我一直在思考如何提高情感自我意识，而不依赖于情绪记录，因为这些往往感觉很生硬或不自然。与其问“你感觉怎么样？”，不如观察一个人在一天中的行为，从中推测他们的情感状态。
我尝试使用基于BERT的模型，训练于谷歌的GoEmotions数据集（该数据集涵盖了28种细腻的情感，如懊悔、快乐、乐观等）。这个想法是让用户反思自己的善行或恶行，然后利用自然语言处理（NLP）来分类潜在的情感。
我注意到的一些模式包括：
- 在一个颜色编码的日历上可视化每日主导情感，可以快速了解情感概况。
- 比较不同日期的情感提供了对我们行为如何影响情感趋势的洞察。
- 以行动为先的反思似乎减少了与情绪记录相比“表现”情感的压力。
这都是我正在进行的一个安卓实验的一部分。我很好奇这里是否有其他人探索过类似的方法——使用人工智能根据行为来建模情感，而不是依赖自我报告。很想听听你们的想法或反馈。
如果你对实施过程感兴趣，或者想看看这个安卓实验的实际效果，我在这里写了更多内容：
[https://medium.com/@va6042/what-if-your-daily-actions-could-tell-you-how-you-really-feel-f339b99424e0](https://medium.com/@va6042/what-if-your-daily-actions-could-tell-you-how-you-really-feel-f339b99424e0)
欢迎任何反馈——无论是技术、用户体验还是哲学方面的。
返回首页
最新
大家好，
我对让（小）团队采用像 Bazel 这样的单一代码库构建工具感到非常沮丧。因此，我编写了一个超级简化版的 Bazel，去掉了所有复杂的内容，只需让你运行现有的 make 目标、npm 命令等，同时提供并行执行、缓存等更多功能。
我希望能得到对代码的反馈，以及潜在的使用者，以便在正式发布 1.0.0 版本之前获得更多的实际使用。目前，我们只是在我的工作场所使用它，并且它非常有用。
<a href="https://grog.build/why-grog" rel="nofollow">https://grog.build/why-grog</a>
嘿，HN，
我刚刚构建了一个小型网页应用，帮助你为你的网站生成 /llms.txt 文件：
[https://llmstxt-cyuh.vercel.app](https://llmstxt-cyuh.vercel.app)
GitHub: [https://github.com/mandarwagh9/llmstxt](https://github.com/mandarwagh9/llmstxt)
什么是 /llms.txt？
可以把它想象成 robots.txt，但针对大型语言模型（LLM）。这是一个新兴标准，为 LLM 提供了一个基于 Markdown 的清晰地图，展示你最重要的内容（文档、指南、API）。它们不再爬取臃肿的 HTML，而是直接切入主题。
这个想法是由 Jeremy Howard 推广的，并正在被 LangChain 和 Mintlify 等开发工具公司广泛采用。
我为什么要构建这个
我想要一个非常简单的方法，从任何文档网站或 URL 自动生成 /llms.txt。这个工具会抓取你的网站，提取关键的 Markdown 链接，并生成一个可以直接复制粘贴的 llms.txt。
无需设置，无需安装，只需粘贴你的 URL 并下载。
技术栈
前端：Vercel + 原生 JS
后端：使用 Gemini API（但可以替换为任何 LLM）
构建时注重简约的用户界面和性能
欢迎反馈、功能建议或覆盖边缘案例的建议（例如私有文档、多语言支持等）。
谢谢！
最近，一位亲密的朋友向我倾诉，他们正被迫离开一个团队。给出的选择是更换团队或进入绩效改进计划（PIP）。所引用的理由模糊不清。他们最近经历了一次管理层更换，之前的经理给予了积极的反馈（表现良好，对当前状态感到满意），但在新经理接手的下一个季度，反馈却变成了表现不佳，然而并没有给出具体原因（这一切都很模糊且主观，这意味着可以有不同的解读，而这是经理对下属的解读）。
这个人比较年轻，我能看出这对他们的心理造成了影响。我从未担任过经理，所以不太了解大型组织（如FANG）的动态，但我很好奇你们中有多少人经历过类似的情况，或者被迫对一名员工进行绩效管理，尽管他们的表现并不差，但由于组织压力或其他情况，你们还是不得不这样做？
作为一名技术领域的个人贡献者（IC），在当前的环境下，我想保护自己，避免类似的事情发生。有什么好的方法可以做到这一点吗？
概念化在人工通用智能（AGI）的发展中起着至关重要的作用，因为它将使这种超智能能够以类似于人类的方式理解和处理抽象信息。然而，从神经元的角度来看，概念是什么呢？
概念可以定义为一种潜在的、抽象的、多模态的表征，它整合了来自不同来源的感官信息：视觉、听觉、嗅觉、触觉，这些信息被编码在一个超维空间中，其结构源于多个神经元的激活模式。
这种表征是组合性的，意味着它是由更简单的表征的层次组合形成的；同时也是关系性的，因为它在拓扑上与相似或功能相关的概念相连接，这取决于网络的训练情况。
类似于语言嵌入，潜在空间中概念之间的“距离”反映了它们的相似程度：它们越接近，在意义、结构或功能上共享的内容就越多。
许多概念与语言标签相关联，但这并不是绝对必要的；我们有很多东西无法用名称来表示。另一方面，语言标签——即单词——本身也是概念，它们同样被编码在那个神经网络的潜在向量空间中。因为语言是在同一个网络中处理的，所以情况不可能是其他的。
换句话说，我们的概念并不仅仅是语言的。它们基于直接的经验：我们所看到的、听到的、触摸到的、闻到的、想象的或在现实世界中经历的。语言作为一种工具，用于指代和分享这些概念，但它本身并不定义这些概念。概念思维的基础是多模态的，而不仅仅是语言的，单词只是其中一种模态，一种元模态。
有趣的是，我们对语言进行了深入的研究，甚至创建了一个专门研究其意义的学科：语义学。然而，我们对概念化的过程关注得很少。事实上，我们甚至没有一个词来命名这个学科：我们没有“概念学”或类似的词。所有超出语言领域的东西——那些无法轻易归结为单词或方程的东西——似乎像水一样从我们手中溜走，难以捕捉，难以理解和分析。只有随着人工神经网络的出现，我们才开始理解概念化的过程。
大家好，我是一名吉他手，已经使用Ableton Live录制我的曲目并应用一些效果有一段时间了。
Ableton Live是一款非常复杂的软件，拥有成千上万种不同的功能，用于混音和创作音乐。对于那些不是音乐制作或音响工程专家的人来说，使用起来可能会相当困难。
这就是我决定创建一个应用程序的原因，它作为一个聊天机器人，可以为我阅读Ableton手册并回答我所有的问题。
您可以免费试用，无需注册或信用卡。
我非常希望听到其他Ableton用户对此的反馈，并了解我是否可以在其他方面提供帮助。