最新

我的职业生涯已经发展到需要经常做出战略决策的阶段（招聘、解雇、选择使用什么设备等），在个人生活中，我也需要认真权衡重大采购或投资的选项。我发现这两者之间存在一个并不令人惊讶的相似之处，因为这些决策都会“尘埃落定”。我做的决策是好的，还是只是运气好？ 我做了一些研究，读了一些书，意识到我应该养成跟踪我的决策过程的习惯。这很快就演变成了 Convexly 的想法。 登录页面是一个 10 个问题的校准测验，您需要为从 100 个问题（正在扩大题库）中随机抽取的问题分配一个置信度，并立即获得一个布里尔评分。无需注册，您可以立即分享您的分数。 如果您觉得这很有趣，您可以创建一个免费帐户，在那里您可以使用概率估计来跟踪您的决策，随着时间的推移解决它们，并获得校准曲线，以显示您是否过于自信或不够自信。从我目前所看到的来看，当用户说他们对某件事有 70-90% 的把握时，他们往往会过于自信。 关于数学：使用 Beta-PERT 分布进行收益建模，使用凯利公式进行仓位规模调整，使用信号检测理论来区分技能和随机性。 在编码方面：使用 FastAPI 框架，配合 NumPy/SciPy 库，前端使用 Next.js 和 Supabase。 到目前为止，这一直是我个人的项目。如果您想查看所有功能，请使用代码 SHOWHN 获得 30 天的完全访问权限，无需信用卡。 好奇在完成测验后，您的分数是否有任何让您感到惊讶的地方。

ec (简易冲突) 是一款三方终端原生 Git 冲突解决工具。它支持 diff3 基准比较，帮助你无需离开终端就能更快地解决合并冲突。

嗨，各位 HN 用户！ 过去几周我一直在开发 Cranki： Cranki = 填字游戏 + Anki。（说实话，这名字有点蠢，哈哈） 我喜欢用西班牙语做填字游戏（为了学习词汇），但现有的应用都不允许我使用自己的词汇表。所以我就自己做了一个。 它完全是客户端的。没有服务器，没有数据库，没有账户等等。你的单词和统计数据都存储在本地存储中。 我最初是为自己开发的，但如果你喜欢，请告诉我！

Yapit 将 PDF 和网页转换为音频，它采用视觉 LLM 管道，可以处理数学公式和复杂的排版，而不会导致内容混乱。我开发它的初衷是由于我需要阅读大量论文和在线内容，但通常读到两段就会走神。边听边看能让我保持专注，也降低了开始阅读的门槛。<p>我尝试过的每个 TTS 工具在处理复杂格式时都会出错。比如包含数学公式、引用、图表引用、以及句中页码的论文。要么输出的内容乱七八糟，要么你听到的就是原始的 LaTeX 代码。<p>Yapit 将所有内容转换为 Markdown 这种通用格式。对于网页，defuddle (<a href="https:&#x2F;&#x2F;github.com&#x2F;kepano&#x2F;defuddle" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;kepano&#x2F;defuddle</a>) 负责提取内容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 LLM 将每一页重写为 Markdown，并使用注释标签将你看到的内容与朗读的内容区分开来。数学公式会被可视化渲染，但会提供替代文本。像 "[13]" 或 "(Schmidhuber, 1970)" 这样的引用会被静默显示。页码和标题则会被完全移除。<p>内容提取和音频都会通过内容哈希进行缓存，因此相同的内容永远不会被重复处理或合成。<p>自托管功能适用于任何与 OpenAI 兼容的 TTS 服务器（vLLM-Omni 等）和任何与 OpenAI 兼容的 PDF 提取视觉模型：<p><pre><code> git clone --depth 1 https:&#x2F;&#x2F;github.com&#x2F;yapit-tts&#x2F;yapit.git &amp;&amp; cd yapit cp .env.selfhost.example .env.selfhost make self-host </code></pre> Kokoro TTS 也可以通过 WebGPU 在桌面浏览器中运行。<p>试听 "Attention Is All You Need" (所有声音已缓存，无需帐户)：<a href="https:&#x2F;&#x2F;yapit.md&#x2F;listen&#x2F;3bde213b-3a5a-465f-9198-be65430b699e#3-model-architecture" rel="nofollow">https:&#x2F;&#x2F;yapit.md&#x2F;listen&#x2F;3bde213b-3a5a-465f-9198-be65430b699e...</a><p>或者粘贴任何 URL： <a href="https:&#x2F;&#x2F;yapit.md&#x2F;https:&#x2F;&#x2F;arxiv.org&#x2F;abs&#x2F;1810.04805" rel="nofollow">https:&#x2F;&#x2F;yapit.md&#x2F;https:&#x2F;&#x2F;arxiv.org&#x2F;abs&#x2F;1810.04805</a> <a href="https:&#x2F;&#x2F;yapit.md&#x2F;https:&#x2F;&#x2F;x.com&#x2F;karpathy&#x2F;status&#x2F;2039805659525644595" rel="nofollow">https:&#x2F;&#x2F;yapit.md&#x2F;https:&#x2F;&#x2F;x.com&#x2F;karpathy&#x2F;status&#x2F;2039805659525...</a><p>GitHub: <a href="https:&#x2F;&#x2F;github.com&#x2F;yapit-tts&#x2F;yapit" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;yapit-tts&#x2F;yapit</a> (AGPL-3)

