最新

这是一个 DIY（自己动手），开源的替代方案，可以替代像 MouthPad、眼动仪，甚至是 Neuralink 这样复杂的昂贵解决方案。每个人都应该有机会使用辅助技术。

我标记了“你在做什么？”（例如 <a href="https://news.ycombinator.com/item?id=45561428">https://news.ycombinator.com/item?id=45561428</a>）帖子中的所有评论，并构建了一个简单的 SvelteKit 网站，希望它能帮助你找到有类似项目的人。我还考虑添加一些关于项目类型随时间推移的分析，以观察技术上的变化。

我很高兴地宣布 TabPFN-2.5 的发布，这是我们的表格基础模型，现在可以扩展到包含 50,000 个样本和 2,000 个特征的数据集——这比今年早些时候在《自然》杂志上发表的 TabPFN v2 增加了 5 倍。TabPFN-2.5 在分类和回归任务中，通过一次前向传播即可提供最先进的预测，无需超参数调整。 <i>2.5 版本的新功能</i>： TabPFN-2.5 沿用了 v2 的核心方法——一个预训练的 Transformer 模型，该模型在超过一亿个合成数据集上进行训练，以执行上下文学习并为测试数据输出预测分布。它原生支持缺失值、类别特征、文本和数值特征，并且对异常值和无用特征具有鲁棒性。 主要改进： * 5 倍的规模提升：现在可以处理 50,000 个样本 × 2,000 个特征（v2 中为 10,000 × 500） * SOTA 性能：TabPFN-2.5 优于经过调整的基于树的方法，并与复杂的集成模型（AutoGluon 1.4）的性能相匹配，而 AutoGluon 1.4 本身就包含了 TabPFN v2，并经过了 4 小时的调整。调整模型可以提高性能，在回归任务中优于 AutoGluon 1.4。 * 重建的 API：新的 REST 接口以及带有专用 fit & predict 端点的 Python SDK，使部署和集成对开发人员更友好 * 一个蒸馏引擎，可以将 TabPFN-2.5 转换为紧凑的 MLP 或树集成，同时保持准确性并提供低延迟推理。 仍然存在一些限制。该模型专为最多 50K 个样本的数据集而设计。它可以处理更大的数据集，但这并不是我们在 TabPFN-2.5 中的重点。蒸馏引擎尚未通过 API 提供，仅通过许可证提供（尽管我们在模型报告中展示了性能）。 我们正在积极努力消除这些限制，并计划发布专注于上下文推理、因果推断、图神经网络、更大数据和时间序列的更新模型。 TabPFN-2.5 可通过 API 和 Hugging Face 上的软件包获取。希望您能试用并向我们提供反馈！ 模型报告：[https://priorlabs.ai/technical-reports/tabpfn-2-5-model-report](https://priorlabs.ai/technical-reports/tabpfn-2-5-model-report) 软件包：[https://github.com/PriorLabs/TabPFN](https://github.com/PriorLabs/TabPFN) 客户端：[https://github.com/PriorLabs/tabpfn-client](https://github.com/PriorLabs/tabpfn-client) 文档：[https://docs.priorlabs.ai/quickstart](https://docs.priorlabs.ai/quickstart)

背景：我有一个同事，习惯于高度自信地执行 ChatGPT 建议的脚本。最近，一个使用 Github API 的脚本无法正常工作，他让我帮忙调试。结果发现，Github 更改/更新了输出中的属性名称，这些名称与 ChatGPT 提供的脚本不再匹配。困难在于，这个人是一位非常优秀的工程师，但他/她对如何调试 ChatGPT 提供的脚本缺乏信心。

我买了好多书，但大多数时候我都没什么动力去读。相反，我更喜欢在 YouTube 上看一小时的纪录片或 TED 演讲。有什么建议吗？

我搭建了一台可公开访问的 Windows 电脑，允许多个用户同时控制（每个人都看到相同的屏幕，并控制相同的鼠标和键盘）。它在浏览器中运行，使用 Apache Guacamole 构建 :)<p>这旨在对基础设施进行短期压力测试。

几年前（也许至少 5 年，甚至可能超过 10 年），我读到一篇文章，作者描述了一个概念操作系统。它包含一个用于文件系统的数据库，其层次结构不仅由特定的文件路径决定，还包括与文件关联的可选关键字。访问网络也可能通过该数据库进行抽象。应用程序被描述为该数据库上的 UI 视图，所有数据（包括视图的状态）都会在用户的设备之间原生自动同步。作者当时也在开发一个原型，可能用 JavaScript。 我很想找到它再读一遍，看看在实现方面有什么进展，但这很难搜索。我很有可能通过 HN 发现了这篇文章。也有可能我“臆想”了部分概念。但如果它真的存在，很有可能这里有人也遇到过它，也许还记得来源。或者类似的东西。有人遇到过吗？或者对如何进一步搜索有什么想法吗？

大家好。最近有很多令人兴奋和酷炫的东西，真是个了不起的时代！ 尽管如此，我还是忍不住感到一种对无限未开发潜力的恐惧和在探索这个领域时的决策疲劳。 你们是怎么应对的？什么对你们有效？你们有什么建议？ 我觉得我现在想要的是一个能够在我面临这种决策疲劳时，代替我做决定的代理，我一直在从一个代理跳到另一个代理，从一个模型跳到另一个模型，说实话，它们都差不多，都能产生类似的结果，是我做错了吗？ 如果我试着分析我的沮丧，我会说这是一个用户体验问题。例如，我认为Cursor通过使用新颖的UX重新发明自动补全功能，从而跨越了鸿沟，Claude Code的cli也是如此。但我觉得它们“老化”得不太好，也许只是我个人的感觉。 让我感到不安的是，我们似乎正处于一个次优的中间状态，我们试图进入一种低到中等程度监督的自主计算，但用户体验在我看来，还没有完全与这个方向对齐。——我正在努力措辞，希望在Hacker News上比我更聪明的人能理解我的意思，嘿嘿。 我喜欢我们现在正进入一个云沙盒和异步环境正在出现的时代，但不知为何，它仍然感觉很别扭。半成品，功能工厂，很多尝试一切并看看什么能行。——也许这只是知识差距、信息密度/过载，或者也许我只需要更专注。 有没有人觉得现在有一场比赛，上市时间是首要任务，而不是质量和创新？我们什么时候才能再次慢下来？ 好吧……是时候回去在Sora上刷末日信息了 ¯\_(ツ)_/¯

我零星地找到了一些线索，但没有哪个真正抓住了重点——特别是招聘、融资等方面。我想，如果哪个社区知道我错过了什么好的资源，那一定是这里了！