我感觉我没有选择，只能接受这一点。如果我想保住我的工作，就必须使用它。我曾为用代码制作东西感到自豪，但现在只需在提示框中输入几个词就能生成代码，这让我觉得一切都变得空洞了。写代码的乐趣不复存在。
我知道在个人爱好方面我可以这样做……但我需要钱，这是关键，我还不能离开，但如果每份工作都变成这样，我想我会选择离开。
我并不是否认它的能力，比如今天我需要制作一个能够支持HFP的蓝牙安卓应用，立刻就要。我凭目前的知识无法做到这一点，但人工智能可以……任何会打字的人都能使用它，那么我还有什么用呢？
所以，现在我的计划是利用这些工具，做我喜欢的事情，然后赚到足够的钱再离开。我会为自己的乐趣写代码。
我从2013年开始做开发/写代码。
我并不是说我反对这项技术让其他人能够编码，我只是觉得如果我必须使用它，而不再需要自己写代码，我对此感到难过。没有成就感。
还有一点是，如果你对此有所抵触，你就会被视为消极的人/反技术者，大家都在用，你也应该这样做。
返回首页
一周热榜
我一直有一个冲动，希望我的两台MacBook能够互相通信。在一台电脑上工作时让另一台闲置，感觉像是资源的浪费。因此，我开发了Loopsy。最初的目标是通过本地网络进行文件传输，后来又增加了运行命令的功能。我尝试从一台机器运行编码代理到另一台机器，结果成功了。
后来我意识到，应该有更好的方法可以在健身房通过手机远程继续我的Claude会话。因此，我做了一个Cloudflare Worker，连接到我的本地机器。我只需要确保笔记本电脑是插电的。
我知道我可能是在重复造轮子，但我喜欢它能够正常工作。目前仍在进行端到端加密的开发，iOS应用还在审核中。
请告诉我你的想法。
在构建依赖于大型语言模型（LLMs）的工作流程时，我们通常使用结构化输出来处理程序化用例，例如将发票转换为行、将会议记录转换为工单，甚至将复杂的PDF文件转换为数据库条目。
模型可能会返回您想要的架构，但其中的虚构值（例如，`invoice_date`可能偏差2个月，或转录数组的顺序错误）。虽然JSON是有效的，但其中的值却不正确。
如今，结构化输出在使用LLMs时占据了重要部分，尤其是在构建确定性工作流程时。
当前的结构化输出基准（例如，JSONSchemaBench）仅验证JSON架构和类型的通过率，而不检查生成的JSON中的实际值。
因此，我们设计了结构化输出基准（SOB），通过测量JSON架构的通过率、类型以及在文本、图像和音频三种模式下的值准确性来解决这一问题。
在我们的测试集中，每条记录都与一个JSON架构和一个经过人工和LLM交叉验证的真实答案配对，因此缺失或虚构的值将被视为错误。
开源方面表现相当不错，GLM 4.7紧随GPT 5.4之后排名第二。
我们注意到不同模式之间的排名变化：GLM-4.7在文本领域领先，Gemma-4-31B在图像领域领先，Gemini-2.5-Flash在音频领域领先。
例如，GPT-5.4在文本中排名第三，但在图像中排名第九。
模型大小也不是一个预测因素：Qwen3.5-35B和GLM-4.7在值准确性上超越了GPT-5和Claude-Sonnet-4.6。Phi-4（14B）在文本上超过了GPT-5和GPT-5-mini。
结构化幻觉是最难解决的bug。这类值在类型上是正确的、在架构上是有效的，并且看起来合理，因此它们往往会逃过大多数保护措施。例如，在一条音频记录中，真实值是“target_market_age”: “15到35岁”，而模型返回的是“25到35”。没有字段级检查，这种错误是不可见的。
我们的目标是成为最优秀的通用模型，以处理确定性任务，而确定性的一项关键方面是可控且一致的输出结构。改善结构化输出的第一步是对其进行测量，并与最佳标准进行对比。
