最新

大家好！希望你们今天过得愉快！我不太确定该把这个帖子发在哪里，但我今天想和大家分享两件事，都和人工智能领域有关：个性和人工智能的新时代！所以： * **LLM 包装器正在瓦解**——这些企业将无法生存，因为基础模型开始提供消费者一直在寻找的功能。这可能代表着对个性化作为横向增长的理解失败（这些初创公司没能坚持太久……），这也引出了下一个观点。 * **个性和自我意识是人类的需求。** 过去一年，利用人工智能为消费者个性化定制产品的浪潮兴起。对此的看法是：公司真的在按照消费者希望的方式，将“个性化作为横向增长”来实现吗？消费者真的需要企业告诉他们他们是独立的个体吗？个性化推送真的尊重了他们的个性，还是仅仅将消费者分组到同质化并剥夺他们个性的群体中？企业是否意识到消费者对此并非一无所知？（参考 Bluesky 的兴起和使命）。 * **以上与消费者对 AI 垃圾内容的抵制有关。** AI 垃圾内容是这个时代趋同性的一个特征——因此，展望个性化时代（参考这两个概念之间的历史反复——例如，20 世纪 10 年代是社会趋同的尾声，并伴随着巨大的社会动荡，直到 20 世纪 20 年代的到来）。 另外： * **我假设 Hacker News 上有很多软件开发人员：**可以关注一下单次学习和零次学习！（参考 Meta 目前正在构建大型概念模型） 就这些了。希望你们能从这个帖子中获得价值，祝你们有个愉快的一天！ （如果你喜欢这个帖子，并想看看上述概念的例子，并自己判断一些想法，请看以下长篇说明： 以上内容是我写的，Audrey Fei，今年 16 岁： * 我一直在关注人工智能的语音领域（文本和图像已经辉煌过了）。目前正在申请一项实时口音转换技术的专利（基于“黄金演讲者”的概念，该概念可以追溯到 1990 年；该专利还涉及该系统的特定架构，这与行业中预期的标准架构不同）。 它在 loxai.tech 上（我试图提高这项技术的知名度，所以有一个候补名单页面）。其核心思想是：至少在语音处理的子领域中，黄金演讲者与语音合成的规范背道而驰（在语音合成中，说话者的身份会丢失，而不是被保留）。它还在其结构中使用一次学习（MAML）。 * 有一个 MVP 促成了上述内容（neutboom.com）。它侧重于自然语言习得（与语言学习市场的其他产品区分开来）。它在某些地方可能有点笨拙（你可以告诉我任何丑陋的地方），但希望它是有趣的或增加了一些视角（至少我个人认为翻译是中间人……为什么要需要中间人，尤其是在它使语言学习过程复杂化的时候？欢迎对此提出意见）。 总之，希望你们度过一个充满创造力的美好一天！

我一直在开发 agentctl，这是一个用 Go 编写的小工具，它充当编码代理和它们想要执行的危险操作之间的桥梁：软件包安装、shell 执行、密钥访问、文件写入、出站 API 调用。 它的设计是刻意狭窄和本地优先的。没有 HTTP 服务器，没有托管组件，也没有仓库级别的配置蔓延。所有内容都位于 ~&#x2F;.agentctl&#x2F; 下。策略是你的，追踪也是你的。 我反复使用的工作流程是：编写一个宽松的策略，让代理运行一周，然后收紧规则并重放旧的会话，看看哪些操作会被阻止。这比一开始就猜测策略要好得多，而且这是我没有预料到会如此频繁使用的工具部分。 每个受控决策都会被写入 jsonl 文件，因此你可以使用 grep、diff 或将追踪数据反馈给更严格的策略，而无需重新运行代理。还有一个 TUI 用于浏览会话、检查单个受控决策，并以交互方式逐步重放，这使得更容易发现跨运行的模式。 目前可与 Claude Code 和基于 MCP 的客户端（如 Codex）配合使用。 仍在开发中，主要是一个自用项目，但认为其他正在试验编码代理的人可能会觉得它很有趣。 GitHub：<a href="https:&#x2F;&#x2F;github.com&#x2F;chocks&#x2F;agentctl" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;chocks&#x2F;agentctl</a>

特别是对于图像模型，但我认为这同样适用于大型语言模型。

NyaayWatch (<a href="https://nyaaywatch.in" rel="nofollow">https://nyaaywatch.in</a>) 是一个面向印度法院的开源可观测性层。它以经过审查、版本化的快照形式发布待审案件量、结案率和等待时间等数据，每个数字都链接回一个有日期的来源。 存在的原因：印度的国家司法数据网格（NJDG）每天报告待审案件，但它不保留历史数据，在不同法院之间没有一致的模式，并且无法让你引用特定日期上的特定数字。数据是公开的，只是不可用。NyaayWatch 弥补了这一空白。 现已上线： - 印度最高法院 - 所有 25 个高等法院 - 每个邦和联邦属地（28 + 8）的下级法院 - 带有配对的 /data、/methodology、/api 页面的只读公共 API - 每个数字背后的完整方法，带有可以回溯的发布 ID 一些 HN 可能感兴趣的事情： - 基于快照，不是实时的。流程是获取 → 提取 → 规范化 → 发布。发布步骤取决于质量 + 差异检查 - 依赖于缺失的 NJDG 输入的指标被标记为 {“state”: “missing”, “reason”: “source-not-published” | …}，而不是静默地归零。有一个单独的 cron 作业，它会向官方的 NJDG CPC 联系人发送电子邮件，针对待审案件量非零，但上个月已立案和已结案均为零的州行（尚未收到回复 :/) - 来源：<a href="https://github.com/rudrakshbhandari/nyaaywatch" rel="nofollow">https://github.com/rudrakshbhandari/nyaaywatch</a> 一些入门的地方： - <a href="https://nyaaywatch.in/supreme-court" rel="nofollow">https://nyaaywatch.in/supreme-court</a> - <a href="https://nyaaywatch.in/high-courts/bombay" rel="nofollow">https://nyaaywatch.in/high-courts/bombay</a> - <a href="https://nyaaywatch.in/states/uttar-pradesh" rel="nofollow">https://nyaaywatch.in/states/uttar-pradesh</a> - <a href="https://nyaaywatch.in/learn" rel="nofollow">https://nyaaywatch.in/learn</a> - curl <a href="https://nyaaywatch.in/v1/stats/himachal" rel="nofollow">https://nyaaywatch.in/v1/stats/himachal</a> | jq 未来发展方向：NJDG 每天发布数据，但会丢弃历史数据，因此 NyaayWatch 的前六个月是任何人都可以引用的、有日期的、可查询的司法数据的前六个月。 除此之外——审前羁押人口（印度大约四分之三的监狱人口正在等待审判），翻译成印地语、泰米尔语、孟加拉语、马拉地语，以及随着时间的推移，对行政和立法部门使用相同的可观测性层。 这是一个公共 Alpha 版本。我非常欢迎任何使用过 NJDG、司法数据、公民科技基础设施或对社会公正充满热情的人的反馈。欢迎贡献:)