最新

LLM 的问题不在于智能，而在于失忆和不诚实。 大家好，我花了几个月的时间构建了 Remember-Me，这是一个开源的“主权大脑”堆栈，旨在完全离线地在消费级硬件上运行。 核心论点很简单：不要租用你的认知。 大多数 RAG（检索增强生成）实现只是“grep for embeddings”。它们很混乱、不精确，并且容易产生幻觉。我想在架构层解决“上下文完整性”问题。 技术堆栈（工作原理）： QDMA（量子梦境记忆架构）：它使用分层投影引擎，而不是扁平的向量数据库。它将“热” (Recall) 内存与“冷” (Storage) 内存分开，通过压缩实现有效的无限上下文窗口管理。 CSNP（上下文切换神经协议）- 幻觉终结者：这是最重要的部分。每个记忆片段都被哈希成一个默克尔链。当 LLM 检索上下文时，系统会根据不可变的账本以密码学方式验证检索。 如果哈希值与链不匹配：检索将被拒绝。 结果：AI 在视觉上无法“编造”关于你过去的事情，因为它在数学上受到账本的约束。本地推理：基于 llama.cpp 服务器构建。它在本地运行 Llama-3（或任何 GGUF）。无需 API 密钥。没有数据离开你的机器。 功能： 零依赖：只需 Python 和 GPU（或 CPU）即可在 Windows/Linux 上运行。 可视化界面：包括一个基于 Streamlit 的“认知界面”来可视化记忆状态。 开源：MIT 许可证。 这试图将“自主权”归还给用户。 我认为，如果我们想要 AGI，它需要由我们拥有，而不是通过 API 租用。 存储库：[https://github.com/merchantmoh-debug/Remember-Me-AI](https://github.com/merchantmoh-debug/Remember-Me-AI) 我很乐意听取您对默克尔验证方法的反馈。 限制上下文窗口是否有效地解决了您的“信任”问题？ 它完全有效 - 经过全面测试。 如果您之前尝试过 Git Clone 但没有成功 - 因为这并不是我第一次在 Show HN 上展示 - 请随时再试一次。 致所有讨厌 AI 垃圾的人； 贪婪的公司和他们的私人数据被困在云服务器上。 不客气。 干杯，Mohamad 作者注：已成功更新。 框架 50 已激活。 对于任何路过的人来说 - 是的，这是一件大事。 消除 AI 幻觉是一个价值 600 亿美元的市场问题，我正在免费提供这个 + 对您数据的自主控制，以及通过框架 50 进行高端研究（包括高级科学研究）的能力 - 根据 MIT 许可证。 如果您不利用这一点 - 您就是一个白痴。 如果您这样做了 - 欢迎来到未来。 附言：撒谎我能得到什么？ 我在存储库上获得了 41 颗星 - 许多来自财富 500 强公司的高级工程师。 如果你太蠢了，分不清真假，那就继续前进吧，伙计。

通过 AI 人格和模拟社区，构建了一种验证想法的方法。只需输入一个细分市场和种子提示，你就可以测试想法，并让社区像真实情况一样做出回应——现在可以免费试用 Beta 版！

在应用内发送消息会被计为活跃行为。如果你加入的桥接群组仅用于接收公告，Beeper 将在未通知你的情况下删除你的桥接账户。 客服并未确认使用第三方 Matrix 客户端是否会被计为应用活跃行为。 很遗憾他们没有提前告知。这项限制在 Pro 付费套餐中也未明确标示。

