受到加密池挖矿的启发：是否有可能将大型语言模型（LLMs）训练成一个志愿者池？我觉得这将是一个很好的方式，可以拥有开放的前沿模型，而不依赖于拥有数据中心的大公司来进行训练和发布……
返回首页
最新
当我们为同一大型语言模型（LLM）选择高努力与中等努力时，背后实际上发生了什么？
嗨，HN，
我在过去几个月里一直在用TypeScript构建一个软件光栅化器，想和大家分享一下。我的目标是支持自定义顶点布局、可编程的顶点和片段着色器，并提供足够的灵活性来实现更复杂的渲染技术，类似于使用GPU图形API的体验。
这个项目基于Nikolaus Rauch出色的C++软件光栅化器（[https://github.com/nikolausrauch/software-rasterizer](https://github.com/nikolausrauch/software-rasterizer)），但进行了适配以便在浏览器平台上使用。
该项目旨在作为一个教育项目，强调可读性和实验性，而不是追求极致的性能。
GitHub: [https://github.com/vangelov/ts-rasterizer](https://github.com/vangelov/ts-rasterizer)
请访问以下链接： [https://github.com/CzaxStudio/proton](https://github.com/CzaxStudio/proton)
这个仓库是我之前项目“立方狗狗”的升级版：<a href="https://github.com/SphericalCowww/CubicDoggo" rel="nofollow">https://github.com/SphericalCowww/CubicDoggo</a>。<p>该项目已经实现了惯性测量单元（IMU）和多个机械增强。下一步将进行仿真和强化学习。
我正在尝试使用WhatsApp网页版，但加载时间超过了4分钟。<p>其他应用程序如Telegram和Gmail只需几秒钟就能加载。<p>我通常注意到所有Meta的产品都很笨重。这是什么原因呢？
我在寻找一些具体的例子，说明人工智能的进步如何使某人或某公司实现了财务上的繁荣，而之前并没有这种情况。我能想到的大多数例子只是使某人或某事稍微更高效或更具生产力，因此我希望找到一些案例，说明某公司因为人工智能的进步而使利润提高了Y%。