最新

在美国，似乎对“家政服务”的需求并不大。个人助理或管家的概念似乎是富豪专属，但我不太明白为什么会这样。 特别是，我很好奇这说明了什么关于采用基于人工智能的助手的潜力。 例如：除了工作之外，我还有各种各样的事情要做，这些事情会占用我的空闲时间（ 买菜、简单的餐食准备、轻度家务、跑腿）。我很乐意把所有这些都外包给一个值得信赖的助理，并支付他们合理的工资。 粗略估算一下，这种模式对很多人来说似乎在经济上是可行的： * 问问一位年薪 15 万美元的中年软件工程师，如果他们愿意用 1 万美元/年的代价换取每周多出 10 小时的空闲时间，我想很多人都会说愿意。 * 按照这个比例，一个助理可以为 4 个客户工作一个“正常”的 40 小时工作周，并赚取大约 4 万美元/年的中位数工资。 那么，为什么我们没有看到这样的安排呢？是不是因为美国人的阶级心理，雇佣别人做这些事情会让人觉得“不对”？还是人们只是不愿意信任别人替他们做事？

我不知道在座各位有多少人对语言学习感兴趣，但我想分享一下我一直在做的事情。我之前对Duolingo的低效感到沮丧，虽然理性的选择可能是尝试其他应用，但我决定自己做一个。你可以在这里使用它：<a href="https:&#x2F;&#x2F;yap.town&#x2F;" rel="nofollow">https:&#x2F;&#x2F;yap.town&#x2F;</a> - 顺便说一下，它是完全免费的，而且我也不打算改变这一点。 它基于间隔重复和测试效应等教学原则。我真的认为它可能是目前最有效的语言学习应用，尽管它不够完善，因为我只在业余时间才开发它。（而且因为我没有尝试过所有语言学习应用，所以我不能真正地得出结论，但我仍然认为它是最好的，原因我稍后会讲。） 顺便说一句，前端主要是用Rust编译成WASM，这使得性能优化成为可能，而这在JavaScript中是很难实现的。还有一件事：这个应用是本地优先的，并且基于CRDTs实现了跨设备同步，我认为这在这里应该会很受欢迎。老实说，这几乎和整个应用的其余部分一样工作量。源代码在这里：<a href="https:&#x2F;&#x2F;github.com&#x2F;anchpop&#x2F;yap" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;anchpop&#x2F;yap</a> ---- 构建这个应用让我学到了很多关于间隔重复的知识。核心思想是它会用包含你需要练习的单词的句子来测试你。但这一点变得很棘手，因为单词有多种用法。如果你错误地翻译了一个单词的一种用法，那么在不同的语境中练习它并没有什么帮助。 我的解决方案使用NLP（使用spaCy）来注释单词的词性和词干，这区分了同一个单词的不同用法和词形变化。我还维护了一个“多词术语”的数据库，因为许多短语（例如“a lot”）需要作为单元来学习。 对于间隔重复，调度器是FSRS，这是最先进的。 对于有语言基础的用户，我通过分析单词频率与他们似乎觉得容易的单词来自动调整难度，帮助他们展示他们还不知道的最常见的单词。 刚开始使用这个应用会感觉很奇怪——在学习了几个单词之后，你就可以组成像“Why did you do this to me?”这样的句子。这些句子听起来很复杂，但只使用了常用词。与Duolingo早期教你“apple”不同，首先学习最常用的单词可以让你立即掌握句子结构，然后从语境中找出剩余的单词。 没有一个应用是完整的语言学习系统，这个应用也不例外，但我希望它能对你学习语言的其他方式有所补充。我的应用的一个有用的补充是Pimsleur方法，我也一直在使用，并且取得了很大的成功。

DeepMind 最近推出了 DataRater，这是一种元学习方法，使用元梯度来评估训练数据点的价值。它承诺通过过滤/重新加权低价值数据来提高训练效率，而不是依赖启发式方法。<p>分享一个 DataRater 的实现，我尝试在 MNIST 上复现结果！

我构建了 WAFlow，用于通过纯 Webhook 在本地原型设计类似 WhatsApp 的聊天机器人。 代码库：<a href="https:&#x2F;&#x2F;github.com&#x2F;leandrobon&#x2F;WaFlow" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;leandrobon&#x2F;WaFlow</a> Docker 启动 → 在浏览器中聊天 → 模拟器向你的机器人发送 Webhook → 机器人通过 API 回复 → 导出/导入对话记录。 技术栈：.NET 8 + Blazor。 MVP（最小可行产品）：轮询 UI，单用户，仅文本。 欢迎就你的工作流程中缺少什么提供反馈。