我真的很想了解我是否会改变现在的看法。在2019/2020年之前，我非常喜欢科技、电子产品，并且跟上潮流。<p>在过去的5到6年里，我逐渐对科技采取了一种选择退出的态度。<p>我已经不再关心这些了，我觉得这并不是因为我变老了……我是在20多岁中后期才接触科技的，所以我并不是像你们大多数人那样从小就对这些东西感兴趣的“天生极客”。<p>随着产品和服务的质量下降速度加快，我使用的大多数产品和服务都存在许多问题，需要寻找解决方法、黑客手段，或者只是忍受糟糕的用户体验。<p>那时我曾花费数万美元购买最新的科技产品，包括软件和硬件。<p>如今，我只使用从Verizon获得的免费智能手机，通常用2到3年。当我查看旧照片时，真的分不清是iPhone 7拍的还是iPhone 15（我甚至不知道具体型号）。<p>我以950美元买了一台二手的M1 Max，现在仍在使用，我觉得这台机器还能再用3到5年。我还在使用我的高性能游戏/工作站，配备5950x和128GB内存。以前我会花5000美元买一台新Mac。<p>我曾经拥有特斯拉和其他酷车，现在我把它们都卖掉了，只是走路。我买了更好的鞋子。<p>我之前的家里充满了智能家居科技和其他东西，现在我住在一栋完全模拟的老房子里，这感觉很好（而且小得多！）。<p>我现在唯一的订阅是Prime和YouTube。<p>我在人工智能方面尝试过很多，花费超过10亿个代币构建了许多有趣的东西，但说实话，我现在觉得我已经了解了它的局限性和优点。我不再觉得它那么有趣，因为在图像生成（这是我真正想要的，无论迭代次数和花费时间多少）、可靠地整理笔记等方面，它表现得很糟糕。作为代码助手它表现不错，但当它不工作时又显得无聊。<p>那么接下来该怎么办？或者我是否就这样完全选择退出，像我已经开始的那样？
所以我不介意因为几乎任何其他原因而失去我的工作。糟糕的市场、公司的转型，甚至我自己的愚蠢错误……好吧，这就是生活。但因为我在开源项目中投入的热情而失去工作？拜托，这真的让我很生气。
我像其他人一样，周末做一些副项目只是为了好玩，凌晨两点在Stack Overflow上为陌生人解答问题，做一些没人付我钱的代码库……老实说，这种文化是作为开发者时最好的事情，而现在却成了训练数据。我讨厌OpenAI、谷歌、Anthropic等公司抓取这一切，学习其中的内容，然后把我们的热情作为产品卖回给我们。没错，我明白，这是资本主义，随便吧，但我感觉自己是个最大的傻瓜。我想我只能接受这一切，低下头继续前行。不过，有一件事我最不喜欢：这里的人们美化人工智能和大型语言模型。高层们迟早会正常化因为人工智能而进一步裁员，90%的人都会受到影响。人们，事情并不只是关于技术细节！
嗨，HN — 我是作者。iesna.eu 是一个基于浏览器的生态系统，用于处理光度数据：解析标准的灯具文件（LDT/EULUMDAT、IES LM-63、Oxytech、ATLA-S001），根据 EN 13201 / ANSI/IES RP-8 / CJJ 45 / IES-IDA MLO 进行设计计算，以及（我最想展示的部分）在 Bevy 中渲染真实的城市场景，利用光度数据驱动实际的路灯行为，包括天空辉光的贡献。
天空辉光分析演示将一个真实的 LDT 文件加载到 Bevy 场景中（Khronos Bistro 测试资产）。灯具的光强分布直接驱动路灯的渲染——没有任何虚假处理——而天空辉光等级会随着你调整向上照明的百分比实时更新。切换到全切断灯具时，天空的等级会从 F（严重）变回 A（优秀）。你可以在建筑物和天空中看到这种差异。
技术栈：Rust 核心（eulumdat-rs 及相关库，大约 20 个库处理光度格式），Bevy 用于 3D 渲染，WASM 用于浏览器部署。没有后端；一切都在客户端运行。在现有光度库的基础上增加了大约一千行新代码，以实现 Bevy 的集成。
我希望获得反馈的几个方面：
- 目前的大气散射模型是单次散射的 Rayleigh+Mie。这对于我的使用案例是否合理，还是应该朝多次散射的方向发展？
- Bistro 测试场景在视觉上效果很好，但并不是一个受控环境。
- 有没有人知道一个更典型的公共城市几何资产，适合真实的路灯评估？
- CJJ 45 实现（中国国家道路照明标准）是我唯一一个需要从翻译的 PDF 中逆向工程的标准。如果有人有相关的第一手经验，我会很感激能进行一次理智的检查。
在 GitHub 上开源（eulumdat-rs 和相关库）。
Crates.io: eulumdat