最新

与代理进行研究很有趣，直到它们远远超出预算，弄乱信息来源，甚至无法给出最佳答案，只是听起来很自信。 如果你想对本地数据执行一些研究任务，你根本不知道在提示处理完数据后，数据最终会去哪里。 所以我构建了这个工具：一个具有强制预算、已验证引文以及本地数据隐私边界的深度研究代理。 1. 永不超出预算（测量超支为 0%）。 2. 每项声明都附有来源。 3. 数据保留在本地（提供 CSV 文件，它会在数据不离开你的机器的情况下进行分析）。 可与大多数 LLM 配合使用，包括代码代理、订阅服务、本地模型等。 它是免费且开源的，非常欢迎任何反馈！

网上关于学习汇编的书籍讨论不多，我一直在寻找一个简洁的学习路线图。 感谢你的帮助。

我正在考虑在线上创建一个轻量级的存储库，研究人员可以在其中发布他们有权发布的预印本（现有的存储库存在一些审查或需要完成的程序），并且人们可以无需注册等任何手续即可下载论文。 在开始之前，我需要了解哪些信息？