最新

Hi HN， 我是 Rajiv，一个从软件工程师转行到数学老师的人，住在山区。在那里，我喜欢放慢生活的节奏，同时仍然开发有用的软件。 我最近开发了 DroidDock，这是一个轻量级且现代的 macOS 桌面应用程序，允许您通过 ADB 浏览和管理 Android 设备上的文件。在软件开发领域工作了 12 年后，我想要一个免费、简洁、高效的工具，因为现有的解决方案要么是付费的，要么很笨重，要么功能臃肿。 功能包括多种查看模式、图像/视频的缩略图预览、直观的文件搜索、文件上传/下载和键盘快捷键。后端使用 Rust 和 Tauri 实现高性能。 您可以从这里的登陆页面下载最新的 .dmg 文件：<a href="https:&#x2F;&#x2F;rajivm1991.github.io&#x2F;DroidDock&#x2F;" rel="nofollow">https:&#x2F;&#x2F;rajivm1991.github.io&#x2F;DroidDock&#x2F;</a> 源代码可在 GitHub 上找到：<a href="https:&#x2F;&#x2F;github.com&#x2F;rajivm1991&#x2F;DroidDock" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;rajivm1991&#x2F;DroidDock</a> 我很乐意收到您关于可用性、缺失功能或错误的反馈。感谢您的关注！ — Rajiv

我构建了一个用于衡量会话式AI系统中角色对齐的框架。 *问题：* 当你发布一个AI副驾驶时，你需要它在不同模型版本中保持一致的品牌声音。但是，“听起来对”是主观的。你如何让它可衡量？ *方法：* Alignmenter 对三个维度进行评分： 1. *真实性*：风格相似度（嵌入）+ 特征模式（逻辑回归）+ 词汇合规性 + 可选的LLM评估器 2. *安全性*：关键词规则 + 离线分类器（distilroberta）+ 可选的LLM评估器 3. *稳定性*：响应分布的余弦方差 有趣的部分是校准：你可以在标记数据上训练特定角色的模型。对组件权重进行网格搜索，估计归一化界限，并针对ROC-AUC进行优化。 *验证：* 我们发表了一个完整的案例研究，使用了Wendy的Twitter声音： - 数据集：235轮对话，64个符合品牌 / 72个不符合品牌（平衡） - 基线（未校准）：0.733 ROC-AUC - 校准后：1.0 ROC-AUC - 1.0 F1 - 学习结果：风格 > 特征 > 词汇（0.5/0.4/0.1权重） 完整方法：[https://docs.alignmenter.com/case-studies/wendys-twitter/](https://docs.alignmenter.com/case-studies/wendys-twitter/) 有一个完整的演练，你可以自己重现结果。 *实际应用：* ``` pip install alignmenter[safety] alignmenter run --model openai:gpt-4o --dataset my_data.jsonl ``` 它是Apache 2.0许可，可离线运行，并专为CI/CD集成而设计。 GitHub：[https://github.com/justinGrosvenor/alignmenter](https://github.com/justinGrosvenor/alignmenter) 对校准方法感兴趣，并想了解这个问题是否也引起了其他人的共鸣。

你好！我想研究一下 Digg，看看它到底是什么。请帮帮我，哈哈！我在 Reddit 上运营一些大型子版块，我希望 Reddit 上所有好的东西（爱好类子版块、科技类子版块、梗图类子版块，以及所有好的东西）都能迁移过来。请问我可以申请一个用户码加入吗？请告诉我这是不是问问题的好地方，哈哈。

以 SQL 为核心的分析型 IDE；类似于 Redash/Metabase。旨在通过修改后的语法 Trilogy 在代码层解决复用/可组合性问题，该语法在类似 SQL 的语言中直接包含语义层。<p>状态：实验阶段；欢迎反馈和贡献！<p>构建该工具是为了解决我使用 SQL 作为主要迭代分析语言时遇到的 3 个问题：<p>1. 调整查询/分析需要大量样板代码。通过对语义层进行操作的查询来解决，而不是对表进行操作。同时也消除了对 CTE 的需求。<p>2. 事实来源一直在变化。我讨厌更新报告以引用新表。同样通过语义层解决，因为可以更新数据绑定，而无需更改仪表板或查询。<p>3. 在许多工具中，从 SQL 到可视化的过程过于繁琐；使其尽可能简化。惊喜 - 通过语义层解决；添加更具表现力的类型以获得更好的默认值；同时使用它来连接自动下钻/交叉过滤。<p>支持：bigquery、duckdb、snowflake。<p>链接 [1] <a href="https:&#x2F;&#x2F;trilogydata.dev&#x2F;" rel="nofollow">https:&#x2F;&#x2F;trilogydata.dev&#x2F;</a>（语言信息）<p>Git 链接： [前端] <a href="https:&#x2F;&#x2F;github.com&#x2F;trilogy-data&#x2F;trilogy-studio-core" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;trilogy-data&#x2F;trilogy-studio-core</a> [语言] <a href="https:&#x2F;&#x2F;github.com&#x2F;trilogy-data&#x2F;pytrilogy" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;trilogy-data&#x2F;pytrilogy</a><p>先前： <a href="https:&#x2F;&#x2F;news.ycombinator.com&#x2F;item?id=44106070">https:&#x2F;&#x2F;news.ycombinator.com&#x2F;item?id=44106070</a>（自此以来，用户体验/功能进行了重大改进） <a href="https:&#x2F;&#x2F;news.ycombinator.com&#x2F;item?id=42231325">https:&#x2F;&#x2F;news.ycombinator.com&#x2F;item?id=42231325</a>