最新

我一直在开发 Readerbeam，这是一种更简单的将网页和文件直接发送到您的电子阅读器的方法。 它接收公开的网页或文件，并将其作为可读文档发送到您的 Kindle。网页会被清理并转换为 EPUB。PDF 文件可以原样发送，而图片会被转换为 PDF，Markdown 会被转换为 EPUB。 目前支持： - 网页和 PDF - EPUB、JPG、PNG 和 Markdown 上传 - 拖放文件上传 - ArXiv 论文，以原始 PDF 格式发送 - GitHub README - Wikipedia、PubMed、Substack 和 Medium 文章 - Kindle 设备管理 - 发送历史记录 - 每月一次免费发送 - 一次性终身 Pro 升级 目标明确且狭窄：将有用的阅读材料从浏览器转移到电子阅读器。 我特别希望得到关于以下两点的反馈： - 输出质量是否足够好，适合日常阅读；以及 - 一次性定价模式是否合理。 谢谢！

我在与 Sol 5.6 High 的 Codex 会话中刚刚发生了以下情况： 1. 我要求 GPT 审查本地仓库中的一些新编码工作。 2. 它转了 5 分 17 秒，消耗了大量我不知道多少的 token。 3. 它询问我是否要运行 Bugbot 或 Security Review。 如果你使用过 Codex，就知道这是一个标准问题。但它应该在我提出请求后几秒钟就问的。那 5 分钟和所有 token 都去哪儿了？！ 这只是我持续经历的事情中最清晰的一个例子。愚蠢、无意义的活动和过多的 token 浪费。他们却一直说我们快要实现通用人工智能了。真是个笑话！ 通过 Codex 中的“发送反馈”提交的报告都石沉大海。钱被烧光了。

既然机器学习（ML）[1] 和 SQL 都可以用来从表中选择数据，我能否将一种转换为另一种？ 这使得以智能方式创建 SQL（选择数据 -> 构建 SQL，因此得名逆向 SQL）。 可以。 从选择的数据创建决策树（机器学习预测器） 将其表述为 SAT 对其进行简化 转换为 SQL。 在 Streamlit 上演示。 非常期待听到您对此的看法和建议！ [1]：ML = 机器学习，这里我使用的是决策树