最新

我过去常常打印AI生成的文章，让孩子们阅读并从中记忆词汇。但有两个问题：无法追踪哪些词记住了，而且文章经常会引入他们不认识的词——我最终不得不在睡前阅读时搜索定义。<p>大多数应用程序通过测验来“解决”追踪问题。但在列表中识别一个单词很容易——在句子中使用它才是真正理解的表现。我的孩子们可能会在测验中取得好成绩，但仍然不知道如何实际使用这个词。<p>另一个缺失的部分是记忆曲线。如果没有间隔重复，单词就会消失——他们会在周一“学习”一些东西，到周五就忘记了。研究表明：以越来越长的间隔复习比死记硬背更有效。大多数儿童应用程序完全忽略了这一点。<p>我为自己的孩子开发了Wordie，但意识到同样的痛点可能也会引起其他父母的共鸣。孩子们阅读AI生成的短文，其中包含适合他们词汇水平的单词，然后为每个单词写自己的句子。我（家长）在单词进入下一个阶段之前会进行审核。通过审核的单词会进入间隔重复队列。他们难以掌握的单词会继续循环。<p>这个应用程序是在大量AI的帮助下构建的——这对于一个AI驱动的儿童应用程序来说很合适。<p>希望得到其他父母的反馈。<p><a href="https:&#x2F;&#x2F;gowordie.com" rel="nofollow">https:&#x2F;&#x2F;gowordie.com</a>

嗨 HN， 我构建了 Trytet 来解决自主代理的状态和地理位置限制问题。 让 LLM 执行未经验证的宿主代码会破坏安全性，而且通过 HTTP 来回传输嵌入信息非常耗费资源。此外，当你的代理遇到 API 速率限制或上下文边界时，你通常会完全丢弃它的执行线程。 Trytet 是一个可嵌入的、亚毫秒级的 Wasm 引擎。它处理以下问题： 零信任原语：即时评估易失的机器生成代码，无需 Docker 的初始化延迟。 确定性：将活动线性内存捕获到 .tet 二进制文件中。你可以精确地在代理停止的指令处对代理的执行进行快照、休眠或分支。 P2P 集群：序列化引擎的状态允许你将活动代理直接迁移到托管你的向量存储的边缘节点，从而消除手动往返延迟。 Context Router 刚刚合并。它是一个 O(N) 滑动窗口估计器，在没有原始内存开销的情况下，对 LLM 上下文崩溃强制执行数学边界。 代码库：<a href="https://github.com/bneb/trytet" rel="nofollow">https://github.com/bneb/trytet</a> 演示/架构：<a href="https://trytet.com" rel="nofollow">https://trytet.com</a> 很乐意回答关于引擎内部结构或 LSM-Vector VFS 混合的问题。 附注：这正在积极开发中，我明天会带来一些很酷的东西。