一周热榜

包含文本到卡片转换、视觉编辑、变体以及直接从编辑器发布集成。

我需要一个分类器来处理那些不属于典型机器学习应用场景的、细微的、主观的分类（例如，“这是否是剧透？”、“这是否事实正确？”、“这个用户是否在说谎？”）。我最终对我构建的解决这个问题的架构非常满意，于是我将其作为一个独立的 API 和服务推出了，名为 CriteriaBot。 **它的作用：** 你提供内容和简单的英文标准。它会给出内容是否符合这些标准是/否的判断。 **它的工作原理：** 除了传统的分类器外，分类请求还会通过一个由小型、开放权重的大型语言模型（LLM）组成的池进行路由，以达成共识判断。 我构建了一个预投票因子分解机，根据主题/类别的嵌入来选择一个优化的 LLM 子集，以获得最佳信号强度。然后，第二个因子分解机读取投票和嵌入，得出单一的判断。该判断会根据用户在语义相似评估中与模型达成一致/不一致的历史记录进行动态调整。 这些模型还连接到维基百科和 Wolfram，以支持需要最新信息或数学依据的边缘情况。 **发现：** * 使用相同的测试环境和样本集，Gemma 4 26B 的准确率仅比 Opus 4.8 低约 1 个百分点。 * 纯粹的“神谕”模型理论上非常好——目前在数据集上准确率约为 98%。我将第二个因子分解机用作组合器，因为它理论上可以超越“神谕”结果，但这是一个有趣的备用方案。 * 最有用的大型语言模型出乎我的意料——LFM2 24B 对共识的贡献最大，尽管它单独来看（在我们目前的大型语言模型池中）是最差的。它与其他模型的关联度最低（也许是由于其独特的架构？），这使得它在某些问题上成为一个有用的信号。 * 处理用户提交图像的法律义务……非常复杂。在我解决这个问题之前，我已经为非我本人用户禁用了图像支持（如果你希望尝试“热狗，不是热狗”的话）。 * Rails 将“criteria”的复数形式错误地单数化为“criterium”，直到我花了大量精力去修复才意识到这是错误的。 **发布原因：** 我一直处于倦怠状态，而让这个项目运行起来让我感到非常满足。我生活中大部分非技术人员很难对此给出除了“这是什么？”之外的反应。 我非常乐意收到你任何诚实的反馈。

这里有人完全用本地模型取代了 Claude/GPT，将其作为主要的编程工具，而不仅仅是用于辅助实验吗？如果有，请分享你的配置和性能（例如，每秒 token 数）。

如果不用，技能就会退化。我现在所有的事情都只用人工智能来完成，因为这样做速度更快、效率更高。你们会做些什么来保持认知能力呢？

我想知道大家对Siri的真实看法。<p>我听到的很多评价都相当负面，但这是因为苹果造不出足够好的助手，还是因为人们不习惯以这种特定方式与助手互动？<p>非常期待听到大家的想法！

发泄一下。也许我们其中有人能找到解决办法。 我非常生气，因为法国的经济政策不是基于模型所说的最佳行动方案，而是基于选举。民主真是太糟糕了。 我也非常恼火，模型在没有任何说明提示有什么问题的情况下就审查内容。 我不喜欢内容分发仍然主要由少数几个平台掌控。这其中有些东西非常奇怪。