最新

有很多新注册的账户假装成真人到处评论。他们发布的小段落评论并没有实际表达任何观点，只是在重申显而易见的内容。<p>有人在用OpenClaw针对HN吗？我希望他们至少能使用一个高水平的模型，但看起来他们使用的是廉价的API。

每个聊天机器人处理上下文溢出的方法都是一样的——将所有内容总结成一个块，并丢弃来源。我用一个并查集森林替代了这种方法：消息合并成簇，每个簇都有自己的摘要，你可以追溯任何摘要到产生它的消息。 我进行了七次与传统扁平摘要的对比试验。在每次试验中，并查集在事实回忆上领先15-18个百分点。其中一次达到了显著性（p=0.039），其余的结果则呈现出方向性。一个有趣的发现是：扁平摘要会遗漏“脚注”事实（如cron调度、webhook路径），因为这些信息在空间上与主要事实竞争。而每个簇的摘要则没有这种压力。 代码和试验日志请见： [https://github.com/kimjune01/union-find-compaction](https://github.com/kimjune01/union-find-compaction)