最新

仅供参考 - 如果您从ChatGPT导出数据，请务必核实导出数据。我几天前请求了ChatGPT进行数据导出，今天早上收到了压缩文件，但该压缩文件缺少一些消息。 我之所以知道这一点，是因为在请求导出之前，我手动下载了几次对话，手动下载的内容包含了这些消息，而导出的文件却没有。实际上，我让ChatGPT进行了第二次验证，确认了缺失的消息。 我让ChatGPT生成了一份报告，显示导出完整性问题的具体证据，而不仅仅是标题或格式的差异。然后我尝试通过help.openai.com上的聊天提交这份报告，但聊天完全没有响应。 为了提供一些背景，缺失的对话内容完全是无害的（关于拉比犹太教历史发展的讨论），因此这似乎是一个技术性的数据完整性错误，而不是审查或过滤的选择。有没有其他人注意到他们最近的OpenAI导出中缺少数据？

这是我在学习 Jax 的过程中进行的一个副项目。我注意到许多神经网络的数学看起来非常适合用 Lisp 语法来表达，因为大多数数据是以“函数式”的方式通过各层流动的。数据一次通过一层，每一层与前一层进行组合。 Jixp 旨在作为我学习 Jax 的工具，以便尝试不同形状/风格的模型。我用它在我的 Obsidian 资料库上训练了一个 400 万参数的模型，看看能否用于回忆，结果部分成功。 ```lisp (let-dim (d 256) (heads 8) (define transformer-block (chain (residual (layernorm d) (attention d heads #:causal)) (residual (layernorm d) (mlp d [4d] d #:bias)))) ``` Jixp 编译器读取（Racket 风格的）领域特定语言（DSL），并输出 Python 代码，然后通过你正常的 Python 训练堆栈进行使用。这里的优势在于你可以用一个相对简单的接口来描述你的模型，而实现细节则在生成的 Python 代码中被大部分隐藏起来。 我绝对不建议将其用于学习以外的任何用途。 有一天，我可以想象模型可以用这样的 DSL 来指定，这将允许不同的推理/训练实现加载相同的模型。你可以编写一个模型定义，然后 vLLM、PyTorch 和你的自定义推理堆栈都可以使用相同的定义。这有点像模型的 `.safetensor` 文件。

我最近买了一台新的1440p显示器，并将其连接到我的Mac上，但在原生分辨率下，用户界面看起来非常小且不熟悉。由于我对Mac还比较陌生，所以我查看了缩放选项，但很快了解到（据我所知）外接显示器并没有这个功能。我在BetterDisplay和Lunar中找到了一些选项，但感觉为了一个应该包含的功能而付费有些愚蠢。FreeDisplay看起来是个完美的选择，但当我在Mac上尝试时却无法使用。开发似乎停滞不前，所以我没有提交PR，而是选择了分叉并修复了它。之后，我想做一些更改并添加一些功能，结果不知不觉中进行了全面重写。 它涵盖了我最初想要的HiDPI功能，但我还希望它看起来更原生，因此我添加了一些原生元素。我保留了显示器排列功能，并修复了许多问题，例如自动和组合亮度、显示器的配置文件、预设等。 可以通过brew安装（使用命令：brew install --cask didriksg/tap/crisp），或者使用repo中的dmg文件。不过，它是未签名的，所以你可能会收到一些警告。 我已经使用它一周了，觉得可以分享给有需要的人。它是开源的，欢迎提交PR。

也许只是为了从这一切中得到一些喘息？

我发现，在我的工作流程中，大型语言模型（LLMs）在生成后端代码方面表现得相当出色，但每当我让它们在现有网站上构建新的界面时，它们就会做出各种奇怪的事情。它们忽视现有的样式，自己编写样式；在我们已经有有效解决方案的地方构建自定义的JavaScript；未能正确对齐元素，选择随机颜色、随机字体大小等等。你们有没有什么妙招来避免这种混乱？

我在Reddit上寻找那些无需下载或注册即可立即使用的开源工具。最初只有33个工具，但多亏了开源社区，我们在不到一个月的时间里收到了大约200个提交。 这些工具并不是我自己制作的。我只是收集它们并使其可搜索。 这个列表本身是开源的，可以在以下地址找到： [https://github.com/BraveOPotato/FckSignups](https://github.com/BraveOPotato/FckSignups) 此外，感谢所有在社交媒体平台上制作关于该网站的视频和文章的优秀人士。我们达到了24小时内25,000个独立访客的峰值，访问量超过300,000次。