最新

大家好，我们两人一直在开发一款注重隐私的 Discord 替代品，现在我们开放早期测试，看看它的表现如何，并收集真实的反馈。<p>Kloak 在设计之初就以隐私为先。它没有电子邮件，也没有密码。当你加入时，你会得到一个密钥，这个密钥就是你的账户。没有恢复机制，也没有与你关联的中心身份。如果密钥丢失，账户就无法找回。这是有意为之，旨在减少存储的用户数据，避免创建身份蜜罐。<p>大多数核心功能已经到位。你可以创建服务器、频道、角色和权限，上传文件和自定义表情符号等等。<p>我们还处于早期阶段，目前的主要目标是验证模型，发现用户体验问题，并在进一步发展之前对系统进行压力测试。我们特别感兴趣的是关于基于密钥的账户方式的看法，以及我们可能忽略的任何隐私或安全权衡。<p>如果你有兴趣或想尝试一下，只需几秒钟即可加入，并且不需要任何个人信息。你可以在 <a href="https:&#x2F;&#x2F;kloak.app" rel="nofollow">https:&#x2F;&#x2F;kloak.app</a> 加入 Kloak<p>也欢迎通过 <a href="https:&#x2F;&#x2F;kloak.app&#x2F;invite&#x2F;PV3FEB8N" rel="nofollow">https:&#x2F;&#x2F;kloak.app&#x2F;invite&#x2F;PV3FEB8N</a> 加入我们的官方服务器。

我正在收集一些统计学问题，这些问题因其违反直觉的特性而引人入胜。一些基本且众所周知的例子包括蒙提霍尔问题和生日悖论。还有哪些问题应该加入我的列表呢？谢谢！

几乎所有事务性邮件都被标记为可疑邮件，即使它们的 SPF/DKIM 记录正常，并且之前已被列入白名单。 谷歌是不是在 Gmail/垃圾邮件过滤方面出了问题？

我一直在使用我制作的名为“AI Lint”的东西，它是一系列规范、被否决的反模式的集合，我注意到代理既没有使用，又过度依赖这些模式。 它还包含用于调试的通用模式和架构，以帮助代理管理大型代码库的复杂性。 看到 Codex 说：“此外，要深入研究，我首先需要遵循存储库的 AI Lint 规则。我可以开始阅读这些规则，然后检查最近的更改。你想让我继续吗？” 感觉很酷。 这些是非句法的、非机械的、针对特定语言和框架量身定制的高级工程智慧，源于经验，旨在让 AI 模拟高级架构师的“品味”，而不是仅仅埋头苦干直到代码“基本可用”。 AI 意大利面条代码的问题是真实存在的，将一些硬性规范和拒绝嵌入到代理必须遵循的存储库中，以防止它们产生无意义的代码（并缩短实现目标的时间），要比以后修复它们的问题更容易。 我经历过，也做过。现在我构建了 AI Lint。它也属于你。需要付费，但有一个免费的试用版可以让你了解它的概念：AI 可以流畅地掌握语法，但它们不容易掌握语言的“精髓”。 我为这个名字感到自豪，我认为它确实引起了共鸣，并抓住了它的本质，既是“AI 的 lint”，也是“AI 原生 lint”，它利用了它们对复杂细微差别的理解和任务执行的优势，同时弥补了它们在复杂情况下无法在正确的时间提供正确解决方案的弱点。 付费版本还包含有关秘密安全性的部分，一份关于如何编写 AI 将遵循的规范的指南，以及一个你可以用来解决相互冲突的规范之间的冲突的覆盖协议（这都是权衡），或者只是为了你自己的团队的喜好而覆盖 lint。 总的来说，需要代理，而且它们将存在。与此同时，我认为这种特定领域的上下文增强，以及让它们快速跳转到任务同时保持上下文清晰度的超精确工具，将是两个（众多）巨大的杠杆。目前，AI 仍然缺乏高级开发人员所具备的——深度、智慧和出色的设计/架构直觉——但高级开发人员无法像 AI 那样快速、独立地工作。因此，最好找到一种最佳的合作方式。因为使用一个需要你返工的次品 AI 是没有意义的。AI Lint 是朝着这个方向迈出的一小步，希望是有用的。 我希望你尝试一下，从中找到价值并付费，并通过继续支持其未来的开发来支持它，因为新的包将针对其他语言、框架和有用的领域推出。 看看吧！ [https://ai-lint.dosaygo.com](https://ai-lint.dosaygo.com) :)

HyperAI 构建了一个排行榜，专门比较用于机器学习和人工智能工作负载的 GPU 性能指标。<p>网址：<a href="https://hyper.ai/gpu-leaderboard" rel="nofollow">https://hyper.ai/gpu-leaderboard</a><p>该排行榜展示了各种现代 GPU 的最新硬件规格和基准测试数据（例如，FP16/FP32/FP64 性能、内存带宽）。其目的是帮助研究人员、工程师和从业者了解不同 GPU 在机器学习/人工智能应用场景中的表现。<p>主要特点： * 包含 29+ 款 GPU 的详细硬件规格 * 针对不同浮点类型进行并排性能比较 * 侧重于人工智能/机器学习工作负载，而非游戏<p>欢迎对布局和实用性提出反馈——特别是来自从事 GPU 基准测试或关注人工智能工作负载中硬件权衡的人士。