最新

我对大型语言模型（LLM）的可解释性非常感兴趣，并希望创建一个最小化的代码库，用于： - SAE 训练 - 自动特征解释 - 通过 GUI 可视化特征和执行干预<p>您可以在此处尝试：<a href="https:&#x2F;&#x2F;nanointerpret.pages.dev&#x2F;" rel="nofollow">https:&#x2F;&#x2F;nanointerpret.pages.dev&#x2F;</a> 或查看代码库：<a href="https:&#x2F;&#x2F;github.com&#x2F;Belluxx&#x2F;nanointerpret" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;Belluxx&#x2F;nanointerpret</a>

泰米尔语中有一句俗语：“你画线，他铺路”。意思是，你划定界限，他就能开辟道路。这句话主要用来形容那些非常有能力的人，只要你指明方向，他们就能拓展、探索并成就一番事业。 我觉得人工智能（AI）在某种程度上也是如此。你可以让它拓展你的思想和想法，但前提是你必须清楚自己划定的界限。 如果你的界限不清晰，AI 也会将它无限放大，变成一条通往虚无的六车道高速公路。因为听起来很美好，你会在宽阔的道路上驰骋，却找不到归属。这时，你就必须能够指出并说：“兄弟，路不在这里。” 这就是新的技能。你能在正确的位置划定界限，构建出清晰界定问题、边界条件、约束以及值得追求的成果的正确形状，然后你就能看到 AI 将其放大成一条两旁有房屋的美丽道路。 我认为这方面的内容在任何地方都没有教授。我看到周围充斥着各种术语，但这更像是一位艺术家坐在画布前挥洒画笔。这不再是关于编程，而是关于数据及其形态，以及对问题的深入理解。你对问题的理解越深，就能越好地划定界限，让 AI 看清并拓展你试图描绘的世界。

我想听一些关于如何不浪费时间的建议。你可以给出任何你想给的建议，也可以分享任何经验或故事。

最近我并行运行的代理越来越多，但我注意到即使很多工作是相互关联的，它们也无法了解其他代理在做什么。 这就像剥夺了一个团队的 Slack。代理会重复工作，进行冲突的更改，并且因为无法相互沟通而互相妨碍。 Concord 是一个 MCP + CLI，它允许编码代理认领工作，查看其他代理在做什么，并实时相互通信。