最新

我正在努力更好地理解如今软件架构师的职位究竟是做什么的。他们只是思考并为他人绘制图表，以便将系统转化为模仿吗？他们是超级技术型的业务/流程/数据分析师吗？

我们想尝试一下，完全使用本地模型，通过聊天和语音构建一个咖啡馆点餐系统是否可行。<p>我们使用 Llama 8B 作为 LLM（大型语言模型），Whisper 用于 TTS（文本转语音）/STT（语音转文本）构建了这个演示。它使用 Kubernetes 部署，可以作为任何 AI 赋能应用的基石。

Slidef 是一个命令行工具，可以将您的 PDF 演示文稿转换为现代化的、基于网络的幻灯片查看器。非常适合用于分享演示文稿、创建幻灯片存档，或者构建您自己的幻灯片托管平台。

作者在此。我构建了一个系统，其中小型语言模型（qwen2.5:7b）通过反思学习，而不是权重更新。<p>出乎意料的发现：该模型自行发现了奥卡姆剃刀原理。<p>初始准确率：51.3%（零样本基线） 学习后：78.0%（+26.7个百分点）<p>但这些数字并不能完全说明问题。学习日志揭示了一些深刻的东西：<p>第一阶段：模型幻觉出复杂的解决方案（“使用区间树！”、“应用图论！”）。准确率保持在较低水平（约35%）。<p>第二阶段：日志条目开始出现怀疑：“由于问题很简单，重点应该放在基本的区间检查上……”<p>第三阶段：突破——模型写道：“这表明对如何处理重叠区间存在根本性的误解。”<p>它承认自己错了。从那一刻起，一切都改变了。<p>蒸馏过程就像进化选择：有效的简单想法得以存活，失败的复杂想法被过滤掉。<p>主要优势： - 完全可解释（阅读完整的思考过程） - 在消费级硬件上运行（无需GPU训练） - 策略是可转移的文本文件 - 模型学会自我怀疑（对人工智能安全性的启示）<p>所有代码和论文都是开源的。在笔记本电脑上重现该实验大约需要40分钟。<p>很乐意回答有关方法、结果或实施的任何问题！

一个黑客松项目，将 Gemini Live API 连接到 ESP32 Atoms3r-CAM 设备上，实现在嵌入式硬件上的语音 + 视觉对话。

Windsurf 的 SWE-1.5 确实不错，我也听说 Cursor 的模型也很好。<p>然而，我一直有个挥之不去的感觉：未经授权使用基础模型是不对的。<p>我知道他们做了一些后训练，并且优化了推理，但使用像 LLM 这样重要的东西，却连个感谢都没有，感觉非常不妥。<p>我想问的是，无论许可证允许什么，这样做到底是怎么被允许的？