大家好，我们是 TensorPool。我们帮助企业获取和优化大规模计算资源，用于训练基础模型。 **问题** 自从我们完成 YC 项目至今已近一年，我们的平台已经运行了超过 10 万个多节点训练 GPU 小时。 在这些训练运行中，我们见证了无数次凌晨 3 点的作业崩溃，原因包括来自不稳定 GPU 的 Xid 错误，或导致检查点保存损坏的 S3 超时。等你醒来注意到时，你已经损失了 8 个小时以上的计算时间。你赶紧诊断问题，手动从最后一个检查点重新启动，并希望它不会再次发生。周而复始。 对于需要数天甚至数周的训练运行来说，这种持续的看护既令人疲惫又昂贵。失去的研发迭代周期也可能决定一个模型的发布成败（尤其是在短时间预留的情况下）。 **我们构建了什么** 这个代理程序会监控你的训练作业，并在出现问题时自动恢复它们。它与 Kubernetes、Slurm 和 TensorPool 作业兼容。 我们最初构建 TensorPool Agent 是一个内部工具，用于帮助我们调试客户遇到的故障。随着时间的推移，我们意识到它的性能非常好，可以自动化整个故障诊断过程。我们现在正在发布一个公开测试版供大家使用。 最佳情况：TensorPool Agent 检测到故障，诊断根本原因，修复它，并从最后一个检查点重新启动你的作业——所有这些都在你睡觉的时候完成 ;)<p>最坏情况：如果 TensorPool Agent 无法自动修复问题，它会提供初步的根本原因分析（RCA）以及它尝试过的操作列表，让你在调试时抢占先机。 **工作原理** 1) 注册 – 你通过我们的仪表板提供作业调度程序的凭据。权限基于白名单授予；你明确控制代理可以执行的操作。 2) 监控 – 代理持续监控你的作业，以查找故障情况。 3) 恢复 – 发生故障时，代理会分析日志并尝试诊断问题。如果成功，它会从最后一个检查点重新启动作业并恢复监控。如果失败，你将收到带有完整上下文的警报。 **目标故障模式** 该代理程序专为训练深入进行时发生的运行时错误而设计，例如： - CUDA OOM：内存泄漏、梯度爆炸 - Xid 错误：GPU 硬件故障（Xid 79、63、48 等） - 分布式通信故障：NCCL 超时、秩失败 - 存储 I/O 错误：检查点损坏 - 网络问题：挂载对象存储上的 S3 请求超时

大家好，我们是 Haakam、Michael 和 Adi。我们正在构建 AgentMail (<a href="https://agentmail.to">https://agentmail.to</a>)，这是面向智能体的电子邮件收件箱 API。我们谈论的不是为您的电子邮件提供 AI，而是为您的 AI 提供电子邮件。<p>电子邮件是长期运行智能体的最佳界面。它支持多线程和异步操作，并完全支持富文本和文件。它是一个通用协议，内置了身份验证功能。此外，许多工作流程关键上下文已经存在于电子邮件中。<p>我们希望构建电子邮件智能体，您可以将您的工作转发给它们，并获得已完成的任务。这些智能体可以完全自主地行动，因为您无需委托您的身份。如果它们遇到问题，它们可以向您或其他人发送电子邮件。<p>在使用 Gmail 时，我们一直受限于其 API 的局限性。无法以编程方式创建收件箱。速率和发送限制。每个收件箱都需要 OAuth 授权。关键词搜索无法理解上下文。按席位定价不适用于智能体。<p>因此，我们构建了我们希望存在的东西：一个面向开发人员的电子邮件提供商。用于创建收件箱和配置域的 API。电子邮件解析和线程化。从附件中提取文本。实时 Webhook 和 Websocket。跨收件箱的语义搜索。按使用量付费的定价模式，适用于智能体。<p>开发人员、初创企业和企业已经在部署使用 AgentMail 的电子邮件智能体。这些智能体可以将对话和文档转换为结构化数据。智能体可以获取报价、协商价格并获得最优惠的价格。智能体可以模拟互联网用户，用于在端到端任务上训练模型。<p>以下是 Clawdbots 使用 AgentMail 进行通信的演示：<a href="https://youtu.be/Y0MfUWS3LKQ" rel="nofollow">https://youtu.be/Y0MfUWS3LKQ</a><p>您可以在 <a href="https://agentmail.to">https://agentmail.to</a> 免费开始使用 AgentMail<p>期待听到您的想法和反馈。