我开发了ccc，可以通过Telegram在手机上控制Claude Code会话。它允许您远程启动会话，在Claude完成任务时接收通知，并在手机和PC之间无缝切换。
<p>功能：
- 100% 自托管，运行在您的机器上
- 支持多会话，使用Telegram主题
- 语音消息（通过Whisper转录）
- 图片附件供Claude分析
- tmux集成以保持会话持久性
<p>使用Go语言构建。期待您的反馈！
返回首页
最新
我是一名构建者，而不是研究者。我厌倦了看着单体变换器在非文本数据上窒息，并在实时感知流的重压下崩溃，因此我跳过了白皮书的循环，构建了OMNI_GENESIS（v0.7.0）——一个旨在实现高速度AGI执行和前额叶模拟的模块化框架。
<p>代码库：<a href="https://github.com/AI-Sovereign/Multimodal-AGI-Architecture-Implementation-v1" rel="nofollow">https://github.com/AI-Sovereign/Multimodal-AGI-Architecture-...</a>
<p>该架构处理132种异步模态——从生物信号到通过Scapy获取的网络熵——这些模态被压缩成一个1344维的因果流形。通过在解耦包（请参见/packages和/TCS）之间利用分层的“三脑”管道，该系统在标准模型失效的情况下保持认知稳定。
<p>技术规格：
* 模块化架构：在专用目录中分布式逻辑，将感知皮层与因果推理引擎分开。
* 分层处理：集成了snnTorch（脉冲神经网络）用于反射性时间触发和torch_geometric（图神经网络）用于情节记忆保留。
* TCS-25可塑性：实施了修改过的Hebbian逻辑，优先考虑“惊讶”（MSE增量）而非静态权重，实现了在线学习而无需反向传播延迟。
* 性能：使用Polars进行了优化，实现了对全132模态缓冲区的亚毫秒熵检查。
<p>当前状态：
感知皮层和HTSP（分层时间）单元已完全运行。该系统以高精度处理512到4096的潜在空间扩展。这是一个以实现为先的项目；代码库就是证明。
<p>我发布这个v0.7.0代码库以供架构同行评审和技术验证。我特别希望与任何致力于非变换器AGI范式的人讨论HLS投影数学和模块化推理引擎的协调。
我总是被卷入这些政治讨论和新闻中，比如最近由于美国在委内瑞拉的军事行动。老实说，这类新闻我尽量避免接触。如果黑客新闻能严格只讨论技术，而不涉及政治，那对我来说就太好了。
我对目前如何评估人工智能的进展很感兴趣，并试图建立一个人们实际使用的主要方法列表。我意识到这些评估指标都有局限性，许多方法存在争议或设计上并不完美。我并不认为它们是“好的”，也不认为它们能够准确映射到现实世界的能力。
我希望听到：
- 你认为哪些评估指标、基准或方法应该列入这个列表
- 你认为它们的主要优点和失败模式是什么
- 你个人如何（或是否）使用这些方法来解读人工智能的进展
我在这里的目标是探索和理解，而不是为任何特定框架辩护或攻击。
请只限委内瑞拉人。
在搜索中输入[flagged]没有得到结果。