最新

前几天看到 HackerBooks 的分享（<a href="https:&#x2F;&#x2F;news.ycombinator.com&#x2F;item?id=50326821">https:&#x2F;&#x2F;news.ycombinator.com&#x2F;item?id=50326821</a>），于是也想做一个类似的东西，只不过是针对热门播客中提到的书籍。<p>作为一个狂热的读者和播客爱好者，我一直对听到那些塑造了有影响力人物的书籍感到非常着迷。<p>于是我构建了 PodBookCase（好吧，是 Claude 构建的）——一个可搜索的目录，收录了在热门播客节目中被提及的书籍，使用了解析后的播客文本数据（我很快就会公开这些数据）。<p>我最初是想为自己构建这个工具的，因为我一直在积累想听的播客和想读的书。但后来我想到，它也许也能对其他好奇的读者有所帮助。

我与我的兄弟共同经营一个两人实验室，我们从零开始训练自己的生成式视频模型。最终目标是开发一套创意工具，让任何人都能更轻松地制作动画。 如今的视频模型速度太慢/成本太高，并且缺乏足够的控制。创意是一个迭代的过程。你创作，你调整，你变得更好。在我们看来，它们目前还无法用于讲故事。 今年早些时候，当我们着手构建 Linum v3（我们的下一代视频模型）时，首要目标是大幅降低推理成本。如果我们的模型速度快且成本低，那就是实现有用创意工具的第一步（也是众多步骤中的一步）。 通常，你会看到“潜在扩散模型”。VAE（变分自编码器）将输入数据压缩到一个更小的“潜在空间”，然后扩散模型学习在这个子空间内生成。 在过去的几个月里，我们一直在发布关于高效像素空间扩散模型的研究。这些模型摒弃了 VAE，让扩散模型学习一个针对其精确任务优化的潜在空间。 这有三个目的： 1) 简化架构（无需两阶段模型训练） 2) 更快的收敛速度（与我们的潜在扩散模型相比，收敛速度快 11 倍） 3) 更低的推理成本（注意力上下文窗口中的 token 缩减幅度更大 4 倍，而质量损失不显著） 上个月，我们通过训练一个比典型一次性实验更长时间的文本到图像模型来压力测试我们最新的架构（Pyramid-JiT）。具体来说，我们花费了约 2 万美元，在 6.6 亿个样本上进行了训练。 我们对结果的质量感到惊喜，因此我们决定将其作为开放权重（Apache 2.0）发布给社区。相关研究本身已在我们的网站上公开。 对我们来说，这是迈向更低成本视频模型的重要一步，因为几乎所有的视频模型都是从图像模型开始的。我们喜欢说，这些模型必须先学会名词，才能学会动词。

大家好，我刚刚发布了我的最新 iOS 应用 Scroll Hope。它是一个类似 TikTok 的滚动信息流，但内容是圣经经文，配有有趣的动态背景。它还可以跟踪您的阅读进度并记录随时间变化的统计数据。 您可以在网站上试用，或者在 iOS 上使用，如果您想要应用锁定功能，该功能可以阻止您使用社交应用。完全免费，并可以选择通过小费支持该应用，解锁一些额外的图标和分享选项。 音频和自动滚动功能即将推出，这样您就可以放下手机，解放双手进行阅读/收听。 Android 版本即将推出，锁定功能正在进行额外的审查。

快速调研并分享我的痛点： - AI视频生成器修复一个部分会破坏另一个部分 - 视频中生成了幻觉般的产品Logo