大家好，我很好奇人们或系统（计算机）是如何检测一段文本是否由 LLM 编写的。我的问题主要集中在是否有 API 或类似工具可以检测文本是否由 LLM 编写。谢谢！

改进了社交和情感系统，优化了道德指南针的运作，增加了注释以提高可读性，并修复了 larkos (神经网) 中的错误：https://github.com/Okerew/larkos 另外，我忘记了道德指南针是如何运作的，所以添加了一些注释，并稍作改进，就是这样。

我不确定这个问题是发生在所有发件邮件上，还是只发生在部分邮件上。Upwork.com 的 SPF 策略规定，允许 mail.clinchtalent.com 和 spf.mandrillapp.com 列出的所有 IP 地址代表 upwork.com 发送邮件。 然而，至少部分（如果不是全部）由 Upwork 市场生成的系统邮件都是通过 MailGun 发送的，而它们的 IP 地址并未包含在 upwork.com 的 SPF 策略中。 此外，upwork.com 的 DMARC 策略被设置为“严格”模式——这意味着如果 SPF 检查失败，所有符合 RFC 规范的 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这方面的培训，也不理解我解释中过于技术性的部分（包括截图和日志）——所以我自然而然地要求将问题升级给更有资质的人员。 不出所料，我的请求被忽略了，我们继续来回沟通。我试图解释这种 DNS 配置错误对 Upwork 公司造成的安全性和邮件送达率影响——但我的话再次被忽略了。 另一位支持人员介入（可能是换班了），我们又回到了第一步——这种情况比和 AI 聊天要好，但如果缺乏资质的员工拒绝将问题转交给他们更有资质的同事，情况似乎也好不到哪里去。 我可以理解工程师们不想被琐事打扰。但当一线支持人员不理解我在说什么，而且我们已经交换了十几条消息，而一个中级工程师在第一步就能解决问题时——所有后果首先会影响到公司，然后是它的客户。

Hi HN，我是一个极简 AI 用户（我使用带有标准 vscode 聊天功能，没有 MCPs 来构思计划），但最近我一直在接触构建上下文的 MCPs/工具，这些工具可以构建你的代码库的知识图谱。 这真的很有趣，因为我同时在处理相当大的代码库，而且我的助手不必一遍又一遍地重新索引和重新阅读所有文件，这非常吸引人。 我的问题是，你们使用什么方法来索引并将这些方法连接到你们的助手？ 我的研究让我发现了以下内容，但我基本上对衡量它们有多好感到非常困惑。 1. [https://github.com/abhigyanpatwari/GitNexus](https://github.com/abhigyanpatwari/GitNexus) - 似乎是最受欢迎的 2. [https://github.com/DeusData/codebase-memory-mcp](https://github.com/DeusData/codebase-memory-mcp) - 也很吸引人/新颖 3. [https://github.com/JaredStewart/coderlm](https://github.com/JaredStewart/coderlm) - 基于 tree-sitter 的方法看起来非常好。 很想知道积极使用前沿模型和方法的人是如何在这个领域中进行探索的。