最新

Chartle 可以通过自然语言生成图表。你只需输入类似“过去10年编程语言的受欢迎程度”的内容，它就会找到相关数据，选择图表类型并进行渲染。你还可以截取现有图表的屏幕截图，它会将其重新制作成干净且可编辑的格式。 该工具是基于 Next.js/TypeScript 构建的，使用 Gemini 结合 Google 搜索进行数据检索，并利用 ECharts 进行渲染。 首次使用时免费，无需注册即可生成第一个图表。免费套餐每月提供5个图表。

嗨，HN， 我是Padam，一名驻扎在迪拜的开发者。 在过去的两年里，我一直在探索一个想法，即AI推理可能不需要GPU。 现代大规模语言模型（LLM）的推理通常受内存限制，而非计算限制，因此我构建了一个实验性系统，通过SIMD向量化和量化，从CPU核心虚拟化GPU风格的并行处理。 最终结果是AlifZetta——一个原型AI原生操作系统，可以在没有GPU硬件的情况下进行推理。 一些细节： - 大约67,000行Rust代码 - 内核级SIMD调度 - INT4量化 - 稀疏注意力加速 - 投机解码 - 6个AI模型（文本、代码、医疗、图像、研究、本地） 目标： 在GPU昂贵的地方，使AI基础设施更便宜和更易于获取。 测试版链接在这里： [https://ask.axz.si](https://ask.axz.si) 我很好奇HN对这种方法的看法。

受到 <a href="https://component-party.dev" rel="nofollow">https://component-party.dev</a>（前端框架比较）的启发，我为 ORM（对象关系映射）构建了一个比较工具。<p>选择合适的 ORM 并不是一件简单的事情，即使有 AI 的帮助，也容易迷失方向。<p>例如，对于 Python，我使用 Django ORM：语法简洁、支持迁移、内置管理界面。可以跳过 Django 的其他组件，直接与 FastAPI 配合使用。看到它与其他技术栈的比较非常有趣，甚至可以在下一个项目中选择使用 Python 还是 TypeScript。<p>希望能收到反馈，特别是关于接下来应该添加哪些比较的建议。

RemixAI 是一个强大的人工智能创意平台，允许用户生成图像、创建视频、换脸以及使用先进的 AI 工具增强视觉效果。该平台专为创作者、营销人员和设计师设计，使用户能够在几秒钟内将创意转化为令人惊叹的视觉作品。凭借 AI 图像生成、换脸、图像增强和创意特效等功能，RemixAI 帮助用户快速制作高质量内容，无需具备设计技能。<p>立即访问以创建电影级视频和图像 - https://www.remixai.io/

你有没有想过，为什么在科技领域的每个表单、教程或演示账户中，都会使用“约翰·杜”（John Doe）这个名字？ 这个故事可以追溯到中世纪的英格兰。在1300年代，英国法院有一种奇特的法律手段。当律师需要测试一个案件或提交涉及身份不明的人的索赔时，他们会使用虚构的名字。最常见的名字是“约翰·杜”和“理查德·罗”（Richard Roe）。 他们从来不是实际存在的人，只是“某个人”的占位符。 几个世纪后，法律系统仍然在使用这些名字，尤其是在一个人的身份不明时。医院用它来指代身份不明的患者，警方报告则用它来指代未知的嫌疑人。 然后，科技界借用了这个想法。 当开发者需要一个安全、中立的名字用于表单、文档和测试账户的示例时，他们采用了法律界使用了数百年的同样占位符。 这就是为什么在几乎每个注册表单中你都会看到： 姓名：约翰·杜 一个有700年历史的法律传统，悄然存在于现代软件中。 有趣的是，最古老的传统最终出现在最新的软件中。

