最新

我一直在开发 MeshCtx，这是一个开源的 AI 代理，拥有 17 个大脑区域和一个记忆引擎，该引擎使用 FSRS 间隔重复 + 模式整合（情景 → 语义 → 核心）+ 睡眠阶段离线处理。 关键创新在于 ARCHIVAL 系统，它能主动修剪记忆但不会删除它们——之后可以恢复。 基准测试结果： - LongMemEval EM 54.2% / judge 83.3% - 16KB 预算 +8.3pp 提升 - 工具压缩 -95.5% 我对其他人在这方面的经验感到好奇： 1. 记忆整合方法（情景 → 语义 → 核心） 2. AI 代理的间隔重复 3. 主动遗忘/修剪策略 GitHub：https://github.com/LucyAndLuna2023/meshctx 哪些模式对您有效？

在美国，我们有一个开玩笑的节日，叫做“海盗日”。我提议设立“克劳德日”。这是我写的，不是由大型语言模型生成的。 是的，这实际上是人们像电脑一样说话，而不是电脑像人一样说话。请仔细体会一下。 在生产使用中，有两种可能的结果，而且都非常糟糕。 * **强调通货膨胀**。在书面交流中，人们将被要求使用大量的*粗体内容*，在口头交流中则会有更多的语调变化。在投入生产使用之前，必须解决腕管综合征、语音转文本功能差距和喉炎等潜在的负面影响。这是跨越多个物理维度的一个*非常* *巨大*的*未知数*。值得深思。 * **肢体暴力**。当人们意识到内容是由大型语言模型生成的，而不是他们期望从中获得见解或知识时，他们会感到被欺骗。这是事实，而非猜测。来自原本可信来源的、明显由大型语言模型生成的内容的突然激增，可能会导致欺骗感激增，超过一个临界点，使原本理性的人变得暴力。 * **声誉损害**。在不了解这个节日，或者不认为这是一个玩笑的环境中，参与“克劳德日”的人，如果引起了听众的欺骗感，可能会遭受声誉损害。这是一个真实的采纳风险，实际上是一个死胡同。 这里有一点值得注意，我说的是两个非常糟糕的结果，但我列出了三个。这是我的错。我已经记住了，以后会更注意避免“差一错误”。 我曾考虑添加一个破折号，但决定不落俗套。是否应该添加一个破折号，由读者来决定。 在写这篇帖子时，我注意到一件事：我们从未定义过“一天”的含义。是指24小时周期，还是从日出到日落？如果我们采用24小时，是按照全球的格林威治标准时间，还是按照本地的00:00 - 23:59的滚动24小时周期？ 您是否希望我写出这个节日的完整描述，包括关于精确日期定义和健康风险（包括潜在的暴力行为）的未决问题？

一年前，扩散式大型语言模型（dLLMs）似乎前景一片光明，但现在我却很少看到它们的身影。发生了什么？

您通常使用的云服务（例如 YouTube、Spotify、TikTok、Twitter (X)、Facebook 等）中的每一个推荐系统，都归属于那些其利益与您不一致的实体所有。它们以参与度和其它私有指标为优化目标，您无法查看、无法纠正，也无法在服务不可避免地关闭时将其带走，甚至无法将相同的推荐模型用于不同的独立应用程序。本项目旨在解决所有这些问题。 Anagnorisis 采用了另一种截然不同的方式，颠覆了整个客户端-服务器架构。服务器现在仅仅是纯粹的数据共享的轻量级主机，所有的主要处理、搜索和推荐都在您的机器上进行。您对本地或远程文件以及您拥有的其他数据进行 0 到 10 的评分。然后，这些反馈用于在本地训练一个推荐模型，该模型会自动为所有您尚未评分的项目打分。您纠正它错误的地方，这些纠正将成为下一轮训练数据。您一遍又一遍地重复这些步骤，每次都能获得一个与您的偏好越来越一致的模型。 本项目的宏大愿景是提供一个平台，该平台能够创建您个人兴趣的本地化、私有化模型。它会喜欢您所喜欢的，并在您认为重要的地方看到其重要性。然后，您可以使用这个模型代表您搜索和过滤本地及全球信息，以您自己的方式，但速度更快、效率更高。未来，这个平台将成为您获取量身定制的新闻、推荐和见解等信息的首选之地。随着互联网充斥着机器人和低质量的 AI 内容，像这样的平台可能会创建一个必要的过滤器，以便您能够有效地驾驭这个混乱的信息空间。