1 分•作者: 1vuio0pswjnm7•6 个月前
返回首页
最新
1 分•作者: 1vuio0pswjnm7•6 个月前
1 分•作者: giuliomagnifico•6 个月前
1 分•作者: timf34•6 个月前
我希望能够下载浏览器为网页加载的全部内容(即所有 JS、CSS、图片、字体等),并保留原始的目录结构(就像你在开发者工具 → 网络/源代码中看到的那样)。这主要用于提供上下文/提示给大语言模型,以便它们创建设计相似的网站。
找不到现成的工具,所以就有了这个:)
2 分•作者: 1vuio0pswjnm7•6 个月前
1 分•作者: markfeldner•6 个月前
1 分•作者: khalidzeiter•6 个月前
1 分•作者: thm•6 个月前
1 分•作者: goyalankit•6 个月前
2 分•作者: nomilk•6 个月前
3 分•作者: 8organicbits•6 个月前
1 分•作者: hggh•6 个月前
1 分•作者: alpbak•6 个月前
FFmpeg 是一个很棒的工具,但我总是反复 Google 同样的命令,然后复制粘贴那些我不想再记住的东西。
我构建了一个小巧、有主见的 Rust 命令行工具,它让我能够表达我想做什么,而不是告诉 FFmpeg 怎么做。
这个工具对我来说很有效。它可能对每个人都有效,也可能无效,这都没关系。
Repo: https://github.com/alpbak/ffhuman
1 分•作者: genum_Lab•6 个月前
目前,关于生成式人工智能(GenAI)的讨论主要集中在如何让模型变得更强大——更具创造力、更通用、更“智能”。
但我们在企业自动化方面的工作得出了一个不同的结论:
企业采用似乎源于约束,而非智能。
实际上,超过80%的企业数据是非结构化的:电子邮件、文档、消息、转录、语音转文本。当LLM(大型语言模型)被自由地应用于这些数据时,结果难以信任或自动化。
我们更成功地应用了强约束和我们称之为弱语义基础的方法:使用LLM来检测预定义的业务信号,并将它们映射到固定的、可验证的输出。
日期。
事件。
实体。
状态变化。
在这些条件下,LLM开始表现得更像语义基础设施,而不是推理引擎——可预测、可测试,并且可用于实际工作流程。
这一见解也改变了我们对工具的看法。在Genum AI,我们一直将提示视为代码:像软件一样进行版本控制、测试、回归检查和部署。这种严谨性使得受约束的方法在实践中可行。
我们并不是说这取代了创造性或开放式的GenAI——它感觉是互补的。但对于自动化程度高的环境,这似乎是真正能够扩展的地方。
很想听听其他人的看法:
- 你们是否看到受约束的LLM设置在生产中优于开放式设置?
- 这仅仅是经典NLP的现代演绎,还是由LLM实现的新类别?
- 你们认为这种方法在哪里会失败?
期待诚实的反馈和反驳。
1 分•作者: aebtebeten•6 个月前
2 分•作者: tosh•6 个月前
40 分•作者: lifeisstillgood•6 个月前
1 分•作者: altilunium•6 个月前
1 分•作者: rendx•6 个月前
1 分•作者: swatson741•6 个月前