许多人认为，如果大型语言模型（LLM）没有所谓的“持续学习”能力，我们将无法达到人工通用智能（AGI）甚至超人工智能（ASI）。基本上，持续学习是指人工智能在工作中学习、实时更新其神经权重，并在不忘记其他知识的情况下变得更聪明的能力（即灾难性遗忘）。这是我们每天都在做的事情，几乎不费力气。 现在有趣的是，如果你看看顶尖实验室的研究，他们已经停止尝试解决实时权重更新的基础数学问题。相反，他们只是通过蛮力来解决这个问题。这正是为什么在过去大约三个月里，模型的性能有了跳跃式的提升。 长话短说，其要点是，如果你结合以下几点： - 非常长的上下文窗口 - 可靠的摘要能力 - 结构化的外部文档 你可以近似实现人们所说的持续学习。 其工作原理是，模型执行一个任务并吸收大量的情境细节。然后，在“交接”给下一个实例之前，它会写下两样东西：短期“记忆”（始终在提示/上下文中保留）和长篇文档（存储在外部，仅在需要时检索）。下一次运行时会从这些笔记开始，因此不需要从头开始。 通过这种巧妙的强化学习（RL）循环，他们直接训练这种行为，而不需要任何新奇的理论。 他们将记忆写入视为一个强化学习目标：在一次运行后，让模型写下记忆/文档，然后在相同、相似和不同的任务上启动新的实例，同时将这些记忆反馈进去。实现这一点的方法是对整个序列的表现进行评分，并对记忆长度施加明确的惩罚，以避免产生无限的“笔记”，最终超出上下文窗口。 经过多次迭代，你会奖励那些（a）写出高信号记忆、（b）在合适的时间检索到正确文档、以及（c）编辑/压缩过时笔记而不是无脑积累它们的模型。 这真是太疯狂了。因为当你结合当前前沿实验室的发布节奏，每个新模型在重大后训练/扩展改进后被训练和发布时，即使你的部署实例从未实时更新其权重，它仍然可以在下一个版本发布时“变得更聪明”，并且可以继承前一个版本积累的所有记忆/文档。 这是一种新的力量倍增器，另一种扩展范式，很可能是顶尖实验室目前正在做的事情（来源：待公布）。 忽略任何黑天鹅事件（未知的未知），你会得到一个合理的2026年发展轨迹： 我们将看到越来越多的改进，时间表加速。顶尖实验室实际上是在使用持续学习（一个非常好的近似），并且他们正在直接训练这种近似，因此它迅速变得越来越好。 不相信我？看看OpenAI和Anthropic提到的他们关注的核心内容。这正是为什么政府和企业对这一领域持乐观态度；没有任何障碍……

另见：<p>Grammarly未经许可使用我们的身份，<a href="https://www.theverge.com/ai-artificial-intelligence/890921/grammarly-ai-expert-reviews" rel="nofollow">https://www.theverge.com/ai-artificial-intelligence/890921/g...</a>，<a href="https://archive.ph/1w1oO" rel="nofollow">https://archive.ph/1w1oO</a>

这是一次重要的更新。现在安装镜像中包含离线文档以及一些修复。我之所以构建这个，是因为我厌倦了操作系统变成由服务器控制的客户端。我们正在失去理解甚至重建我们每天使用的工具的能力。 项目：OneManBSD 是一个为 i386 平台定制的 OpenBSD 7.8 安装镜像。 “主权”特性： 镜像中的源代码：安装程序包括 sys.tgz、src.tgz、xenocara.tgz 和 ports.tgz。您可以离线从本地驱动器重建整个内核和基础系统。 无臃肿：我避免使用 Gtk3 和 Qt。桌面环境使用 JWM、XFE 和 Nedit。 硬件级控制：我绕过了繁重的音频守护进程，使用 awk 进行通知提示音，使用 raw mixerctl 进行硬件静音解除。 离线文档：镜像中包含完整文档，以实现真正的独立性。 观看 90 秒的演示（启动速度和 JWM 设置）：[https://www.youtube.com/watch?v=2wHaoQhXOYY](https://www.youtube.com/watch?v=2wHaoQhXOYY) 我的目标不是启动一个“发行版”，而是鼓励他人构建自己的“OneMan”系统。我们拥有的版本和多样性越多，我们保持的自由就越多。 我很想听听您对在旧硬件上维护仅源代码工作流程的看法。