最新

我和一位同事共同创作了一本儿童绘本，介绍了授权的概念。<p>我们在 AuthZed 工作，经常讲解这些概念。我们认为把它们用一种对儿童和成人都有吸引力的方式呈现会很有趣。这也有助于我们解释工作内容，并为家人制作一份独特的礼物。<p>我们的首要目标是创作一个有趣的故事。我们力求以易于理解的方式呈现这些概念，但有意识地进行了简化，因为我们知道在绘本的篇幅里无法面面俱到。 我们还希望配上引人入胜的插图，因此我们构建了一个定制工具，以简化使用 AI 探索想法的过程。它执行参考加权图像生成（上传参考，权衡哪些最重要），使用类似 Git 的分支进行资产组织，以及改进后续生成的反馈循环。该工具是用 Claude Code 构建的。以下是屏幕截图：<a href="https:&#x2F;&#x2F;content.authzed.com&#x2F;hubfs&#x2F;screenshot-design-asset-manager.jpeg">https:&#x2F;&#x2F;content.authzed.com&#x2F;hubfs&#x2F;screenshot-design-asset-ma...</a><p>我们很乐意收到关于我们简化之处的反馈。我们的权衡是否恰当，或者是否过度简化了？最后，您喜欢这个故事吗？<p>您可以在线阅读这本书：<a href="https:&#x2F;&#x2F;authzed.com&#x2F;resources&#x2F;dibs-and-the-magic-library">https:&#x2F;&#x2F;authzed.com&#x2F;resources&#x2F;dibs-and-the-magic-library</a>

成功的创业者常说，最有价值的工具是能帮你解决问题的工具。问题是，我似乎没有什么问题。所以，我转而构建了一个极简主义的创意目录的PoC（概念验证），专注于解决其他人面临的问题。欢迎提供反馈。

过去一周，我一直在追逐 RAG 管道中的一个“幽灵”，我认为我发现了一些业界集体忽视的问题。 我们假设，如果我们生成一个嵌入并存储它，那么“记忆”是稳定的。但我发现，f32 距离计算（FAISS、Chroma 等的核心）会充当一个“分叉路径”。 如果在 x86 服务器（AVX-512）和 ARM MacBook（NEON）上运行完全相同的插入序列，内存状态会在位级别上发生分歧。这不仅仅是“浮点噪声”，而是由 FMA（融合乘加）指令差异引起的确定性漂移。 我编写了一个脚本来检查我的 M3 Max 和 Xeon 实例上 sentence-transformers 向量的原始位。语义相似度为 0.9999，但原始存储是不同的。 对于受监管的 AI 代理（金融/医疗保健），这是一个噩梦。这意味着您的审计跟踪在技术上会产生幻觉，具体取决于处理查询的服务器。您无法实现“一次编写，随处运行”的索引可移植性。 解决方案（使用 no_std）我非常沮丧，以至于我绕过了标准库，并使用 Q16.16 定点算术在 Rust 中编写了一个自定义内核（Valori）。通过严格执行整数结合律，我在 x86、ARM 和 WASM 上获得了 100% 位相同的快照。 召回损失：可忽略不计（99.8% Recall@10 vs 标准 f32）。 性能：&lt; 500µs 延迟（与未优化的 f32 相当）。 请求/论文 我写了一篇正式的预印本，分析了这种“分叉路径”问题和 Q16.16 证明。我目前正试图将其提交给 arXiv（分布式计算 / cs.DC），但我被困在推荐队列中。 如果您想拆解我的 Rust 代码：https://github.com/varshith-Git/Valori-Kernel 如果您是 cs.DC（或 cs.DB）的 arXiv 推荐人，并且想查看草稿，我很乐意将其发送给您。 难道只有我担心在如此不稳定的数值基础上构建“可靠”的代理吗？

我注意到一个趋势，这里的版主会无视举报，偏袒左翼新闻，比如《60分钟》的报道被推迟，同时屏蔽右翼新闻。Reddit 上也有类似的问题。这种观察正确吗？我们有什么办法可以核实吗？