返回首页
最新
（简而言之：我开发了一个新的API，用于渲染海洋地图。如果你只是想随意浏览，可以查看<a href="https://app.vectorcharts.com/" rel="nofollow">https://app.vectorcharts.com/</a>，这是一个免费的航海图查看器。如果你有兴趣在你的应用中使用航海图，请注册或联系我，网址是<a href="https://vectorcharts.com/contact-us/" rel="nofollow">https://vectorcharts.com/contact-us/</a> - 我很乐意帮助你！）
<p>大家好！我正在开发Vector Charts，这是一个API产品，可以轻松将航海图添加到网页应用中。Vector Charts提供了一个矢量切片API，你可以用它将航海图嵌入任何基于网页的地图中。我们正在投入大量精力来美化和现代化地图体验，以便任何构建与海洋相关的网页应用的人都能使用这些图表。
<p>“航海图”是专门用于海洋的地图，展示了水面上和水面下的海洋环境结构。它们提供了诸如水深等高线等信息，帮助避免船只搁浅。专业和休闲的水手都依赖这些图表来安全导航，这是一项已经存在多年的成熟技术。
<p>我在海洋软件领域工作多年，向网页应用添加航海图是一个常见的需求。但现有SDK存在一些问题：首先，由于它们是为商业船只导航的安全关键用户界面设计的，因此通常对小型网页应用来说价格过高。其次，现有选项通常以光栅图像形式呈现，这在网页地图中使用时会导致模糊、像素化和杂乱的视图。
<p>Vector Charts专注于非安全关键的网页体验，这些体验可能会受益于航海图，这是市场上一个不断增长的细分领域。我们希望成为“航海图的Mapbox”——为地图添加航海图的最简单和最高质量的选择。
<p>一些有用的例子包括：帆船比赛的实时跟踪地图、水上运动记录应用，或无人表面船的C2软件。在任何为海洋环境构建网页应用的地方，航海图可能比卫星图更适合作为背景层。
<p>目前我正在与客户测试这个API，改善样式和数据质量——因此可能会有数据不一致或缺失的图层。但API已经上线，你现在可以使用示例应用进行体验！
我在寻找关于与持续行为有效配合的提示和工作流程的示例或论文。目前有很多“制定计划并完成任务”风格的代理。我想要一些关于“查看你现有的状态和知识，关注新事件，上一个动作花费了X分钟并更新了Y，确定下一步并更新状态”的示例。
这种简单版本似乎运行得还不错，但我相信一定有人在状态表示和处理多个事件流方面进行了比我更多的实验。
关于使用大型语言模型（LLMs）学习是否能让你成为一个优秀程序员，是否有共识？还是说，或许你应该采用传统的方式，通过阅读手册和不断攻克问题来学习？
嗨，HN，
我开发了MBCompass，这是一款轻量级、注重隐私的Android指南针应用。它完全离线工作，不请求不必要的权限（不使用GPS，也不需要互联网），并且是开源的。
市面上大多数指南针应用都臃肿或广告繁多。我想要一个简洁、快速且功能丰富的应用，所以我做了这个！
它的大小仅约1.7MB，并使用低通滤波器来平滑传感器读数。
我非常希望能收到反馈或想法，特别是来自其他开发简单、以隐私为先的应用的朋友们！
我们正在构建TheorIA——一个开放的、高质量的理论物理结果数据集：包括方程、推导、定义和解释——所有内容都以结构化、机器可读和人类可读的JSON格式呈现。
<p>为什么要这样做？
物理学充满了美丽而严谨的结果，但大多数结果都被困在PDF、LaTeX或讲义中。这使得以下工作变得困难：
<p>- 训练符号/物理感知的机器学习模型，
<p>- 构建推导检查工具，
<p>- 甚至只是以互动方式教授物理。
<p>THEORIA填补了这一空白。每个条目包括：
<p>结果名称（例如，洛伦兹变换）
<p>清晰的方程（AsciiMath）
<p>简单明了的逐步推导及其推理
<p>符号定义和假设
<p>使用sympy进行程序验证
<p>参考文献、arXiv风格的领域标签和贡献者元数据
<p>所有内容都在开放的、自包含的JSON文件中。没有抓取，没有PDF，只有清晰的结构化数据，供物理学习者、教师和机器学习开发者使用。
<p>征集贡献者：
我们目前很小，正在努力成长。如果你对物理或符号机器学习感兴趣：
<p>添加一个条目（任何你喜欢的结果）
<p>审查其他人的推导
<p>在数据集上构建工具
<p>GitHub
<a href="https://github.com/theoria-dataset/theoria-dataset/">https://github.com/theoria-dataset/theoria-dataset/</a>
<p>本项目采用CC-BY 4.0许可，我们欢迎教育工作者、学生、机器学习从业者，或任何认为物理学值得拥有更好数据的人参与。