 - 实际上快速且易于使用 - 完全免费 如果你想要每日的 CVE 跟踪，这里就是你要找的地方。