最新

我在职业生涯中已经到了一个阶段，现在经常需要做出战略决策（如招聘、解雇、选择设备等），在个人生活中也需要认真权衡大额购买或投资的选项。我发现这两者之间有一个不那么意外的相似之处，因为这些决策“得到了结果”。我是在做出良好决策，还是仅仅运气好呢？ 我做了一些研究，读了一些书，意识到我应该养成跟踪决策过程的习惯。这很快演变成了形成Convexly的想法。 我们的着陆页面是一个包含10个问题的校准测验，您需要为从一个不断变化的100个问题池中抽取的陈述分配一个信心水平，并且您会立即获得一个Brier分数。无需注册，您可以立即分享您的分数。 如果您觉得有趣，可以创建一个免费账户，在那里您可以跟踪您的决策及其概率估计，随着时间的推移解决这些决策，并获得校准曲线，显示您是否过于自信或不够自信。从我目前看到的情况来看，当用户表示对某件事情有70-90%的把握时，他们往往过于自信。 在数学方面：使用Beta-PERT分布进行收益建模，使用凯利准则进行头寸大小计算，使用信号检测理论来区分技能与随机性。 在编码方面：使用FastAPI结合NumPy/SciPy，前端使用Next.js和Supabase。 到目前为止，这一直是我一个人的项目。如果您想查看所有功能，可以使用代码SHOWHN获得30天的完整访问权限，无需信用卡。 我很好奇，您在完成测验后，是否对自己的分数感到惊讶。

ec（easy-conflict）是一款三方终端原生 Git 合并冲突解决工具。它支持 diff3 基准比较，帮助您在不离开终端的情况下更快地解决合并冲突。

嗨，HN！<p>在过去的几周里，我一直在开发 Cranki：<p>Cranki = 填字游戏 + Anki。（说实话，这个名字有点傻，哈哈）<p>我喜欢用西班牙语做填字游戏（以学习词汇），但市面上的应用都不允许我使用自己遇到的单词列表。所以我自己做了一个。<p>这个应用完全是客户端的。没有服务器，没有数据库，没有账户等。你的单词和统计数据都存储在本地存储中。<p>我是为自己开发的，但如果你喜欢的话，请告诉我！

Yapit 将 PDF 和网页转换为音频，采用视觉大语言模型（vision-LLM）管道处理数学公式和复杂布局，而不是将其混淆。我之所以构建这个工具，是因为我在线阅读大量论文和内容，但通常在两段后就会走神。边听边跟随能够让我保持专注，并降低了实际开始的门槛。 我尝试过的每一个文本转语音（TTS）工具在处理复杂格式时都会出现问题。包含数学公式、引用、图表参考和句子中间的页码的论文，结果要么是混乱的输出，要么就是听到原始的 LaTeX 代码。 Yapit 将所有内容转换为 Markdown 格式作为通用格式。对于网页，defuddle（[https://github.com/kepano/defuddle](https://github.com/kepano/defuddle)）负责提取并去除网页上的杂乱信息，以干净、一致的格式呈现主要文章内容。对于 PDF，视觉大语言模型会将每一页重写为带有注释标签的 Markdown，注释标签将可视内容与朗读内容分开。数学公式以视觉形式呈现，但会用替代文本进行朗读。像 “[13]” 或 “(Schmidhuber, 1970)” 这样的引用会静默显示。页码和标题则完全被移除。 提取和音频都通过内容哈希进行缓存，因此相同的内容不会被处理或合成两次。 自托管可以与任何兼容 OpenAI 的 TTS 服务器（如 vLLM-Omni 等）和任何兼容 OpenAI 的视觉模型进行 PDF 提取： ``` git clone --depth 1 https://github.com/yapit-tts/yapit.git && cd yapit cp .env.selfhost.example .env.selfhost make self-host ``` Kokoro TTS 也可以通过桌面上的 WebGPU 在浏览器中运行。 可以在 “Attention Is All You Need” 上试用（所有语音已缓存，无需账户）： [https://yapit.md/listen/3bde213b-3a5a-465f-9198-be65430b699e#3-model-architecture](https://yapit.md/listen/3bde213b-3a5a-465f-9198-be65430b699e#3-model-architecture) 或者粘贴任何 URL： [https://yapit.md/https://arxiv.org/abs/1810.04805](https://yapit.md/https://arxiv.org/abs/1810.04805) [https://yapit.md/https://x.com/karpathy/status/2039805659525644595](https://yapit.md/https://x.com/karpathy/status/2039805659525644595) GitHub: [https://github.com/yapit-tts/yapit](https://github.com/yapit-tts/yapit)（AGPL-3）

大家好，我很好奇人们或系统（计算机）是如何检测文本是否由大型语言模型（LLM）生成的。我的问题主要是想知道是否有某种API或类似的工具可以用来检测文本是否是由LLM写的。谢谢！！！

改进了社会和情感系统，同时使道德指南针的功能更为完善，增加了可读性的注释，并修复了larkos（神经网络）中的一些错误。链接：https://github.com/Okerew/larkos 此外，我忘记了道德指南针的工作原理，因此在其中添加了一些注释，并对其进行了小幅改进。

我不确定这是否发生在所有外发邮件上，还是仅仅是其中一些。upwork.com的SPF策略规定，mail.clinchtalent.com及所有由spf.mandrillapp.com列出的IP地址被允许代表upwork.com发送邮件。 然而，至少一些（如果不是全部）由Upwork市场生成并发送的系统邮件是通过MailGun发送的，而它们的IP地址在upwork.com的SPF策略中缺失。此外，upwork.com的DMARC策略设置为“严格”，这意味着如果SPF检查失败，所有符合RFC标准的SMTP服务器都应该拒绝该邮件。 我提交了一个支持工单，并清楚地解释了情况。支持人员承认他没有接受过相关培训，对我解释中的过于技术性的部分（包括截图和日志）并不理解，因此我自然请求将问题升级给更有资格的人处理。 可以预料，我的请求被忽视了，我们的对话反复进行。我试图解释这种DNS错误配置对Upwork公司的安全性和邮件送达性的影响，但我的话再次被忽视。 另一位支持人员介入（可能是换班了），我们又回到了第一步——这种情况比与AI聊天要好，但显然如果不合格的员工拒绝将问题转交给更有资格的同事，情况也不会好到哪里去。 我可以理解工程师们不想被琐事打扰。但当第一线支持人员不理解我在说什么，而我们交换了十几条消息时，一个中级工程师早就能在第一步解决问题——所有后果首先会影响公司，然后再影响其客户。

嗨，HN，我是一个非常基础的人工智能用户（我使用的是带有默认设置的VSCode聊天，没有使用任何MCP来构思计划），但最近我遇到了一些构建上下文的MCP/工具，它们可以为你的代码库构建知识图谱。 这非常有趣，因为我同时在处理相当大的代码库，想到我的代理不需要一次又一次地重新索引和重新读取我的所有文件，这让我感到很吸引。 我的问题是，你们使用什么方法来索引这些内容并将其连接到你的代理上？ 我的研究让我找到了以下几个工具，但我对如何衡量它们的优劣感到非常困惑。 1. https://github.com/abhigyanpatwari/GitNexus - 似乎是最受欢迎的 2. https://github.com/DeusData/codebase-memory-mcp - 也很有趣/新颖 3. https://github.com/JaredStewart/coderlm - 基于tree-sitter的方法看起来非常不错。 我很想知道那些积极使用前沿模型和方法的人是如何在这个领域中导航的。