最新

大家好， 作为一名创始人，多年来我一直对我的团队管理机器学习数据集的方式感到沮丧。最终，数据集总是变成 S3 存储桶里的 data_final_v3_fixed.csv 文件，或者变成一个没人能看懂的庞大的 Git LFS 文件。 因此，我创建了 Shodata。它是一个开放平台（类似于 GitHub），但专门为数据集工作流程而构建。 核心理念很简单：你上传一个文件。当你上传一个同名的新文件时，就会自动创建一个新版本（v2、v3 等）。你将获得每个数据集的讨论区、完整的历史记录，以及每个版本的清晰预览和统计数据。 为了展示它的工作原理，我用我正在跟踪的一个数据集对其进行了初始化：一个 LLM 幻觉的日志。当我发现新的幻觉时，我只需上传新文件，它就会对数据集进行版本控制。 该平台是一个 MVP（最小可行产品）。它有一个慷慨的免费套餐（包括 3 个个人私有数据集和 10GB 存储空间），以及一个 Pro 计划，可以解锁团队/组织功能（例如组织创建和共享私有数据集）。 我正在寻求来自工程师和机器学习同行的关于工作流程的反馈。这有用吗？还缺少什么？ 你可以在这里查看该平台：[https://shodata.com](https://shodata.com) 以及 LLM 日志数据集：[https://shodata.com/shodata/llm-hallucinations](https://shodata.com/shodata/llm-hallucinations)

嗨，HN 我是一个独立开发者，正在开发 CommoWatch，这是一个极简的 Web 应用程序，用于追踪大宗商品价格，并在价格达到您的目标时向您发出警报。 这个想法很简单： * 您选择您关注的大宗商品（黄金、石油、小麦、天然气等） * 您设置您希望收到通知的价格 * 当价格达到目标时，您会收到电子邮件或短信通知。 它的目标是精简、快速，并且对交易员、投资者，甚至是关注材料成本的小企业主都很有用。 我将从小处着手——首先只追踪少数几种大宗商品，提供每小时更新和电子邮件警报——以验证人们是否真的觉得它有用。 如果这听起来让您感兴趣，您可以在这里加入候补名单： [https://getwaitlist.com/waitlist/31756](https://getwaitlist.com/waitlist/31756) 我很乐意听取您的想法： 什么功能会让它对您真正有用？ 或者，您认为大多数关注大宗商品价格的人真正需要什么？ 谢谢！

这是一个免费的、无需注册的 AI 口号生成器——我的第二个 AI 编程项目。当我在工作时需要一个朗朗上口的口号或团队名称时，我就会让 AI 为我生成一个。如果你需要，请随意试用！欢迎提出任何反馈——我将虚心接受。<p>未来的更新将包括根据你的品牌和口号生成海报和 logo 的功能，并且这些功能将附带奖励积分。https://aislogangenerator.org/

英国供应商声称“100% 可再生能源”，即使在夜间出售化石燃料电力。<p>新推出的非营利性“清洁电力匹配指数”[1] 使用公开数据，按小时显示每个供应商的真实可再生能源份额。<p>该指数由一个由工程师和能源分析师组成的小团队（包括一位前特斯拉工程师）构建，它结合了来自 Elexon（需求）、国家电网 ESO（发电）和 Ofgem（REGOs）的半小时数据，以计算每个主要英国供应商的真实可再生能源比例。这是同类中首个开放数据集 [2]。<p>该数据揭示了一个每年 10 亿英镑的扭曲现象：消费者为“绿色”证书付费，但这些证书并未将清洁供应与需求对齐。将这笔资金重新定向，可以转而为储能和灵活性提供资金。<p>最好的供应商将 69-88% 的需求与实时可再生能源相匹配——远好于今天声称的“100%”。<p>我们希望听取您对以下方面的想法：<p>- 下一步的功能/数据集：储能、核能或 CO₂ 强度？<p>- API 设计：哪些端点或更新频率会很有用？<p>- 可视化：您将如何随时间推移显示可再生能源匹配情况？<p>[1] <a href="https://matched.energy/clean-power-index" rel="nofollow">https://matched.energy/clean-power-index</a> [2] <a href="https://matched.energy/methodology/v1" rel="nofollow">https://matched.energy/methodology/v1</a>

我一直对 AI 翻译工具感到沮丧，因为它们产生的术语不一致，而且措辞不自然。所以我构建了 Jta，一个 CLI 工具，AI 不仅仅是翻译，它还会通过“agentic 反思”来批判和改进自己的工作。 Jta 没有采用一次性翻译，而是实现了一个 3 步循环： 1. 翻译 2. AI 评估自己的工作（准确性、流畅性、风格、术语） 3. AI 应用自己的建议进行改进 权衡：需要 3 次 API 调用，但质量明显提高。对于我们的生产 i18n 文件，这消除了我们过去需要进行的约 90% 的手动修正。 GitHub：https://github.com/hikanner/jta