最新

如果我的宿主机和目标机位于不同地点，且没有直接的 COM 端口连接，我可以通过网络为虚拟机设置内核模式调试吗？

我们构建 MALLM 是因为现有的多智能体辩论 (MAD) 工具包通常无法完全控制多智能体讨论的各个部分。 MALLM 允许您自由组合每个组成部分： 1. 角色 (专家 / 个性 / …) 2. 回复生成器 (批判性 / 推理风格 / …) 3. 讨论范式 (记忆 / 中继 / …) 4. 决策协议 (投票 / 共识 / …) 我们开箱即用 144+ 种配置，所有配置都在一个 YAML 文件中定义。 需要更多？ 继承并加入您自己的组件。 您可能关心的其他信息： 1. 可接入任何基于文本的 HuggingFace 数据集（我们已经在 MMLU-Pro、WinoGrande 等数据集上进行了测试）。 2. 自带评估流程，因此您可以对辩论策略进行 A/B 测试，无需编写额外的脚本。 3. 纯 Python，采用 Apache 2.0 许可证。 代码库：[https://github.com/Multi-Agent-LLMs/mallm](https://github.com/Multi-Agent-LLMs/mallm) 欢迎提供反馈和 PR——尤其是针对我们尚未尝试的任务的基准测试！ 演示：[https://mallm.gipplab.org/](https://mallm.gipplab.org/)

嘿，HN！ Nudge 每分钟截取你的屏幕画面，并使用 GPT-4o 检测你何时分心。描述你想要做的事情（例如“在 GitHub 上审查 PR 20 分钟”），Nudge 就会在你做其他事情时发出提醒。 我开发 Nudge 是因为我在工作中很容易分心。我已经使用了几周，可以说我的拖延症减少了 20-30%。（这部分是因为 Nudge 迫使我将一天分解成小的、具体的活动。） AI 检测可以完美运行，但这取决于你对目标的描述有多清晰。例如，“我想回复我的老板”不好，但“我想在 Gmail 上写回复”就好。对 LLM 的行为有一些直觉肯定有帮助。（在这里查看系统提示：<a href="https:&#x2F;&#x2F;github.com&#x2F;felipap&#x2F;nudge&#x2F;blob&#x2F;main&#x2F;src&#x2F;lib&#x2F;ai&#x2F;assess-flow.ts">https:&#x2F;&#x2F;github.com&#x2F;felipap&#x2F;nudge&#x2F;blob&#x2F;main&#x2F;src&#x2F;lib&#x2F;ai&#x2F;assess...</a>） 屏幕截图是非常敏感的数据，所以我决定将其开源并采用 BYOM（“自带模型”）。今天你需要提供自己的 OpenAI API 密钥。我意识到并非每个人都有一个，并且很快就能支持其他 AI 后端会很棒。 我很兴奋能分享这个项目，并希望收到关于它运行情况的反馈（包括 AI 准确性和用户体验）。感谢阅读！