最新

大家好，我开发了这个产品。 Riven 可以将 Apple Watch 的运动数据转化为三项信息：一组训练的开始和结束时间、你正在进行的锻炼项目、完成的次数，以及目标肌肉接近力竭的程度。它仅使用 Apple Watch 内置的 100 Hz 运动传感器，无需任何手动输入。告别手动记录。 其背后的理念由来已久且经过充分验证：当接近力竭时，动作的完成速度会减慢。基于速度的训练（Velocity-based training）多年来一直沿用这一原理，但通常需要一个安装在杠铃上的传感器或一个对准杠铃的摄像头，因此主要局限于杠铃训练。我利用 Apple Watch 内置的传感器实现了相同的概念。 最具挑战性的部分是判断一组训练的开始和结束，尤其是在人来人往的健身房中活动时，以及区分有效次数和干扰信号。经过大量的机器学习训练，我们已经将其优化到非常出色的水平。 App Store：https://apps.apple.com/app/riven-reps-muscle-failure/id6770362701 网站：https://riven.fit 非常乐意回答任何问题或听取您的反馈！

我们的大学没有教授芯片设计的课程或指导。我们上过数字逻辑课程，但令我们失望的是，我们最复杂的项目竟然是在 Quartus 中使用逻辑块构建一个全加器，甚至不是在 RTL 层面！因此，我们决定挑战自我，深入研究机器学习（ML）硬件，并尽可能多地自学。我们想证明，基础数学（如 y = mx + b）和基础逻辑电路足以帮助任何人理解现代人工智能硬件的工作原理。 我们的目标是从头开始设计我们自己的 LPU 版本，并在其上运行一个简单的 Transformer 式模型，证明只需最少的机器学习和计算机设计知识，这是完全可能的。我们还受到一个简单问题的驱动：是什么让 LPU 架构如此引人注目，以至于连 Nvidia 都获得了其授权？ 请注意，本文并非旨在作为“如何从头开始构建 LPU”的教程，我们的架构也不是 1:1 的 LPU。它旨在为硬件经验最少的人如何进入这个领域提供教育资源，并分享我们构建我们认为 LPU 应该是什么样子的旅程。

我如何经营一家依赖大量人工智能订阅的小企业，却无法联系到人工客服来解决紧急问题？<p>或者他们真的认为人工智能就是客服支持吗？

我经常使用 hn.algolia.com，如果你不熟悉的话，这是一个搜索和排序 HN（Hacker News）的绝佳工具。 我注意到它没有显示任何新的结果，特别是过去 24 小时内发布的帖子或评论 [1]（“在此期间未找到与您查询匹配的任何项目”）。 Algolia 今天早些时候似乎发生了一起“事件”[2]，我想知道这两件事是否有关联。 [1]: https://hn.algolia.com/?dateRange=last24h&page=0&prefix=false&query=&sort=byDate&type=all [2]: https://status.algolia.com/

在业余项目方面，我为代码和文本制定了以下规则： 1a) 只要我设计了解决方案，围绕正确的数据结构构建（我听说如果数据结构正确，代码就会自行编写），并指定了测试的框架，代码就会得到最少的审查。 1b) 我会审查测试，以检查是否存在过拟合、作弊等情况。 2) 代码中的注释可以充斥着大语言模型（LLM）的风格。我不在乎。 3) 但是 Markdown 文件，无论是人还是大语言模型阅读，都必须经过大量删减、编辑，并采用人类的语言风格。 简单来说，大语言模型，这些为生成文本而生的机器，无法在没有旁枝末节、跑题、无关内容、重复、遗漏、常见的风格弊病（如过度使用陈词滥调）、历史遗留的冗余、过度解释和定性空话的情况下，呈现出线性流畅的相关事实。换句话说，它们无法直截了当地讲述。 我只有一个受众，那就是人。有些人自己阅读文本，有些人则将其交给大语言模型，并期望得到连贯的回复。这两个群体都应该得到清晰的信息，无论对他们还是对我来说，都是如此。 大语言模型在直截了当地讲述方面，目前还未达到要求。