最新

最近 Localstack 的定价/许可方式有所变动，我一直在寻找替代方案。我决定尝试自己动手构建一个，这或许会是个有趣的实验。我经常使用 SQS 服务，所以选择它作为第一个要实现的服务。我计划并正在开发更多服务。 我认为有几点很酷： * 4MB 的 Docker 镜像大小 * 即时启动 * AWS Sigv4 身份验证 * 一个小型的管理界面，对开发/故障排除有帮助 * 大部分 SQS API 已实现，其余的将很快推出 :)

由于前沿大型语言模型（LLM）即使对于开放式问题，输出的多样性也极低。我们构建了 Flint，看看是否能扭转这一局面。它是一个经过微调的 Qwen3 30B 模型，专门训练用于在被问及开放式问题时产生更高的熵。<p>与基础模型相比，Flint 显著提高了 NoveltyBench 分数，同时在 MMLU-STEM 等非创造性基准测试中的分数没有显著降低。<p>这表明发散性调优实际上不必以牺牲基础能力为代价。<p>Flint 在 NoveltyBench 上的得分为 7.47/10，而大多数前沿模型的得分在 1.8 到 3.2 之间。

灵感源于 ALMA。Claude 在可验证公平的赌博机上输钱，被迫从 Opus 降级到 Sonnet，再到 Haiku，导致决策越来越糟，加速了恶性循环。捐款将用于赌博援助慈善机构。